Was ist Wissenschaft? 

(Teil I, Kap. 1.1)

Definition und Ziele: Wissenschaft wird als „systematische Methode zur Erkenntnisgewinnung“ definiert. Ihr Ziel ist es, die Welt zu verstehen, zu erklären und vorherzusagen, wobei es nicht nur um die Zusammenfassung vorhandenen Wissens geht. Wissenschaftliche Erkenntnisse sind dynamisch und entwickeln sich mit neuen Daten und Perspektiven.

Zitat: „Wissenschaft lässt sich als systematische Methode zur Erkenntnisgewinnung definieren.“

Ziele: Konsistente, zuverlässige und objektive Antworten auf Fragen zu finden, die das Verständnis für Phänomene erweitern. Es ist ein „fortlaufender Prozess der Annäherung an ‚die Wahrheit'“.
Prinzipien der Qualität: Parsimonie (einfachste Erklärung), Konsistenz (vereinbare Ergebnisse), Offenheit (Transparenz und Teilen von Methoden/Daten).

Gesellschaftlicher Prozess: Wissenschaft ist in soziale Strukturen eingebettet, geprägt von Kooperation und Wettbewerb, und ihre Gültigkeit wird durch die Fachgemeinschaft (Peer-Review, Konferenzen, Publikationen) festgelegt.

Werturteilsfreiheit vs. gesellschaftlicher Kontext: Obwohl die Wissenschaft Werturteilsfreiheit anstrebt, ist sie „immer von menschlichen Einflüssen und gesellschaftlichen Kontexten geprägt.“ Die Reflexion dieser Einflüsse ist ein wesentlicher Bestandteil.

Wissenschaftliche Disziplinen

(Teil I, Kap. 1.2)

Kategorisierung: Naturwissenschaften (physische Welt), Geisteswissenschaften (Kulturen, Gedanken, Gesellschaften) und Sozialwissenschaften (zwischen beiden). Alternativ: Formal- (Mathematik, Logik) und Realwissenschaften (Natur- und Sozialwissenschaften).

Methodische Unterschiede: Naturwissenschaften bevorzugen quantitative, experimentelle Methoden; Geistes- und Sozialwissenschaften qualitative, hermeneutische und heuristische Ansätze.

Interdisziplinarität: Verbindung von Ansätzen, Methoden und Theorien aus zwei oder mehr Disziplinen zur Bearbeitung komplexer Fragestellungen. 

Transdisziplinarität: Integration von wissenschaftlichem und außerwissenschaftlichem Wissen sowie Perspektiven von Praxisakteuren/Stakeholdern zur Lösung konkreter gesellschaftlicher Probleme. 

Herausforderung: Verständnis der „Sprache“ und zugrundeliegenden Annahmen über „Wissen“ und „Wahrheit“ zwischen Disziplinen. 

Selbstkritik und Vorläufigkeit: Wissenschaftliche Erkenntnisse sind stets vorläufig und ihre Gültigkeit ist an die Bedingung geknüpft, dass sie durch bessere Daten oder Theorien in Frage gestellt werden können. Dies unterscheidet Wissenschaft von Dogma.

Wissenschaftliche Methoden

(Teil I, Kap. 1.3)

Iterativer Prozess: Wissenschaft ist ein systematischer Ansatz zur Untersuchung von Phänomenen, der Beobachtungen, Hypothesenbildung, Experimente und Schlussfolgerungen umfasst. Theorien werden auf Grundlage von Beobachtungen entwickelt, getestet und angepasst.

Falsifizierbarkeit: Eine zentrale Eigenschaft ist die Falsifizierbarkeit; Theorien müssen so formuliert sein, dass sie durch Beobachtungen oder Experimente widerlegt werden können.

Umgang mit Subjektivität: Der Forschungsprozess ist "wohl unvermeidlich nahezu immer" von der Subjektivität der Forschenden beeinflusst. Dies erfordert Transparenz über Vorannahmen, methodische Entscheidungen und Interpretationsspielräume.

Methodenpluralismus: Neben klassischen qualitativen und quantitativen Verfahren gewinnen neue Ansätze durch Digitalisierung, Big Data, KI und Bürgerwissenschaft an Bedeutung.

