Lernzettel Methoden der psychologischen Datenerfassung – SoSe 2025
KAPITEL 1: PLANUNG VON UNTERSUCHUNGEN
KAPITEL 2: EINFLUSS VON OPERATIONALISIERUNG UND VERSUCHSDESIGN
KAPITEL 3: DURCHFÜHRUNG VON UNTERSUCHUNGEN
KAPITEL 4: MEHRFAKTORIELLE VERSUCHSPLÄNE
KAPITEL 5: DATENERHEBUNGEN MIT FRAGEBÖGEN
KAPITEL 6: PRAXIS DER DATENERHEBUNG UND DATENEINGABE
KAPITEL 7: VERSUCHSPLÄNE MIT MESSWIEDERHOLUNGSDESIGN
KAPITEL 8: QUALITATIVE ANALYSEVERFAHREN
KAPITEL 9: STICHPROBENZIEHUNG KAPITEL 10: FORSCHUNGSETHIK
KAPITEL 1: PLANUNG VON UNTERSUCHUNGEN
Geeignete Fragestellung finden
Arten von Hypothesen (Sachhypothesen, Operationalisierte Hypothesen, Statistische Hypothesen)
Beispiele
Reliabilität = Wiederholte Messungen eines Objekts, das sich nicht verändert, sollten immer
Zuverlässigkeit/Messgenauigkeit zum selben Ergebnis kommen (bei Messung mit Zahlen)
eines Instruments (wie Test, • kann auf verschiedene Weisen in Form einer Korrelation berechnet
Fragebogen…) werden (Reliabilitätskoeffizient): Paralleltest-Reliabilität, Retest-
Reliabilität, Split-half-Reliabilität
• Messung mit Cronbachs Alpha!
Cronbachs Alpha Ist ein Maß für die interne Konsistenz einer Skala und bezeichnet das Ausmaß,
in dem die Aufgaben bzw. Fragen einer Skala miteinander in Beziehung stehen
und das Gleiche messen (also Korrelation zwischen den Antworten in einem
Fragebogen)
• kann maximal den Wert 1 annehmen und ist normalerweise größer als 0
(kann theoretisch aber Werte zwischen -1 und 1 annehmen)
• gibt uns ein Maß für die Stärke der Reliabilität, was sehr einfach zu
interpretieren ist
• beantwortet praktisch die Frage „Inwieweit misst der Test das, was er
messen soll?“
prüft aber nicht (!) ob die einzelnen Items nur von einer oder mehreren latenten
Variablen beeinflusst werden
Validität Gibt an, inwiefern eine Messung tatsächlich das misst, was sie messen soll, also
das interessierende Merkmal -> gibt also die Gültigkeit eines
Messinstruments/einer Messung an
• um eine hohe Validität erreichen zu können, muss eine Messung
objektiv und reliabel sein – Objektivität und Reliabilität sind notwendige,
aber noch keine hinreichenden Bedingungen für Validität
• Unterteilung in 4 Formen: Interne Validität, Konstruktvalidität,
Statistische Validität und Externe Validität
Objektivität Versteht man den Grad, in dem die Ergebnisse eines Tests unabhängig vom
Untersucher sind
1
,= Unabhängigkeit vom • ein Test ist demnach vollkommen objektiv, wenn verschiedene
Versuchsleiter/Untersucher Untersucher bei denselben Probanden zu gleichen Ergebnissen
gelangen
• Unterteilung der Objektivität in 3 zeitliche Aspekte, abhängig von der
Phase der Testdurchführung: Durchführungsobjektivität,
Auswertungsobjektivität, Interpretationsobjektivität (denn in jeder Phase
lassen sich Ergebnisse verfälschen)
• Messung mit Cohens Cappa!
è die Urteilsübereinstimmung kann mithilfe des Cohens Kappa (Zahl
zwischen 0 und 1) berechnet werden
è Cohens Kappa sollte für die Beurteilerübereinstimmung größer sein als
0,70, denn sonst ist die Objektivität problematisch!
Hauptgütekriterien eines
wissenschaftlichen Tests
Störvariable Zustände, die den Verlauf des Experiments beeinflussen
• teilweise personengebunden
Prozess einer empirischen 1. Fragestellung (Beginn jeder Forschung: eine unbeantwortete Frage) ->
Forschungsarbeit anfangs oft unscharf und breit gefasst, daher muss die eingegrenzt und
konkretisiert werden
2. Hypothesen (Formulierung von Vermutungen, die überprüft werden
sollen)
3. Operationalisierung (Festlegung, wie theoretische Konzepte
gemessen werden sollen)
4. Versuchsplan (Planung der Untersuchungsmethoden (wie Experiment,
Befragung, Beobachtung) -> Definition von UV und AV -> siehe S. 4)
5. Kontrolle von Störvariablen (Identifikation und Kontrolle von Faktoren,
die das Ergebnis verfälschen könnten)
6. Stichprobe (Auswahl der Teilnehmer)
7. Empirische Vorhersage und statistische Hypothese (Ableitung einer
empirischen Vorhersage aus der Hypothese -> Formulierung als H0 und
H1)
8. Durchführung (Durchführung der Untersuchung nach dem festgelegten
Plan)
9. Auswertung der Daten (Analyse der erhobenen Daten, statistische
Tests zur Überprüfung der Hypothesen)
10. Schluss auf die Hypothese (Entscheidung, ob die Hypothese
angenommen oder verworfen wird)
2
, 11. Diskussion (Interpretation der Ergebnisse im Kontext der
Fragestellung)
12. Bericht (Dokumentation der Untersuchungsergebnisse,
Schlussfolgerungen und methodischen Ansätze)
Hypothese Hypothesen stellen eine mögliche Erklärung dar, die im weiteren Verlauf
getestet werden kann/muss
• Voraussetzungen für Überprüfbarkeit einer Hypothese
(Qualitätskriterien): Widerspruchsfreiheit, Kritisierbarkeit,
Operationalisierbarkeit, hoher empirischer Gehalt
Widerspruchsfreiheit Wenn man mehrere Hypothesen hat, müssen sie in sich widerspruchsfrei sein.
Kritisierbarkeit Eine Hypothese ist kritisierbar, wenn es eine Chance gibt, sie zu widerlegen.
Operationalisierbarkeit Eine Hypothese ist operationalisierbar, wenn den Begriffen, die in ihr
vorkommen, beobachtbare Daten zugeordnet werden können (Begriffe müssen
vereinfacht werden können).
Hoher empirischer Gehalt Der empirische Gehalt einer Hypothese gibt an, wie informativ sie ist
(=> je leichter sich Hypothesen • eine unkritisierbare Hypothese enthält keinerlei Information und hat
kritisieren lassen, desto besser daher keinen empirischen Gehalt
ist der Informationsgehalt) • der empirische Gehalt (Informationsgehalt) einer Hypothese ist umso
größer, je größer die Zahl der Falsifikationsmöglichkeiten ist
Sachhypothese Ist eine Annahme oder Vermutung über einen Sachverhalt, bei dem noch nicht
= theoretisch-inhaltliche spezifiziert wird, wie diese überprüft werden kann
Hypothese • bspw.: „Frauen sind bessere Autofahrer als Männer.“ -> „besser“ ist hier
noch nicht näher definiert
Operationalisierte Hypothese Es wird angegeben, wie die interessierenden Variablen (UV und AV) gemessen
= empirisch-inhaltliche werden sollen
Hypothese • operationalisierte Hypothese ist stärker eingegrenzt als die
Sachhypothese und beinhaltet bereits eine Festlegung auf eine
bestimmte Operationalisierung
Statistische Hypothese Gibt die Aussage einer operationalisierten Hypothese in formalisierter Weise
= Testhypothese (siehe Alternativ- & Nullhypothese) an, sodass leicht erkennbar ist, welche Art in
inferenzstatistischem Test (= Signifikanztest) zur Hypothesenprüfung
durchzuführen ist
• Arten von statistischen Hypothesen:
Zusammenhangshypothesen
Unterschiedshypothesen
Veränderungshypothesen
Zusammenhangshypothesen • Je… desto: Je höher der IQ, desto besser der Abi-Durchschnitt.
• Auswertung: Korrelation (bei mind. Ordinalskalenniveau
Unterschiedshypothesen • Zwei oder mehr Gruppen werden hinsichtlich der Ausprägung einer AV
verglichen (meist Mittelwerte oder Häufigkeiten): Frauen machen in
einer Autofahrprüfung im Durchschnitt weniger Fehler als Männer.
• Auswertung: Vergleich von zwei Gruppen-Mittelwerten
3
, Veränderungshypothesen • auch Unterschiedshypothesen, jedoch mit Vergleich von 2
Messzeitpunkten (t1 und t2)
Alternativhypothese H1 Die eigentliche Hypothese, die man als Forscher hat.
Nullhypothese H0 Die Hypothese, laut der es keinen Effekt oder Zusammenhang gibt.
Formalisierte Schreibweise „Frauen machen in einer Autofahrprüfung im Durchschnitt (-> Mittelwert)
Beispiel weniger Fehler als Männer.“
• H1: m1 > m2
• H0: m1 <_ m2
m1 = mittlere Fehlerzahl Männer, m2 = mittlere Fehlerzahl Frauen
Gerichtete Hypothese Man legt sich vorab (!) auf die Richtung des Effekts fest: Frauen machen in der
Fahrprüfung weniger Fehler als Männer.
Ungerichtete Hypothese Man legt sich nicht auf die Richtung fest: Männer und Frauen machen
unterschiedlich viele Fehler in der Fahrprüfung.
• die Hypothese ist bestätigt, wenn entweder Frauen oder Männer
weniger Fehler machen
• schwerer zu falsifizieren (daher aus wissenschaftstheoretischer Sicht
schlechtere Hypothese!)
KAPITEL 2: EINFLUSS VON OPERATIONALISIERUNGSDESIGN
è es soll demonstriert werden, wie groß die Auswirkungen der Untersuchungsmethode auf die gewonnenen
Ergebnisse und Schlussfolgerungen sind
è es geht um Effekte von Operationalisierung und Versuchsdesign
è insgesamt 9 empirische Studien mit (unterschiedlichen) Ergebnissen zu ein und derselben Forschungsfrage:
„Macht Symmetrie Gesichter attraktiv?“
Universelle Hypothesen Machen Aussagen über alle Fälle eines bestimmten Bereichs: „Alle Babys
• müssen falsifiziert werden krabbeln zuerst, bevor sie laufen lernen.“
Existenzielle Hypothesen Behauptet einen Sachverhalt für mindestens einen Fall: „Es gibt Menschen,
• müssen verifiziert werden die bei Tönen Farben sehen.“
Hypothesen über Anteile Behauptungen für einen mehr oder weniger scharf eingegrenzten Anteil
aller möglichen Fälle: „88-95% aller Menschen sind Rechtshänder.“
Verifikation Eine Hypothese gilt als verifiziert, wenn sie als wahr bewiesen wurde
• positiv beweisbar
Falsifikation Eine Hypothese gilt als falsifiziert, wenn sie als falsch bewiesen wurde
• widerlegt
Operationalisierung Definition (nach Bortz & Döring)
"Unter Operationalisierung versteht man die Angabe, wie ein Merkmal (z.
B. Intelligenz) beobachtbar und messbar gemacht werden soll." Bei einem
Fragebogen bedeutet dies die präzise Formulierung der Frage.
4
KAPITEL 1: PLANUNG VON UNTERSUCHUNGEN
KAPITEL 2: EINFLUSS VON OPERATIONALISIERUNG UND VERSUCHSDESIGN
KAPITEL 3: DURCHFÜHRUNG VON UNTERSUCHUNGEN
KAPITEL 4: MEHRFAKTORIELLE VERSUCHSPLÄNE
KAPITEL 5: DATENERHEBUNGEN MIT FRAGEBÖGEN
KAPITEL 6: PRAXIS DER DATENERHEBUNG UND DATENEINGABE
KAPITEL 7: VERSUCHSPLÄNE MIT MESSWIEDERHOLUNGSDESIGN
KAPITEL 8: QUALITATIVE ANALYSEVERFAHREN
KAPITEL 9: STICHPROBENZIEHUNG KAPITEL 10: FORSCHUNGSETHIK
KAPITEL 1: PLANUNG VON UNTERSUCHUNGEN
Geeignete Fragestellung finden
Arten von Hypothesen (Sachhypothesen, Operationalisierte Hypothesen, Statistische Hypothesen)
Beispiele
Reliabilität = Wiederholte Messungen eines Objekts, das sich nicht verändert, sollten immer
Zuverlässigkeit/Messgenauigkeit zum selben Ergebnis kommen (bei Messung mit Zahlen)
eines Instruments (wie Test, • kann auf verschiedene Weisen in Form einer Korrelation berechnet
Fragebogen…) werden (Reliabilitätskoeffizient): Paralleltest-Reliabilität, Retest-
Reliabilität, Split-half-Reliabilität
• Messung mit Cronbachs Alpha!
Cronbachs Alpha Ist ein Maß für die interne Konsistenz einer Skala und bezeichnet das Ausmaß,
in dem die Aufgaben bzw. Fragen einer Skala miteinander in Beziehung stehen
und das Gleiche messen (also Korrelation zwischen den Antworten in einem
Fragebogen)
• kann maximal den Wert 1 annehmen und ist normalerweise größer als 0
(kann theoretisch aber Werte zwischen -1 und 1 annehmen)
• gibt uns ein Maß für die Stärke der Reliabilität, was sehr einfach zu
interpretieren ist
• beantwortet praktisch die Frage „Inwieweit misst der Test das, was er
messen soll?“
prüft aber nicht (!) ob die einzelnen Items nur von einer oder mehreren latenten
Variablen beeinflusst werden
Validität Gibt an, inwiefern eine Messung tatsächlich das misst, was sie messen soll, also
das interessierende Merkmal -> gibt also die Gültigkeit eines
Messinstruments/einer Messung an
• um eine hohe Validität erreichen zu können, muss eine Messung
objektiv und reliabel sein – Objektivität und Reliabilität sind notwendige,
aber noch keine hinreichenden Bedingungen für Validität
• Unterteilung in 4 Formen: Interne Validität, Konstruktvalidität,
Statistische Validität und Externe Validität
Objektivität Versteht man den Grad, in dem die Ergebnisse eines Tests unabhängig vom
Untersucher sind
1
,= Unabhängigkeit vom • ein Test ist demnach vollkommen objektiv, wenn verschiedene
Versuchsleiter/Untersucher Untersucher bei denselben Probanden zu gleichen Ergebnissen
gelangen
• Unterteilung der Objektivität in 3 zeitliche Aspekte, abhängig von der
Phase der Testdurchführung: Durchführungsobjektivität,
Auswertungsobjektivität, Interpretationsobjektivität (denn in jeder Phase
lassen sich Ergebnisse verfälschen)
• Messung mit Cohens Cappa!
è die Urteilsübereinstimmung kann mithilfe des Cohens Kappa (Zahl
zwischen 0 und 1) berechnet werden
è Cohens Kappa sollte für die Beurteilerübereinstimmung größer sein als
0,70, denn sonst ist die Objektivität problematisch!
Hauptgütekriterien eines
wissenschaftlichen Tests
Störvariable Zustände, die den Verlauf des Experiments beeinflussen
• teilweise personengebunden
Prozess einer empirischen 1. Fragestellung (Beginn jeder Forschung: eine unbeantwortete Frage) ->
Forschungsarbeit anfangs oft unscharf und breit gefasst, daher muss die eingegrenzt und
konkretisiert werden
2. Hypothesen (Formulierung von Vermutungen, die überprüft werden
sollen)
3. Operationalisierung (Festlegung, wie theoretische Konzepte
gemessen werden sollen)
4. Versuchsplan (Planung der Untersuchungsmethoden (wie Experiment,
Befragung, Beobachtung) -> Definition von UV und AV -> siehe S. 4)
5. Kontrolle von Störvariablen (Identifikation und Kontrolle von Faktoren,
die das Ergebnis verfälschen könnten)
6. Stichprobe (Auswahl der Teilnehmer)
7. Empirische Vorhersage und statistische Hypothese (Ableitung einer
empirischen Vorhersage aus der Hypothese -> Formulierung als H0 und
H1)
8. Durchführung (Durchführung der Untersuchung nach dem festgelegten
Plan)
9. Auswertung der Daten (Analyse der erhobenen Daten, statistische
Tests zur Überprüfung der Hypothesen)
10. Schluss auf die Hypothese (Entscheidung, ob die Hypothese
angenommen oder verworfen wird)
2
, 11. Diskussion (Interpretation der Ergebnisse im Kontext der
Fragestellung)
12. Bericht (Dokumentation der Untersuchungsergebnisse,
Schlussfolgerungen und methodischen Ansätze)
Hypothese Hypothesen stellen eine mögliche Erklärung dar, die im weiteren Verlauf
getestet werden kann/muss
• Voraussetzungen für Überprüfbarkeit einer Hypothese
(Qualitätskriterien): Widerspruchsfreiheit, Kritisierbarkeit,
Operationalisierbarkeit, hoher empirischer Gehalt
Widerspruchsfreiheit Wenn man mehrere Hypothesen hat, müssen sie in sich widerspruchsfrei sein.
Kritisierbarkeit Eine Hypothese ist kritisierbar, wenn es eine Chance gibt, sie zu widerlegen.
Operationalisierbarkeit Eine Hypothese ist operationalisierbar, wenn den Begriffen, die in ihr
vorkommen, beobachtbare Daten zugeordnet werden können (Begriffe müssen
vereinfacht werden können).
Hoher empirischer Gehalt Der empirische Gehalt einer Hypothese gibt an, wie informativ sie ist
(=> je leichter sich Hypothesen • eine unkritisierbare Hypothese enthält keinerlei Information und hat
kritisieren lassen, desto besser daher keinen empirischen Gehalt
ist der Informationsgehalt) • der empirische Gehalt (Informationsgehalt) einer Hypothese ist umso
größer, je größer die Zahl der Falsifikationsmöglichkeiten ist
Sachhypothese Ist eine Annahme oder Vermutung über einen Sachverhalt, bei dem noch nicht
= theoretisch-inhaltliche spezifiziert wird, wie diese überprüft werden kann
Hypothese • bspw.: „Frauen sind bessere Autofahrer als Männer.“ -> „besser“ ist hier
noch nicht näher definiert
Operationalisierte Hypothese Es wird angegeben, wie die interessierenden Variablen (UV und AV) gemessen
= empirisch-inhaltliche werden sollen
Hypothese • operationalisierte Hypothese ist stärker eingegrenzt als die
Sachhypothese und beinhaltet bereits eine Festlegung auf eine
bestimmte Operationalisierung
Statistische Hypothese Gibt die Aussage einer operationalisierten Hypothese in formalisierter Weise
= Testhypothese (siehe Alternativ- & Nullhypothese) an, sodass leicht erkennbar ist, welche Art in
inferenzstatistischem Test (= Signifikanztest) zur Hypothesenprüfung
durchzuführen ist
• Arten von statistischen Hypothesen:
Zusammenhangshypothesen
Unterschiedshypothesen
Veränderungshypothesen
Zusammenhangshypothesen • Je… desto: Je höher der IQ, desto besser der Abi-Durchschnitt.
• Auswertung: Korrelation (bei mind. Ordinalskalenniveau
Unterschiedshypothesen • Zwei oder mehr Gruppen werden hinsichtlich der Ausprägung einer AV
verglichen (meist Mittelwerte oder Häufigkeiten): Frauen machen in
einer Autofahrprüfung im Durchschnitt weniger Fehler als Männer.
• Auswertung: Vergleich von zwei Gruppen-Mittelwerten
3
, Veränderungshypothesen • auch Unterschiedshypothesen, jedoch mit Vergleich von 2
Messzeitpunkten (t1 und t2)
Alternativhypothese H1 Die eigentliche Hypothese, die man als Forscher hat.
Nullhypothese H0 Die Hypothese, laut der es keinen Effekt oder Zusammenhang gibt.
Formalisierte Schreibweise „Frauen machen in einer Autofahrprüfung im Durchschnitt (-> Mittelwert)
Beispiel weniger Fehler als Männer.“
• H1: m1 > m2
• H0: m1 <_ m2
m1 = mittlere Fehlerzahl Männer, m2 = mittlere Fehlerzahl Frauen
Gerichtete Hypothese Man legt sich vorab (!) auf die Richtung des Effekts fest: Frauen machen in der
Fahrprüfung weniger Fehler als Männer.
Ungerichtete Hypothese Man legt sich nicht auf die Richtung fest: Männer und Frauen machen
unterschiedlich viele Fehler in der Fahrprüfung.
• die Hypothese ist bestätigt, wenn entweder Frauen oder Männer
weniger Fehler machen
• schwerer zu falsifizieren (daher aus wissenschaftstheoretischer Sicht
schlechtere Hypothese!)
KAPITEL 2: EINFLUSS VON OPERATIONALISIERUNGSDESIGN
è es soll demonstriert werden, wie groß die Auswirkungen der Untersuchungsmethode auf die gewonnenen
Ergebnisse und Schlussfolgerungen sind
è es geht um Effekte von Operationalisierung und Versuchsdesign
è insgesamt 9 empirische Studien mit (unterschiedlichen) Ergebnissen zu ein und derselben Forschungsfrage:
„Macht Symmetrie Gesichter attraktiv?“
Universelle Hypothesen Machen Aussagen über alle Fälle eines bestimmten Bereichs: „Alle Babys
• müssen falsifiziert werden krabbeln zuerst, bevor sie laufen lernen.“
Existenzielle Hypothesen Behauptet einen Sachverhalt für mindestens einen Fall: „Es gibt Menschen,
• müssen verifiziert werden die bei Tönen Farben sehen.“
Hypothesen über Anteile Behauptungen für einen mehr oder weniger scharf eingegrenzten Anteil
aller möglichen Fälle: „88-95% aller Menschen sind Rechtshänder.“
Verifikation Eine Hypothese gilt als verifiziert, wenn sie als wahr bewiesen wurde
• positiv beweisbar
Falsifikation Eine Hypothese gilt als falsifiziert, wenn sie als falsch bewiesen wurde
• widerlegt
Operationalisierung Definition (nach Bortz & Döring)
"Unter Operationalisierung versteht man die Angabe, wie ein Merkmal (z.
B. Intelligenz) beobachtbar und messbar gemacht werden soll." Bei einem
Fragebogen bedeutet dies die präzise Formulierung der Frage.
4
