Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

M1a (Soziologie) > Operationalisierung und Messung (2) > Flashcards

Operationalisierung und Messung (2) Flashcards

1
Q

Varianzprinzip

A

Um überhaupt Einflüsse der UV auf die AV nachweisen zu können, müssen zunächst für UV und AV unterschiedliche Merkmalsausprägungen (d.h. eine Varianz > 0) beobachtet werden.

Beispiel:
Mann (UV) — + —> Einkommen (AV)

Wenn alle beobachteten Personen Männer sind, kann die Fragestellung nicht untersucht werden -> Geschlecht wäre dann keine Variable, sondern eine Konstante.

Wenn alle Personen exakt dasselbe Einkommen aufweisen würden, wäre ebenfalls keine empirische Untersuchung möglich.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Untersuchungsarten

A

Untersuchungen mit Varianzkontrolle.

Untersuchungen ohne Varianzkontrolle (“Ex post facto-Untersuchungen”).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Untersuchungen mit Varianzkontrolle

A

“Manipulation” hinsichtlich der UV.

Beispiel:
Zufällige Zuweisung von Personen auf die UV “Experimental- vs. Kontrollgruppe”
(“Randomisierung”), z.B. neue Unterrichtsmethode

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Untersuchungen ohne Varianzkontrolle

A

Mit gegebenen Ausprägungen der UV (“Ex post facto-Untersuchungen”).

Beispiel:
Vergleich der subjektiven Lebenszufriedenheit (AV) von Ledigen und Verheirateten (UV).

Nachteile gegenüber dem Experiment hinsichtlich kausaler Schlussfolgerungen (“kausaler Inferenz”).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Querschnitt

A

Datenerhebung an den Untersuchungseinheiten (UE) zu EINEM Zeitpunkt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Längsschnitt

A

Mehrere Erhebungszeitpunkte.

Vorteil: bessere Identifikation von Ursache-Wirkungs-Zusammenhängen.

Arten: Trendstudie und Panelstudie.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Längsschnitt: Trendstudie

A

Replikativer Survey.

Wiederholte Datenerhebung an UNTERSCHIEDLICHEN Untersuchungseinheiten (zu denselben Themen) zu mehreren Zeitpunkten.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Längsschnitt: Panelstudie

A

Wiederholte Datenerhebung an DENSELBEN Untersuchungseinheiten (möglichst mit identischen Fragen) zu mehreren Zeitpunkten.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Operationalisierung

A

Anweisungen, nach welchen Regeln Untersuchungseinheiten den Kategorien einer Variablen zugewiesen werden.

Beispiel:
Bildung: Angabe des höchsten allgemeinbildenden Schulabschlusses
aus einer vorgegebenen Liste (kein Abschluss, Volks‐/ Hauptschulabschluss,
Realschulabschluss, Hochschulreife).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Messung

A

“Zuordnung von Zahlen zu Objekten nach bestimmten Regeln” (Stevens 1951).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Messmodell

A

Spezifiziert die Zuordnung von manifesten (beobachtbaren) Indikatoren zu latenten (nicht direkt beobachtbaren) Konstrukten.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Messinstrument

A

Beispiel: eingesetzte Fragen im Fragebogen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Indikator

A

Direkt beobachtbare (manifeste) Variablen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Skalierung

A

Messung auf der Basis eines konkreten Skalierungsmodells.

Beispiel: Guttmann-Skala, Likert-Technik.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Indexbildung

A

Bildung einer neuen Variable, deren Werte sich aus einer Rechenoperation (z.B. Summe) mehrerer anderer Variablen ergeben.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Multiple Indikatoren

A

Grundprinzip: Erfassung unterschiedlicher Facetten des Konzepts -> Erhöhung der Messgenauigkeit (Reliabilität) -> bei der Auswertung: Kombination der drei Indikatoren durch Indexbildung.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Dichtome Variable

A

Können nur zwei verschiedene Werte annehmen.

Beispiel:
Schwanger -Nicht Schwanger

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Diskrete Variablen

A

Können nur wenige verschiedene Werte annehmen.

Beispiel:
Herz - Karo - Pik - Kreuz

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Kontinuierliche/stetige Variablen

A

Können jeden beliebigen Wert (aus der Menge der reellen Zahlen) annehmen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Manifeste Variable

A

Direkt beobachtbare Variable.

Beispiel:
Körpergröße

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Latente Variable

A

Nicht direkt beobachtbare Variable.

Beispiel:
Abstraktionsvermögen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Warum Messung?