Forschungsethik: Ethische Überlegungen sind integraler Bestandteil der Methodenwahl und betreffen Fragen der Verantwortung, Nachhaltigkeit und soziale Folgen.

Reflexion über Wissenschaft

(Teil I, Kap. 1.4)

Einsteins Vorgehen: Revolutionierte die Physik durch theoretisches Denken, dessen Aussagen später empirisch bestätigt wurden.

Karl Poppers Kritischer Rationalismus: Wissenschaft beginnt mit kühnen Hypothesen, die sich der Realität durch den Versuch ihrer Falsifikation stellen müssen. Eine Theorie ist nur wissenschaftlich, wenn sie widerlegbar ist; ein endgültiger Wahrheitsbeweis ist nicht möglich.

Zitat: „Eine Theorie ist nur dann wissenschaftlich, wenn sie widerlegbar ist.“

Demarcation Problem: Poppers Ansatz ist ein zentraler Beitrag zur Frage, wie wissenschaftliche Theorien von nicht-wissenschaftlichen unterschieden werden können.

Hans-Peter Dürr: Teilt Poppers Skepsis gegenüber endgültigen Wahrheiten und sieht Wissenschaft als Annäherung an etwas nicht Fixierbares.

Stärke der Wissenschaft: Liegt in der ständigen Annäherung, dem Eingeständnis der Vorläufigkeit von Erkenntnissen, der Anpassung und Korrektur von Irrtümern.

Wissenschaftskommunikation und Verantwortung: Wissenschaft muss nicht nur innerhalb der Fachkreise, sondern auch nach außen wirken, um Vertrauen zu fördern und Desinformation entgegenzuwirken. Wissenschaftler haben eine ethische Verpflichtung gegenüber der Gesellschaft.

Stand der Forschung ermitteln

(Teil I, Kap. 2)

Literaturrecherche: Systematische Suche nach Büchern, Fachzeitschriftenartikeln, Konferenzbeiträgen und anderen relevanten Quellen. Sie ist das Fundament für eine präzise Fragestellung und die Einordnung eigener Ergebnisse.

Systematischer Review: Eine Forschungsmethode, die einer präzisen und reproduzierbaren Suche folgt, um Verzerrungen zu minimieren und eine objektive Darstellung des Forschungsstandes zu gewährleisten.

Minimierung von Voreingenommenheit: Diversifizierung der Suchstrategien, bewusste Suche nach gegensätzlichen Perspektiven, transparente Dokumentation.

Relevante Quellen: Spezialisierte Datenbanken (Web of Science, Scopus, PubMed, JSTOR) und auch "graue Literatur" (Dissertationen, Projektberichte, Preprints).

Schneeball-System: Rückwärts-Suche (Referenzlisten) und Vorwärts-Suche (Zitationen der Schlüsselpublikation) zur umfassenden Literaturerschließung.

Bewertung von Quellen: Kritische Beurteilung nach Glaubwürdigkeit (Autorität des Autors, Peer-Review), Relevanz (Bezug zur Forschungsfrage), Aktualität (insbesondere in schnelllebigen Feldern, aber auch "Klassiker") und wissenschaftlicher Güte (Methodologie, Peer-Review, Impact-Faktor).

Stand der Forschung ermitteln

(Teil I, Kap. 2, Forts.)

Impact-Faktor: Wird kritisch hinterfragt; er fokussiert auf Quantität statt Qualität und sagt mehr über Popularität als über tatsächliche wissenschaftliche Qualität aus. Empfehlung: Fokus auf methodische Qualität, Originalität und tatsächlichen Einfluss statt Impact-Faktor.

Primär- vs. Sekundärquellen: Primärquellen (Originalforschungsartikel, Daten) sind direkte Evidenz. Sekundärquellen (Lehrbücher, Reviews) interpretieren Primärquellen und sollten eher zum Einlesen genutzt werden; „keine Sekundärquellen zitieren, sondern die Primärquellen aufsuchen!“

Zusammenfassung des Forschungsstandes: Klare und logische Strukturierung (thematisch, methodisch, chronologisch).
Forschungslücken: Identifikation von Bereichen, in denen wenig oder keine Forschung vorhanden ist. Muss gut nachvollziehbar begründet werden.

