9.1 Erhebung 1.1 der Skalenkonstruktion – Identifikation geeigneter Frageitems und Prüfung der Modellstruktur
9.1.1 Aufbau des Fragebogens
Der Gegenstand dieser Studie: die Digitalisierung der GesellschaftDie zunehmende Verbreitung von digitalen Technologien wie beispielsweise von Computern und mobilen Endgeräten im privaten Alltag, aber auch in Wirtschaft und öffentlicher Verwaltung führt dazu, dass wir alle laufend Datenspuren hinterlassen, die gespeichert, miteinander kombiniert und ausgewertet werden können. Die hieraus entstehenden großen digitalen Datenbestände werden häufig auch als Big Data bezeichnet.Im Folgenden möchten wir Sie zu Ihrer persönlichen Einschätzung zu Entstehung und Verwendung dieser digitalen Datenbestände befragen. Hierbei gibt es weder falsche noch richtige Antworten, uns interessiert Ihre ganz individuelle Meinung.Bitte lesen Sie daher die folgenden Aussagen aufmerksam durch und beantworten Sie ehrlich und spontan, inwieweit Sie den Aussagen zustimmen.Einige der folgenden Aussagen mögen Ihnen dabei recht ähnlich vorkommen. Dies ist allerdings beabsichtigt und hilft uns Ihre Einschätzungen insgesamt besser zu verstehen, da im Rahmen dieser Studie ein neues Erhebungsinstrument entwickelt werden soll.
9.1.2 Feldphase, Datenbereinigung und finale Stichprobe
Soziodemografische Variable
|
Aufgenommene Fälle
|
Ausgeschlossene Fälle
|
||
---|---|---|---|---|
absolut
|
relativ
|
absolut
|
relativ
|
|
Geschlecht
|
||||
Männlich
|
128
|
50.2 %
|
23
|
45.1 %
|
Weiblich
|
127
|
49.8 %
|
28
|
54.9 %
|
Alter
|
||||
Unter 35 Jahren
|
113
|
44.3 %
|
36
|
70.6 %
|
Über 35 Jahren
|
142
|
55.7 %
|
15
|
29.4 %
|
Bildung
|
||||
Niedrige/mittlere Bildung
|
112
|
43.9 %
|
40
|
78.4 %
|
Hohe Bildung
|
143
|
56.1 %
|
11
|
21.6 %
|
n
|
255
|
83.3 %
|
51
|
16.6 %
|
9.1.3 Vorgehen bei der Datenanalyse mittels konfirmatorischer Faktorenanalyse durch Strukturgleichungsmodellierung
-
Es ist gut, dass immer mehr digitale Daten ausgewertet werden.
-
Es ist gut, so viele digitale Daten wie möglich auszuwerten.
-
Es ist erstrebenswert, so viele digitale Daten wie möglich auszuwerten.
Dieses Kriterium ist dabei wesentlich strenger [als der Chi-Quadrat-Differenztest] und stellt die durchschnittlich durch einen Faktor erfasste Varianz (…) mit jeder quadrierten Korrelation (Φ2ij), die der betrachtete Faktor i mit einem anderen Faktor j aufweist, gegenüber. Da die quadrierte Korrelation zwischen zwei Faktoren als gemeinsame Varianz dieser Faktoren interpretiert werden kann, liegt nach Fornell/Larcker Diskriminanzvalidität dann vor, wenn diese gemeinsame Varianz kleiner ist als die DEV der jeweiligen Faktoren. (Weiber & Mühlhaus, 2014, S. 165)
9.1.4 Die Richtigkeit digitaler Daten – die Dimensionen Genauigkeit, Wahrhaftigkeit und Objektivität digitaler Daten sowie der hieraus resultierende Wissensgewinn
-
Digitale Daten ermöglichen ein genaues Verständnis der Welt. (Item-ID GE1; λGE1 = .808, Referenzindikator)
-
Digitale Daten ermöglichen ein exaktes Verständnis der Welt. (ID GE2; λGE2 = .840)
-
ID GE3: Digitale Daten ermöglichen ein objektives Verständnis der Wirklichkeit. (ID GE3; λGE3 = .824)
-
Digitale Daten verhelfen zu neuem Wissen. (ID W1; λW1 = .804, Referenzindikator)
-
Digitale Daten führen zu neuen Fakten. (ID W2; λW2 = .779)
-
Digitale Daten verhelfen zu neuen Erkenntnissen. (ID W3, λW3 = .886)
9.1.5 Die Nutzendimensionen des BDGS
-
Digitale Daten erzeugen für mich persönlich einen Mehrwert. (Item-ID IN1; λIN1 = .838, Referenzindikator)
-
Digitale Daten führen für mich zu Vorteilen. (ID IN2; λIN2 = .817)
-
Digitale Daten haben für mich persönlich positive Auswirkungen. (ID IN3; λIN3 = .839)
-
Digitale Daten erzeugen einen Mehrwert für die Gesellschaft. (ID GN1; λGN1 = .823, Referenzindikator)
-
Digitale Daten führen zu gesellschaftlichen Vorteilen. (ID GN2; λGN2 = .809)
-
Digitale Daten sind ein gesellschaftlicher Gewinn. (ID GN3; λGN3 = .839)
9.1.6 Datenauswertung für das finale Messmodell der BDGS-Skala
Itemformulierung
„Digitale Daten …“
|
Item-ID alt
|
Item-ID neu
|
B (SE)
|
ß (SE)
|
λ
|
Cronbachsches α (standardisiert)
|
Durchschnittlich extrahierte Varianz (DEV)b
|
---|---|---|---|---|---|---|---|
Genauigkeit
|
.867 (n = 232)
|
.679
|
|||||
… ermöglichen ein genaues Verständnis der Welt.