A

Sozialwissenschaftliche Hypothesen beziehen sich in der Regel auf Zusammenhänge zwischen NICHT DIREKT BEOBACHTBAREN (latenten) Merkmalen.

Begriffe müssen zunächst inhaltlich bestimmt (definiert) werden -> Nominaldefinition.

Außerdem muss überlegt werden, wie die beiden Begriffe operationalisiert (erfasst und quantifiziert) werden können -> operationale Definition.

> > Hierbei ergibt sich ein Korrespondenzproblem der empirischen Messung theoretischer Konzepte.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Korrespondenzproblem

A

Inwieweit kann mit den eingesetzten Indikatoren in einer Untersuchung genau das theoretische Konstrukt erfasst werden, das in der entsprechenden Theorie gemeint war?

24
Q

Ziel der Messung

A

Repräsentation von Relationen zwischen Objekten durch Relationen zwischen Zahlen.

25
Q

Messen

A

“Homomorphe ( = strukturtreue) Abbildung eines empirischen Relativs in ein numerisches Relativ”

26
Q

Empirisches und numerisches Relativ

A

Ein empirisches Relativ stellt eine Menge von Objekteigenschaften bzw. Objektmerkmalen der “Realität” dar, wie zum Beispiel die tatsächliche Intelligenz einer Person. Ein numerisches Relativ beschreibt eine Zahlenmenge (z.B. 4, 3, 5.635).

Beispiel Herkunfts-Bundesland:
Person A: geboren in Magdeburg
Person B: geboren in Halle (Saale)
Person C: geboren in Köln

Empirisches Relativ: A = B ≠ C ≠ A
Numerisches Relativ: 1 = 1 ≠ 2 ≠ 1

(Eigentlich in dreieckiger Form aufgestellt)

27
Q

Skalenniveaus

A
  1. Nominalskala
  2. Ordinalskala
  3. Intervallskala
  4. Ratio-/Verhältnisskala
28
Q

Skalenniveau: Nominalskala

A

(1) Nominalskala

Ordnungsrelation:
Unterscheidung (gleich/ungleich)

Zulässige Transformationen: Eindeutigkeitstransformationen.
Zahlen stellen lediglich eine Benennung dar d.h. eine Möglichkeit, die Objekte auf Gleichheit in Bezug auf die interessierende Dimension zu unterscheiden -> keine Rangfolge.

Beispiel:
Geschlecht
Familienstand

29
Q

Skalenniveau: Ordinale Messung

A

(2) Ordinale Messung

Ordnungsrelation:
Unterscheidung (gleich/ungleich)
Rangordnung (kleiner - gleich - größer)

Zulässige Transformationen:
Positiv-monoton: Addition einer Konstanten, Multiplikation/Division mit einer positiven Konstanten, Potenzieren/Logarithmieren usw.
-> alle mathematischen Transformationen, die nicht die Abfolge der Zahlen verändern.

Beispiele:
Schulabschlüsse
Zufriedenheit
Einstellungen
Schichtzugehörigkeit
30
Q

Skalenniveau: Intervallskala

A

(3) Intervallskala

Ordnungsrelation:
Unterscheidung (gleich/ungleich)
Rangordnung (kleiner - gleich - größer)
Gleiche Intervallbreite (2015 - 2016 - 2017)

Zulässige Transformationen:
Positiv-linear: Addition einer Konstanten und Multiplikation mit einer (positiven) Konstanten.
Nur differenzerhaltende Transformationen.

Beispiele:
Summenscores
Geburtsjahr
Temperatur (Grad Celcius)

31
Q

Skalenniveau: Ratio-/Verhältnisskala

A

(4) Ratio-/Verhältnisskala

Ordnungsrelation:
Unterscheidung (gleich/ungleich)
Rangordnung (kleiner - gleich - größer)
Gleiche Intervallbreite (2015 - 2016 - 2017)
Nullpunkt ( Alter: 1 - 2 - 3 - 4)

Zulässige Transformationen:
Positiv-proportional: Multiplikation/Division mit einer (positiven) Konstanten.

Beispiele:
Alter
Entfernung
Einkommen

32
Q

“Metrisch”

A

Intervall- oder Ratioskalierung

33
Q

Faustregel Skalenniveau

A

Je höher das Skalenniveau, desto mehr Auswertungsmöglichkeiten gibt es.