Literaturmatrix: Systematische Organisation der Quellen in einer Tabelle (Autor, Jahr, Forschungsfrage, Methoden, Ergebnisse, Limitationen, Relevanz).

Neues Wissen schaffen

(Teil I, Kap. 3)

Forschungsdesign und Forschungsmethodik: Strategische Planung aller Schritte der Untersuchung, von der Fragestellung bis zur Datenauswertung. Muss die Gründe für die Methodenwahl nachvollziehbar erklären.

Quantitative vs. Qualitative Forschung: Quantitativ (numerische Daten, Statistik, Hypothesentest, Messung, große Stichproben, deduktiv) vs. Qualitativ (nicht-numerische Daten, Interviews, Beobachtungen, tiefere Einblicke, explorativ, induktiv).

Experimentell vs. Nicht-experimentell: Kontrolle von Variablen zur Untersuchung kausaler Beziehungen vs. Beziehungen in natürlichen Settings.

Mixed-Methods-Ansatz: Kombination quantitativer und qualitativer Methoden für ein umfassenderes Verständnis.

Weitere Ansätze: Aktionsforschung, Design-Based Research, partizipative Forschungsansätze zur Verzahnung von Theorie und Praxis.

Rollen von Induktion, Deduktion und Abduktion:

Induktion: Von Beobachtungen zu allgemeinen Theorien/Hypothesen (explorativ, qualitativ).

Deduktion: Von bestehenden Theorien/Hypothesen zu deren Testung durch Daten (überprüfend, quantitativ).

Abduktion: Bei überraschenden Beobachtungen Suche nach der plausibelsten Erklärung/Hypothese („Inferenz zum besten Schluss“). Generiert neue Ideen.

Stichprobenziehung: Auswahl von Teilnehmenden/Datenobjekten.

Wahrscheinlichkeitsbasiert: Repräsentativität, Generalisierbarkeit (Zufallsstichprobe, geschichtete Stichprobe).

Nicht-wahrscheinlichkeitsbasiert: Tiefgehende Einblicke in spezifische Fälle, eingeschränkte Generalisierbarkeit (Gelegenheits-, Schneeball-, gezielte Stichprobe).

Datenerhebung: Systematische Sammlung von Daten.

Techniken: Umfragen/Fragebögen (quantitativ, standardisiert, Verzerrungen vermeiden), Interviews (qualitativ, tiefe Einblicke, Objektivität bewahren), Beobachtungen (direkte Informationen, subjektive Interpretation), Experimente (Kausalität, Kontrolle von Variablen, künstliche Bedingungen).

Kritische Hinweise: Auswahlverzerrung (Stichprobe nicht repräsentativ), Datenschutz und Ethik (Informed Consent, Vertraulichkeit), Reaktivität (Anwesenheit des Forschenden verändert Verhalten), Pilot-Test (Vortest der Instrumente), Sekundärdaten (bereits existierende Daten, kritische Prüfung nötig).

Datenanalyse: Transformation roher Daten in verständliche Informationen.

Quantitative Datenanalyse: Statistische Methoden (deskriptiv, inferenzstatistisch), Datenvisualisierung.

Kritik: Missinterpretation statistischer Signifikanz, Komplexität vs. Verständlichkeit. Notwendigkeit echter Statistikkenntnisse und Software (SPSS, PSPP).

Qualitative Datenanalyse: Identifizierung von Mustern, Themen und Bedeutungen in narrativen Daten (Inhaltsanalyse, Grounded Theory, Diskursanalyse). Iterativ und interpretativ (Kodierung, Kategorisierung, Memoing).

Kritik: Subjektivität, Reproduzierbarkeit.

Mixed-Methods-Analyse: Kombination beider Ansätze; Herausforderung der Integration der Ergebnisse.

Wie entstehen Theorien?

(Teil I, Kap. 4)

Theoriebildung: Kreativer und logischer Prozess, kein mechanischer Vorgang. Oft durch Infragestellung bestehender Muster. Ist ein sozialer Prozess innerhalb der wissenschaftlichen Gemeinschaft.

