Dieser Kurs soll den Studierenden die wesentlichen Kenntnisse und Fähigkeiten vermitteln, die für die Durchführung qualitativer Forschung unter Verwendung von Software zur computergestützten qualitativen Datenanalyse (CAQDAS) erforderlich sind. Die Studierenden setzen sich mit grundlegenden Konzepten und Methoden auseinander, die für die Konzeption und Durchführung qualitativer Forschung entscheidend sind, darunter die theoretischen Grundlagen der Grounded Theory und der thematischen Analyse sowie praktische Arbeitsabläufe unter Verwendung von CAQDAS-Tools. Der Kurs legt den Schwerpunkt auf praktische Erfahrungen mit führender Software, damit die Studierenden qualitative Daten effizient kodieren, organisieren und interpretieren können. Im Mittelpunkt des Kurses steht der Einsatz von CAQDAS-Tools zur systematischen Kategorisierung und Verknüpfung von Codes, die Anwendung von Netzwerkanalysen zur visuellen Darstellung sowie die Verfeinerung der thematischen Identifizierung und Interpretation.
Ein wesentlicher Bestandteil des Kurses konzentriert sich auf die Integration künstlicher Intelligenz (KI) in die qualitative Datenanalyse. Die Studierenden werden untersuchen, wie KI, einschließlich der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) und großer Sprachmodelle (Large Language Models, LLMs), bei der Kodierung und thematischen Analyse helfen kann. Der Kurs befasst sich zudem mit der Zuverlässigkeit und den ethischen Aspekten KI-gestützter qualitativer Forschung.
Nach erfolgreichem Abschluss dieses Kurses sind die Studierenden bestens darauf vorbereitet, qualitativ orientierte Forschungsmethoden in ihrer zukünftigen beruflichen Laufbahn anzuwenden und so einen bedeutenden Beitrag zu ihren jeweiligen Fachgebieten zu leisten.
Dieser Kurs soll den Studierenden grundlegende Kenntnisse und Fähigkeiten für die Durchführung qualitativer Forschung mithilfe von Software zur computergestützten qualitativen Datenanalyse (CAQDAS) vermitteln. Die Studierenden setzen sich mit Schlüsselkonzepten und Methoden auseinander, die für die Konzeption und Durchführung qualitativer Forschung entscheidend sind, darunter die theoretischen Grundlagen des Grounded-Theory-Ansatzes und der thematischen Analyse sowie die praktischen Arbeitsabläufe unter Verwendung von CAQDAS-Tools. Der Kurs legt den Schwerpunkt auf praktische Erfahrungen mit führender Software, damit die Studierenden qualitative Daten effizient kodieren, organisieren und interpretieren können.
Im Laufe des Kurses erwerben die Studierenden ein umfassendes Verständnis der Prinzipien und Arbeitsabläufe der computergestützten qualitativen Datenanalyse. Dazu gehören die Auseinandersetzung mit ontologischen und epistemologischen Überlegungen, die den Einsatz von CAQDAS prägen, das Verständnis der verschiedenen Phasen der qualitativen Datenanalyse sowie das Erfassen der grundlegenden Funktionen, die verschiedenen CAQDAS-Paketen gemeinsam sind. Darüber hinaus konzentriert sich der Kurs darauf, wie Softwarefunktionen für die systematische Kategorisierung und Verknüpfung von Codes genutzt werden können, wobei Techniken wie selektives Codieren und ständiger Vergleich (in der Grounded Theory) einbezogen werden. Die Anwendung von Netzwerkanalyse-Tools innerhalb von CAQDAS wird ebenfalls vorgestellt, um Beziehungen zwischen Codes und Konzepten visuell darzustellen und letztendlich eine tiefere Ebene der Dateninterpretation zu ermöglichen. Darüber hinaus werden die Identifizierung, Verfeinerung und Interpretation von Themen (in der thematischen Analyse) behandelt.
Ein wesentlicher Bestandteil des Kurses konzentriert sich auf die Integration künstlicher Intelligenz (KI) in die qualitative Datenanalyse. Die Studierenden werden untersuchen, wie KI, einschließlich der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) und großer Sprachmodelle (Large Language Models, LLMs), bei der Kodierung unterstützen kann.
Nach erfolgreichem Abschluss dieses Kurses sind die Studierenden bestens darauf vorbereitet, qualitativ orientierte Forschungsmethoden in ihrer zukünftigen beruflichen Laufbahn anzuwenden.
Kompetenzen (Fähigkeiten) Die Studierenden entwerfen und realisieren anspruchsvolle qualitative Projekte und nutzen dabei CAQDAS zur Datenanalyse. Sie erwerben technische Kompetenzen in den Bereichen systematische Kodierung, Kategorisierung und Netzwerkanalyse, um Zusammenhänge visuell darzustellen und Themen zu verfeinern. Darüber hinaus vermittelt der Kurs praktische Erfahrungen bei der Integration von KI (NLP und LLMs) in Arbeitsabläufe und befasst sich kritisch mit den ethischen und zuverlässigkeitsbezogenen Herausforderungen der KI-gestützten Forschung.
Wissensvermittlung: Die Teilnehmer erwerben fundierte Kenntnisse über qualitative Verfahren – darunter die Grounded Theory und die thematische Analyse –, die von CAQDAS unterstützt werden. Der Lehrplan umfasst die theoretischen Grundlagen der systematischen Kodierung sowie die potenziellen Herausforderungen bei der Integration von KI, wobei ein besonderer Schwerpunkt auf der Wahrung der Konsistenz und der methodischen Integrität beim Einsatz automatisierter Tools liegt.
Einstellung Der Kurs fördert das Bekenntnis zu ethischem Umgang mit Daten und Transparenz. Die Studierenden entwickeln eine auf Zusammenarbeit ausgerichtete Denkweise und nutzen digitale Werkzeuge, um gemeinsam mit Kommilitonen Probleme zu lösen. Schließlich entwickeln sie eine kritische Perspektive und lernen, die spezifischen Stärken und Grenzen sowohl von CAQDAS- als auch von KI-Technologien in verschiedenen Forschungskontexten zu erkennen.
Für diesen Kurs gibt es keine besonderen Voraussetzungen, da er mit grundlegenden Konzepten beginnt und schrittweise wichtige Methoden der qualitativen Forschung vorstellt. Er richtet sich an Lernende aller Niveaustufen, auch an diejenigen, die noch keine Erfahrung mit empirischer Forschung haben.
Babbie, E. R. (2014). Die Praxis der Sozialforschung. Cengage Learning.
Bryman, A. (2016). Methoden der Sozialforschung. Oxford University Press.
May, T., & Perry, B. (2022). Sozialforschung: Themen, Methoden und Verfahren. McGraw-Hill Education.
Neuman, W. L. (2014). Methoden der Sozialforschung: Qualitative und quantitative Ansätze. Pearson Education Limited.
Dieser Kurs legt den Schwerpunkt auf studierendenzentriertes Lernen, übergreifende Fähigkeiten, transdisziplinäre, forschungsbasierte Kompetenzen sowie technologiegestützte Bildungsprinzipien und soll den Studierenden ein umfassendes und praxisorientiertes Verständnis qualitativer Forschungsmethoden unter Verwendung von CAQDAS-Tools vermitteln.
Die Studierenden nehmen an interaktiven Vorlesungen, Diskussionen und Gruppenaktivitäten teil, die zur aktiven Beteiligung und zum kritischen Denken anregen. Es finden regelmäßige Feedback-Runden statt, um auf individuelle Lernbedürfnisse und Fortschritte einzugehen und sicherzustellen, dass jede/r Studierende eine persönliche Betreuung erhält. Darüber hinaus wird ein Peer-Review-System eingeführt, bei dem die Studierenden die Arbeiten der anderen aus unterschiedlichen fachlichen Perspektiven bewerten. Dieser Ansatz fördert die kritische Bewertung und konstruktives Feedback aus verschiedenen Blickwinkeln, wodurch die Qualität der Forschung verbessert und das Verständnis der Studierenden für interdisziplinäre Ansätze vertieft wird.
Um die überfachlichen Kompetenzen der Studierenden zu verbessern, fördert der Kurs ihre Fähigkeit, Forschungsergebnisse klar und effektiv sowohl schriftlich als auch mündlich zu präsentieren und zu analysieren, indem regelmäßige Präsentationen, Peer-Reviews und Feedbackrunden integriert werden.
Zur Weiterentwicklung der Forschungskompetenzen der Studierenden konzentriert sich der Kurs auf eine vertiefte Auseinandersetzung mit Schlüsselkonzepten und Methoden, die für die Konzeption und Durchführung qualitativer Forschung entscheidend sind. Dazu gehören praktische Erfahrungen mit qualitativen Forschungsverfahren wie Kodierung, thematische Analyse und der Einsatz von CAQDAS-Tools. Die Studierenden befassen sich zudem mit der Integration von KI in die qualitative Datenanalyse und erwerben praktische Fähigkeiten im Umgang mit NLP und LLMs für die Kodierung und thematische Analyse.
Zur Bereicherung der technologiegestützten Lernerfahrungen werden digitale Tools und Ressourcen integriert, darunter Online-Datenbanken, Software zur qualitativen Analyse und Plattformen für die virtuelle Zusammenarbeit.
Zeugnis