34
Q

Gütekriterien: Klassische Testtheorie (Grundgleichung + Annahmen)

A

Grundgleichung:
X = T + E
Beobachtungswert = “wahre” Größe + Messfehler

Beispiel:
Gemessene Körpergröße = “wahre” Größe + Messfehler

Annahmen: 
Unsystematische Messfehler (d.h. zufällige Unter‐ bzw. Überschätzung des wahren Werts, Erwartungswert des Messfehlers bei vielen Messungen ist null).

Keine systematischen Zusammenhänge zwischen Messfehlern in mehreren Messungen bzw. zwischen Messfehlern und „wahren Werten“.

35
Q

Hauptgütekriterien

A
  1. Ojektivität: Unabhängigkeit vom Testleiter
  2. Reliabilität: Messgenauigkeit
  3. Validität: Gültigkeit der Messung
36
Q

Nebengütekriterien

A

Normierung (zur Einordnung von Testergebnissen).

Fairness (gleiche Chancen bei unterschiedlichem sozialem Hintergrund der Probanden).

Ökonomie (Verhältnis zwischen Aufwand und Erkenntnisgewinn).

Nützlichkeit in der Anwendung.

37
Q

Gütekriterium: Objektivität

A

Ein Test ist objektiv, wenn verschiedene Testleiter/Anwender bei denselben Personen zum selben Ergebnis gelangen.

Bei standardisierten Tests meist unproblematisch.

Komponenten:

  1. Durchführungsobjektivität (z.B. Instruktion)
  2. Auswertungsobjektivität (z.B. Vergabe von Punkten für Antworten)
  3. Interpretationsobjektivität (betrifft die Schlussfolgerungen aus einem Testergebnis)
38
Q

Gütekriterium: Reliabilität

A

Messgenauigkeit eines Tests.

Klassische Testheorie: X = T + E
Beobachteter Wert setzt sich additiv aus wahrem Wert und Fehler zusammen.
Reliabilität umso höher, je geringer der Fehleranteil (E).

Problem: Wie kann man den Fehler bestimmen,
obwohl der „wahre Wert“ unbekannt ist?
» Verschiedene Strategien
» Zusammenhangsmaß: Korrelation (‐1 ≤ r ≤ +1)

39
Q

Reliabilitätskonzepte

A
  1. Test-Retest-Reliabilität
  2. Paralleltestreliabilität
  3. Testhalbierungsreliabilität
40
Q

Reliabilitäskonzept: Test-Retest-Reliabilität

A

Korrelation zwischen zwei Wiederholungen des Tests an derselben Stichprobe.

Annahme: ein perfekt reliabler Test ergibt bei zeitstabilen Merkmalen immer exakt dasselbe Ergebnis.

Nachteil: relativ großer Aufwand, Merkmal muss zeitstabil sein.

41
Q

Reliabilitätskonzept: Paralleltestreliabilität

A

Korrelation zwischen zwei parallelen Testversionen mit identischen Eigenschaften.

Nachteil: relativ großer Aufwand bei der Testentwicklung.

42
Q

Reliabilitätskonzept: Testhalbierungsreliabilität

A

Korrelation zwischen zwei zufällig generierten Testhälften (d.h. zufällige Aufteilung der Items in zwei Gruppen und anschließende Bildung von Summenscores).

Problem: Unterschätzung der Reliabilität durch Testhalbierung.

Das am häufigsten genutzte innere Maß ist die interne Konsistenz (Maßzahl “Cronbachs Alpha”): mittlere Testhalbierungsreliabilität für alle möglichen Testhälften.

43
Q

Gütekriterium: Validität

A

“Gültigkeit”: Aussage, ob der Test das misst, was er messen soll -> Grundvoraussetzung für jeglichen weitere Interpretationen!

44
Q

Validitätsarten

A

Inhaltsvalidität.

Kriteriumsvalidität: Übereinstimmungsvalidität (konkurrent) und Vorhersagevalidität (prädiktiv).

Konstruktvalidität.

45
Q

Validitätsart: Inhaltsvalidität

A

Aussage darüber, wie gut die Indikatoren das latente Merkmal repräsentieren:

a) inhaltlich‐logische Passung
b) Abdeckung unterschiedlicher Facetten mittels multipler Indikatoren (z.B. beruflicher Erfolg)

Gegeben oder nicht gegeben, aber nicht quantifizierbar (daher eigentlich kein Gütekriterium im strengen Sinn)

46
Q

Validitätsart: Kriteriumsvalidität

A

Empirischer Zusammenhang zwischen (a) der Messung des latenten Merkmals durch den Test und (b) einem direkt beobachtbaren Außenkriterium.