Induktiv vs. Deduktiv: Induktiv (von Daten zu Theorien) vs. Deduktiv (von Theorien zu empirischer Prüfung).

Ebenen von Theorien: „Grand Theories“ (umfassend, schwer überprüfbar) vs. „Middle-Range Theories“ (nach Merton: spezifischer, empirisch besser überprüfbar, verbindet Phänomene mit Konzepten).

Kritik: Balance zwischen theoretischer Abstraktion und empirischer Evidenz. Theoriebildung allein auf literatur- oder empirischer Basis ist schwach. Komplexität vs. Einfachheit.

Hypothesengenerierung: Ableitung von möglichen Erklärungen/Vorhersagen, die empirisch überprüft werden.

Arten: Gerichtete, ungerichtete, Nullhypothesen.

Prozess: Literaturdurchsicht, Problemidentifikation, theoretische Grundlage, Formulierung.

Kritik: Bias/Voreingenommenheit, Operationalisierbarkeit (Übersetzung komplexer Konzepte in messbare Variablen), Falsifizierbarkeit (muss widerlegbar sein), Einfachheit vs. Komplexität.

Konzeptualisierung und Operationalisierung:

Konzeptualisierung: Präzise Definition von Schlüsselbegriffen, Abstecken von Anwendungsbereich und Grenzen.

Operationalisierung: Entwicklung messbarer Indikatoren für definierte Konzepte. Herausforderung: Validität (misst, was es messen soll: Konstrukt-, Inhalts-, Kriteriumsvalidität) und Reliabilität (Zuverlässigkeit, Konsistenz: interne Konsistenz, Test-Retest-Reliabilität) der Messinstrumente. Pre-Test empfehlenswert.

Theoretische Rahmenbedingungen: Integration neuer Forschungsergebnisse in bestehende Theorien oder Entwicklung neuer Ansätze.

Integration: Ergänzen, herausfordern oder erweitern bestehende Theorien. Gefahr der Bestätigungsverzerrung.

Entwicklung neuer Ansätze: Infragestellung bestehender Theorien, revolutionäres Potenzial. Schwierigkeit der Akzeptanz in der Gemeinschaft. Kann zu Paradigmenwechseln führen.

Balance: Zwischen Integration und Innovation, abhängig vom Forschungsproblem und Zielen.

Wie prüfen wir Theorien?

(Teil I, Kap. 5)

Empirische Überprüfung: Kein einziger Weg, sondern Methodenpluralismus. Iterative Theorieprüfung (fortlaufend, in verschiedenen Kontexten, durch Replikationsstudien und Metaanalysen).

Hypothesentests: Kernstück zur systematischen Prüfung spezifischer Vorhersagen.
Validität: Misst, was es messen soll (intern: Kausalität in der Studie; extern: Generalisierbarkeit).

Reliabilität: Zuverlässigkeit und Konsistenz der Messungen.

Objektivität: Ergebnisse unabhängig von der forschenden Person.

Triangulation: Kombination verschiedener Datenquellen, Methoden, Forschender oder Theorien zur Robustheit der Ergebnisse.

Statistische Signifikanz: Beurteilung, wie wahrscheinlich beobachtete Daten unter der Annahme der Nullhypothese sind.
Häufige Fehler: Typ-I-Fehler (fälschliche Ablehnung H0), Typ-II-Fehler (fälschliche Nicht-Ablehnung H0). Erfordert echte Statistikkenntnisse.

Konfidenzintervalle: Bereich, in dem der wahre Wert einer Statistik mit bestimmter Wahrscheinlichkeit liegt. Umfassender als p-Werte.

p-Werte: Wahrscheinlichkeit, die beobachteten Daten (oder extremere) zu erhalten, wenn H0 wahr ist. Kritische Interpretation, Vermeidung von „p-Hacking“.

Power-Analyse: Bestimmung der benötigten Mindeststichprobengröße zur Minimierung von Typ-II-Fehlern.

Präregistrierung: Öffentliche Dokumentation von Forschungsdesign, Hypothesen, Methoden und Stichprobengröße vor Datenerhebung, um "p-Hacking" und "Publication Bias" zu minimieren.