|
AV01_38
|
GE1
|
4.118 (.096)
|
1a
|
.812
|
||
… ermöglichen ein exaktes Verständnis der Welt.
|
AV01_39
|
GE2
|
4.077 (.098)
|
1.061*** (.073)
|
.840
|
||
… ermöglichen ein objektives Verständnis der Wirklichkeit.
|
AV01_48
|
GE3
|
3.955 (.093)
|
.976*** (.069)
|
.820
|
||
Wissen
|
.854 (n = 242)
|
.679
|
|||||
… verhelfen zu neuem Wissen.
|
AV01_49
|
W1
|
4.931 (.089)
|
1a
|
.798
|
||
… führen zu neuen Fakten.
|
AV01_51
|
W2
|
4.620 (.092)
|
1.021*** (.077)
|
.783
|
||
… verhelfen zu neuen Erkenntnissen.
|
AV01_54
|
W3
|
4.897 (.089)
|
1.111*** (.073)
|
.887
|
||
Individueller Nutzen
|
.874 (n = 242)
|
.701
|
|||||
… erzeugen für mich persönlich einen Mehrwert.
|
AV01_55
|
IN1
|
3.920 (.099)
|
1a
|
.834
|
||
… führen für mich zu Vorteilen.
|
AV01_57
|
IN2
|
3.901 (.094)
|
.957*** (.063)
|
.833
|
||
… haben für mich persönlich positive Auswirkungen.
|
AV01_60
|
IN3
|
3.910 (.090)
|
.929*** (.060)
|
.845
|
||
Gesellschaftlicher Nutzen
|
.864 (n = 236)
|
.678
|
|||||
… erzeugen einen Mehrwert für die Gesellschaft.
|
AV01_62
|
GN1
|
4.112 (.086)
|
1a
|
.814
|
||
… führen zu gesellschaftlichen Vorteilen.
|
AV01_65
|
GN2
|
4.020 (.090)
|
1.029*** (.072)
|
.804
|
||
… sind ein gesellschaftlicher Gewinn.
|
AV01_67
|
GN3
|
4.062 (.092)
|
1.114*** (.072)
|
.851
|
||
Notizen. n = 255, a Referenzindikator, b Die DEV wurde auf Grundlage der standardisierten Regressionswerte (Faktorladungen) im Gesamtmodell berechnet. * p < .05, ** p < .01, *** p < .001
|
Genauigkeit
|
Wissensgewinn
|
Individueller Nutzen
|
|
---|---|---|---|
Genauigkeit
|
1
|
||
Wissensgewinn
|
.830***
|
1
|
|
Individueller Nutzen
|
.809***
|
.714***
|
1
|
Gesellschaftlicher Nutzen
|
.878***
|
.831***
|
.915***
|
Notizen. * p < .05, ** p < .01, *** p < .001
|
9.1.7 Der Zusammenhang der BDGS-Skala mit der Bewertungsdimension Volumen
-
Es ist gut, dass immer mehr digitale Daten ausgewertet werden. (λ = .768, Referenzindikator)
-
Es ist gut, dass weltweit Unmengen von digitalen Daten gespeichert werden. (λ = .831)
-
Es ist gut, so viele digitale Daten wie möglich zu speichern. (λ = .883)
-
Es ist gut, so viele digitale Daten wie möglich auszuwerten. (λ = .867)
Volumen
|
Genauigkeit
|
Wissensgewinn
|
Individueller Nutzen
|
|
---|---|---|---|---|
Volumen
|
1
|
|||
Genauigkeit
|
.779***
|
1
|
||
Wissensgewinn
|
.600***
|
.828***
|
1
|
|
Individueller Nutzen
|
.702***
|
.809***
|
.714***
|
1
|
Gesellschaftlicher Nutzen
|
.795***
|
.879***
|
.832***
|
.914***
|
Notizen. * p < .05, ** p < .01, *** p < .001
|
9.1.8 Diskussion der Ergebnisse der Skalenkonstruktion