Beispiel: Schlleistungstest —> Schulerfolg

Probleme: häufig kein manifestes Kriterium (z.B. Intelligenz)
oder unreliable Messung (z.B. Hilfeverhalten)

Zwei Arten, je nach zeitlichem Abstand zwischen Test und Kriterium:
1. konkurrente Validität: gleichzeitige Messung (z.B. Einsamkeit —> Erfassung von Sozialkontakten)

  1. prädiktive Validität: Kriterium später gemessen (z.B.
    Schulleistungstest —> späterer Schulerfolg), kommt relativ häufig vor
47
Q

Validitätsart: Konstruktvalidität

A

Konstruktvalidierung: empirische Bestätigung bzw. Verwerfen der theoretisch erwarteten Zusammenhänge zwischen verschiedenen theoretischen Konstrukten (gemessen über Variablen).

Aufzeigen sowohl positiver (konvergente Validität) und negativer (diskriminante Validität) Assoziationen bzw. von Nullzusammenhängen.

Beispiel:
Zusammenhänge (Korrelationen) zwischen zwei Variablen, z.B. sollten Deutschtestergebnisse positiv mit Englischtestergebnissen korrelieren, da beide Variablen sprachliche Fertigkeiten anzeigen sollen.

48
Q

Kerntheorie

A

Aussage über Zusammenhänge zwischen Konstrukten

49
Q

Instrumententheorie

A

Aussagen über Zusammenhänge zwischen latenten theoretischen Konstrukten und manifesten Indikatoren.

> > Korrespondenzproblem: Passung zwischen Indikatoren und theoretischem Konzept.

50
Q

Basissatzproblem

A

Wenn eine Beobachtungsaussage im Widerspruch zur Theorie steht, kann das u.a. daran liegen, dass
a) die Kerntheorie falsch ist
und/oder
b) die Instrumententheorie falsch ist

51
Q

Einzelindikator oder mehrere indikatoren?

A

Für manche Konzepte (z.B. Geschlecht) genügt die Erfassung mit einem einzelnen Indikator.

Bie komplexeren Konzepten (z.B. Erfassung der Einstellung zu Ausländern) gelingt meist eine ausreichend genaue Messung nur über mehrere (multiple) Indikatoren.
» Kombination der Einzelantworten jedes Befragen durch Summenbildung der Antwortcodes für jeden Befragten

52
Q

Prinzip multipler Indikatoren (Vorteile)

A

Vorteile der Messung mittles multipler Indikatoren:

  1. Abdeckung verschiedener Facetten des Konstrukts (Breite)
  2. Erhöhung der Messgenauigkeit (Reliabilität)
53
Q

Additive Indexbildung (Probleme)

A

Informationsverlust.
“Indifferente” Fälle.

Beispiel:
Sozioökonomischer Status: Bildung und Einkommen (Merkmale mit Variablen von 1-4).
–> Variablen werden in Tabelle gekreuzt/kombiniert.

Problem:
Kein Schulabschluss (1) + Einkommen 1751€ und höher (4) = 5
Abitur (4) + Einkommen 0 bis 500€ (1) = 5
–> Zwei völlig unterschiedliche Fälle werden (mathematisch) auf eine gleiche Ebene gestellt.

54
Q

Voraussetzungen für die Aggregation (Zusammenfassung) von Indikatoren

A
  1. Metrisches Messniveau der Indikatoren (mindestens Intervallskala).
    - -> Ausnahme: quasi-metrisches Messniveau
  2. Alle Indikatoren sind in dieselbe Richtung gepolt (d.h. höherer Zahlenwert zeigt höhere Ausprägung des Merkmals an).
  3. Möglichst identische Antwortkategorien (Formulierung und Zahlencodes) bei allen betreffenden Indikatoren –> Zahlenwerte ansonsten nicht vergleichbar.
55
Q

Homomorphe Abbildung

A

Empirisches Relativ Numerisches Relativ
A —————————————-> 1
B —————————————-> 1
C —————————————-> 2
D —————————————-> 3

Keine Rückschlüsse von numerischen Relativ auf empirisches Relativ möglich!

56
Q

Isomorphe Abbildung

A 
Empirisches Relativ         Numerisches Relativ
A           1
B           2
C           3
D           4

Beispiel:
Matrikelnummern -> von Nummer kann auf Person rückgeschlossen werden um umgekehrt.

M1a (Soziologie) (3 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions