Welche Potenziale bieten Sekundäranalysen für die Erhöhung von Forschungsqualität und Replizierbarkeit? Zur Rolle von Multiversumsanalysen und integrativen Datenanalysen für die Bestimmung der Robustheit und Generalisierbarkeit von Forschungsbefunden.

Literaturnachweis - Detailanzeige

Trefferliste

Autor/inn/en	Jansen, Malte; Neuendorf, Claudia; Kocaj, Aleksander
Titel	Welche Potenziale bieten Sekundäranalysen für die Erhöhung von Forschungsqualität und Replizierbarkeit? Zur Rolle von Multiversumsanalysen und integrativen Datenanalysen für die Bestimmung der Robustheit und Generalisierbarkeit von Forschungsbefunden. Paralleltitel: The potential of secondary data analysis for increasing the quality and replicability of educational research results: using multiverse analysis and integrative data analysis to examine robustness and generalizability.
Quelle	In: Zeitschrift für Pädagogik, 67 (2021) 6, S. 840-859Infoseite zur Zeitschrift PDF als Volltext kostenfreie Datei (1); PDF als Volltext kostenfreie Datei (2); PDF als Volltext (3) Link als defekt meldenVerfügbarkeit
Beigaben	Illustrationen
Sprache	deutsch
Dokumenttyp	online; Zeitschriftenaufsatz
ISSN	0044-3247
DOI	10.25656/01:28787 10.3262/ZP2106840
URN	urn:nbn:de:0111-pedocs-287876
Schlagwörter	Bildungsforschung; Empirische Forschung; Forschung; Methode; Sekundäranalyse; Datenanalyse; Forschungsdaten; Nutzung; Qualität; Strategie; Open Science
Abstract	Die Bereitstellung von qualitativ hochwertigen und gut dokumentierten Forschungsdaten ist eine zentrale Forderung der Open Science Bewegung. Dadurch entstehen auch in der empirischen Bildungsforschung zunehmend Möglichkeiten für Forscher*innen, Daten sekundäranalytisch auszuwerten (Hopfenbeck et al., 2018; Lenkeit, Chan, Hopfenbeck & Baird, 2015). Bisher gab es in der Diskussion um Open Science und Replizierbarkeit kaum Beiträge dazu, wie im Rahmen solcher Sekundäranalysen eine hohe Forschungsqualität sichergestellt werden kann und welche besonderen Potenziale Sekundäranalysen für die Abschätzung der Robustheit und Generalisierbarkeit von Forschungsbefunden bieten (Weston, Ritchie, Rohrer & Przybylski, 2019). In diesem Beitrag loten die Autorin und die Autoren diese Potenziale aus und beschreiben, wie im Rahmen von Sekundäranalysen multiple Analysemethoden und multiple Datensätze genutzt werden können, um Robustheits- und Generalisierbarkeitsanalysen durchzuführen. Dafür stellen sie die Konzepte der Multiversumsanalyse (Steegen, Tuerlinckx, Gelman & Vanpaemel, 2016) und der integrativen Datenanalyse (Curran & Hussong, 2009) vor. Sie beschreiben jeweils die Zielsetzung und die Analyseschritte und nennen Beispielstudien. Die Autorin und die Autoren schließen mit der Empfehlung, auch bei Sekundärdatenanalysen Überlegungen zur Replizierbarkeit anzustellen und ihre Potenziale zur Untersuchung der Robustheit von Forschungsbefunden zu nutzen. (DIPF/Orig.) The sharing of well-documented research data is a central demand made by the Open Science movement to promote transparent and reproducible research. More and more research data is therefore made available, leading to increasing opportunities for researchers in educational research to conduct secondary data analyses (Hopfenbeck et al., 2018; Lenkeit et al., 2015). To date, it has rarely been discussed how high quality research can be ensured in the context of secondary analyses (Weston et al., 2019). Furthermore, the specific opportunities provided by secondary analyses to study the robustness and generalizability of research findings have not been a focus of the field. In this paper, the authors explore these potentials and describe how the usage of multiple analysis methods and multiple data sets allows for new strategies for robustness analysis. In particular, they introduce the concepts of multiverse analysis (Steegen et al., 2016) and integrative data analysis (Curran & Hussong, 2009). For both they describe the central goals and steps of analysis and present example studies. The authors conclude with a recommendation to consider questions of replicability more carefully when conducting secondary data analyses and to use their potential to investigate the robustness of research findings. (DIPF/Orig.)
Erfasst von	DIPF \| Leibniz-Institut für Bildungsforschung und Bildungsinformation, Frankfurt am Main