9.1.9 Skalenanpassungen auf Basis von Erkenntnissen der ersten Erhebung der Skalenkonstruktion
9.2 Validierung der Skalenkonstruktion in Erhebung 1.2 und Erhebung 1.3
Zu vermeiden sind solche Kontexteffekte nicht, es sei denn, man verzichtet darauf, mehrere Fragen zum gleichen Thema zu stellen. Eine andere Möglichkeit besteht darin, die Fragen zu trennen und an unterschiedlichen Stellen im Fragebogen abzufragen. Allerdings gefährdet diese Maßnahme die Stringenz der Befragung. Außerdem ist ihre Wirkung zweifelhaft, weil das Gedächtnis des Befragten durch die Folgefrage(n) reaktiviert wird. Wenn bekannt ist, wie Kontexteffekte funktionieren, kann man sie je nach Forschungsziel nutzen. (S. 217)
9.2.1 Feldphasen und Sample
9.2.2 Datenauswertung und Ergebnisse
Erhebungskontext
|
Χ2(48)
|
RMSEA (LO90; HI90)
|
TLI
|
n
|
---|---|---|---|---|
Erhebung 1.2a – E-Commerce
|
103.835***
|
.056 (.041; .071)
|
.980
|
372
|
Erhebung 1.2b – Pol. Online-Kommunikation
|
92.037***
|
.050 (.034; .065)
|
.985
|
375
|
Erhebung 1.2c – Self-Tracking
|
102.060***
|
.055 (.040; .070)
|
.981
|
367
|
Notizen. * p < .05, ** p < .01, *** p < .001
|
Dimension
|
Cronbachsches α (standardisiert)
|
Durchschnittlich extrahierte Varianz (DEV)a
|
||||||
---|---|---|---|---|---|---|---|---|
Erhebung 1.2a – E-Commerce
|
Erhebung 1.2b
– Pol. Online-Kommunikation
|
Erhebung 1.2c – Self-Tracking
|
Erhebung 1.3
|
Erhebung 1.2a – E-Commerce
|
Erhebung 1.2b – Pol. Online-Kommunikation
|
Erhebung 1.2c – Self-Tracking
|
Erhebung 1.3
|
|
Genauigkeit
|
.883
|
.895
|
.893
|
.878
|
.719
|
.742
|
.739
|
.709
|
Wissensgewinn
|
.873
|
.883
|
.901
|
.877
|
.697
|
.718
|
.753
|
.714
|
Individueller Nutzen
|
.886
|
.917
|
.915
|
.872
|
.723
|
.790
|
.783
|
.682
|
Gesellschaftlicher Nutzen
|
.902
|
.911
|
.882
|
.865
|
.754
|
.776
|
.714
|
.697
|
Notizen. a Die DEV wurde auf Grundlage der standardisierten Regressionswerte (Faktorladungen) im Gesamtmodell berechnet.
|
Item-ID
|
Itemformulierung
„Digitale Daten …“
|
Erhebung 1.2a – E-Commerce
|
Erhebung 1.2b –
Pol. Online-Kommunikation
|
Erhebung 1.2c – Self-Tracking
|
||||||
---|---|---|---|---|---|---|---|---|---|---|
B (SE)
|
ß (SE)
|
λ
|
B (SE)
|
ß (SE)
|
λ
|
B (SE)
|
ß (SE)
|
λ
|
||
Genauigkeit
|
||||||||||
GE1
|
… ermöglichen ein genaues Verständnis der Welt.
|
3.954 (.075)
|
1a
|
.884
|
4.016
(.074)
|
1a
|
.898
|
3.967
(.081)
|
1a
|
.874
|
GE2
|
… ermöglichen ein exaktes Verständnis der Welt.
|
3.755
(.076)
|
.951***
(.041)
|
.837
|
3.899
(.079)
|
1.010***
(.044)
|
.856
|
3.771
(.084)
|
1.018*** (.045)
|
.866
|
GE3
|
… ermöglichen ein objektives Verständnis der Wirklichkeit.
|
3.901
(.071)
|
.877***
(.043)
|
.821
|
3.981
(.078)
|
.971***
(.046)
|
.828
|
3.959
(.077)
|
.910***
(.045)
|
.839
|
Wissen
|
||||||||||
W1
|
… verhelfen zu neuem Wissen.
|
4.632
(.074)
|
1a
|
.799
|
4.731
(.072)
|
1a
|
.877
|
4.662
(.073)
|
1a
|
.860
|
W2
|
… führen zu neuen Fakten.
|
4.546
(.072)
|
1.044***
(.058)
|
.853
|
4.464
(.074)
|
.966***
(.049)
|
.824
|
4.480
(.077)
|
1.056***
(.050)
|
.865
|
W3
|
… verhelfen zu neuen Erkenntnissen.
|
4.624
(.072)
|
1.048***
(.058)
|
.851
|
4.648
(.075)
|
1.007***
(.048)
|
.840
|
4.681
(.074)
|
1.030***
.047)
|
.878
|
Individueller Nutzen
|
||||||||||
IN1
|
… erzeugen für mich persönlich einen Mehrwert.
|
3.777
(.077)
|
1a
|
.887
|
3.957
(.080)
|
1a
|
.880
|
3.763
(.084)
|
1a
|
.902
|
IN2
|
… führen für mich zu Vorteilen.
|
4.000
(.074)
|
.888***
(.043)
|
.823
|
3.949
(.077)
|
.947***
(.041)
|
.870
|
3.902
(.081)
|
.926***
(.039)
|
.871
|
IN3
|
… haben für mich persönlich positive Auswirkungen.
|
3.981
(.072)
|
.884***
(.041)
|
.839
|
3.941
(.077)
|
1.007***
(.039)
|
.915
|
3.853
(.083)
|
.967***
(.039)
|
.882
|
Gesellschaftlicher Nutzen
|
||||||||||
GN1
|
… erzeugen einen Mehrwert für die Gesellschaft.
|
3.976
(.074)
|
1a
|
.883
|
4.117
(.073)
|
1a
|
.891
|
3.924
(.079)
|
1a
|
.840
|
GN2
|
… führen zu gesellschaftlichen Vorteilen.
|
3.960
(.072)
|
.957***
(.041)
|
.871
|
3.971
(.075)
|
.987***
(.042)
|
.864
|
3.812
(.078)
|
.984***
(.050)
|
.835
|
GN3
|
… sind ein gesellschaftlicher Gewinn.
|
3.944
(.074)
|
.970***
(.043)
|
.851
|
4.099
(.078)
|
1.060***
(.042)
|
.887
|
3.948
(.075)
|
.977***
(.047)
|
.860
|
Notizen. a Referenzindikator, * p < .05, ** p < .01, *** p < .001
|
Item-ID
|
Itemformulierung „Digitale Daten …“
|
B (SE)
|
ß (SE)
|
λ
|
---|---|---|---|---|
Genauigkeit
|
||||
GE1
|
… ermöglichen ein genaues Verständnis der Welt.
|
4.403 (.048)
|
1a
|
.895
|
GE2
|
… ermöglichen ein exaktes Verständnis der Welt.
|
4.147 (.051)
|
.992*** (.033)
|
.832
|
GE3
|
… ermöglichen ein objektives Verständnis der Wirklichkeit.
|
4.205 (.048)
|
.887*** (.033)
|
.797
|
Wissen
|
||||
W1
|
… verhelfen zu neuem Wissen.
|
5.161 (.045)
|
1a
|
.874
|
W2
|
… führen zu neuen Fakten.
|
4.797 (.045)
|
.865*** (.035)
|
.759
|
W3
|
… verhelfen zu neuen Erkenntnissen.
|
5.096 (.043)
|
.967*** (.030)
|
.896
|
Individueller Nutzen
|
||||
IN1
|
… erzeugen für mich persönlich einen Mehrwert.
|
3.978 (.045)
|
1a
|
.833
|
IN2
|
… führen für mich zu Vorteilen.
|
4.065 (.042)
|
.924*** (.035)
|
.821
|
IN3
|
… haben für mich persönlich positive Auswirkungen.
|
3.995 (.041)
|
.898*** (.035)
|
.823
|
Gesellschaftlicher Nutzen
|
||||
GN1
|
… erzeugen einen Mehrwert für die Gesellschaft.
|
4.172 (.039)
|
1a
|
.868
|
GN2
|
… führen zu gesellschaftlichen Vorteilen.
|
4.102 (.038)
|
.886*** (.034)
|
.782
|
GN3
|
… sind ein gesellschaftlicher Gewinn.
|
4.129 (.040)
|
1.000*** (.034)
|
.852
|
Notizen. a Referenzindikator; * p < .05, ** p < .01, *** p < .001
|
Genauigkeit
|
Wissensgewinn
|
Individueller Nutzen
|
Gesellschaftlicher Nutzen
|
|
---|---|---|---|---|
Genauigkeit
|
||||
Erhebung 1.2a – E-Commerce
|
1
|
.817***
|
.857***
|
.895***
|
Erhebung 1.2b – Pol. Online-Kommunikation
|
1
|
.761***
|
.791***
|
.888***
|
Erhebung 1.2c – Self-Tracking
|
1
|
.819***
|
.784***
|
.895***
|
Erhebung 1.3
|
1
|
.727***
|
.512***
|
.528***
|
Wissensgewinn
|
||||
Erhebung 1.2a – E-Commerce
|
1
|
.790***
|
.807***
|
|
Erhebung 1.2b – Pol. Online-Kommunikation
|
1
|
.756***
|
.853***
|
|
Erhebung 1.2c – Self-Tracking
|
1
|
.735***
|
.853***
|
|
Erhebung 1.3
|
1
|
.458***
|
.478***
|
|
Individueller Nutzen
|
||||
Erhebung 1.2a – E-Commerce
|
1
|
.947***
|
||
Erhebung 1.2b – Pol. Online-Kommunikation
|
1
|
.886***
|
||
Erhebung 1.2c – Self-Tracking
|
1
|
.901***
|
||
Erhebung 1.3
|
1
|
.877***
|
||
Notizen. * p < .05, ** p < .01, *** p < .001
|
Model
|
Χ2
|
df
|
p
|
TLI
|
RMSEA
|
Vergleich mit
|
Δ Χ2 (Δdf)
|
ΔTLI
|
ΔRMSEA
|
---|---|---|---|---|---|---|---|---|---|
M1: Unrestringiertes Modell
(konfigurale Messinvarianz)
|
527.397
|
240
|
< .001
|
.980
|
.053 [.047, .059]
|
-
|
-
|
-
|
-
|
M2: Metrische Invarianz
|
585.331
|
272
|
< .001
|
.981
|
.052 [.046, .057]
|
M1
|
57.934** (32)
|
.001
|
.001
|
M3: Skalare Invarianz
|
647.82
|
304
|
< .001
|
.981
|
.051 [.046, .057]
|
M2
|
62.492*** (32)
|
.000
|
.001
|
M4: Residuale Invarianz
|
1663.51
|
352
|
< .001
|
.938
|
.093 [.089, .098]
|
M3
|
1015.68*** (48)
|
.043
|
.042
|
Notizen. * p < .05, ** p < .01, *** p < .001
|
Dimension
|
M (SE)
|
||||
---|---|---|---|---|---|
Erhebung 1.1
|
Erhebung 1.2a
E-Commerce
|
Erhebung 1.2b
Pol. Online-Kommunikation
|
Erhebung 1.2c
Self-Tracking
|
Erhebung 1.3
|
|
Genauigkeit
|
0a
|
.080b (.126)
|
.170c (.127)
|
.110d (.130)d
|
.487a,b,c,d (.114)
|
Wissensgewinn
|
0a
|
−.097b (.111)
|
−.084c (.111)
|
−.093d (.113)d
|
.332a,b,c,d (.098)
|
Individueller Nutzen
|
0a
|
.133b (.121)
|
.174c (.124)
|
.055d (.127)d
|
.239a,d (.106)
|
Gesellschaftlicher Nutzen
|
0a
|
.110b (.119)
|
.216c (.120)
|
.047d (.120)d
|
.285a,b,d (.103)
|
Notizen. a Werte, die einen gleichen Buchstaben teilen, unterscheiden sich anhand des Critical-Ratio-Tests signifikant mit p < .05.
|
-
Genauigkeit (σ2Genauigkeit_1.2a = .263, SE = .048, p < .001; σ2Genauigkeit_1.2b = .348, SE = .051, p < .001; σ2Genauigkeit_1.2c = .345, S.E. = .062, p < .001),
-
Wissensgewinn (σ2Wissensgewinn_1.2a = .377, SE = .055, p < .001; σ2Wissensgewinn_1.2b = .398, SE = .055, p < .001; σ2Wissensgewinn_1.2c = .385, S.E. = .053, p < .001),
-
Individueller Nutzen (σ2Ind. Nutzen_1.2a = .153, SE = .041, p < .001; σ2Ind. Nutzen_1.2b = .391, SE = .054, p < .001; σ2Ind. Nutzen_1.2c = .454, S.E. = .063, p < .001).