Falsifizierbarkeit: Eine Theorie muss die Möglichkeit bieten, durch empirische Beweise widerlegt zu werden (Popper).

Theorien im wissenschaftlichen Diskurs: Entwicklung durch kontinuierlichen 

Integration und Weiterentwicklung: Revision oder Verwerfung von Theorien basierend auf neuen Evidenzen.

Wert jedes Ergebnisses: Auch nicht-signifikante oder widerlegte Hypothesen sind wertvoll für die Wissensentwicklung und Theoriekritik.

Open Science: Offener Zugang zu Publikationen, Daten und Code stärkt Transparenz, Reproduzierbarkeit und Theoriekritik.

Wissenschaftlich recherchieren

(Teil II, Kap. 6)

Bedeutung: Systematische Suche nach Wissen zur Sicherung der Qualität und Genauigkeit, Vermeidung von Plagiaten, Untermauerung von Argumenten.

Recherchequellen: Bibliotheken (physisch/digital), spezialisierte Datenbanken (JSTOR, PubMed), Internet (kritische Bewertung der Glaubwürdigkeit).

Schneeball-System: Rückwärts- und Vorwärts-Zitationssuche.

Schlüsselwörter und Synonyme: Gründliche Analyse des Themas, Einbeziehung verwandter Begriffe.

Datenbanken und Suchmaschinen: Auswahl je nach Fachgebiet und Abdeckung.

Boolesche Operatoren (AND, OR, NOT) und erweiterte Operatoren (Phrasensuche, Platzhalterzeichen, Proximity Operatoren): Für präzisere Suchergebnisse.

Dokumentation: Wichtig für Reproduzierbarkeit (Datenbanken, Suchbegriffe, Operatoren, Datum).

Bewertung und Auswahl: Glaubwürdigkeit (Autor, Plattform, Datum, Rezensionen) und Relevanz (Bezug zur Forschungsfrage). Primär- vs. Sekundärquellen (Primärquellen bevorzugen; Sekundärquellen zur Orientierung).

Forschungsintegrität: Vermeidung von Voreingenommenheiten (Bias) in der Literatur.

Zeitmanagement: Recherche in Phasen unterteilen, realistische Ziele setzen, regelmäßige Pausen.

Nutzung von Bibliotheksdiensten/Datenbanken: Gezielte Nutzung von Suchfunktionen/Filtern, Gespräche mit Bibliothekspersonal.

Abonnements: Suchalarme und TOC-Alerts für aktuelle Veröffentlichungen.

Grundelemente formulieren

(Teil II, Kap. 7)

Titel der Arbeit: Prägnant, informativ, spezifisch. Sollte die Essenz, thematische Ausrichtung und Forschungsfokus widerspiegeln.

Empfehlung: Titel als letztes Element formulieren (oder als Arbeitstitel frühzeitig entwerfen).

Struktur: Oft in zwei Teile gegliedert (allgemeines Thema: spezifische Aspekte/Ergebnisse).

SEO-Faktoren: Relevante Schlüsselwörter für Auffindbarkeit in Datenbanken.

Problemstellung: Ausgangspunkt jeder Arbeit, definiert das Forschungsproblem. Muss klar, prägnant und spezifisch genug sein.

Relevanzbegründung: Bedeutung für das Fachgebiet, Implikationen der Ergebnisse, Beitrag zur Schließung von Forschungslücken.

Forschungstrichter (Research Funnel): Visualisierung des Prozesses von einem weiten Problembereich zur spezifischen Forschungslücke.

Zielsetzung: Leitet die Studie.

Allgemeine Ziele: Übergeordnete Absichten, langfristige Erwartungen (Wissenserweiterung).

Spezifische Ziele: Konkretisieren die allgemeinen Ziele, sind messbar, fokussiert und direkt mit der Forschungsfrage verbunden.
Realistisch und erreichbar: Berücksichtigen Ressourcen, Zeitrahmen, Grenzen des Forschungsfeldes.

SMART-Kriterium: Spezifisch, Messbar, Arbeitbar/Achievable, Relevant, Terminiert.

Forschungsfrage: Leitfaden für die gesamte Studie.

Merkmale: Klar, präzise, relevant, untersuchbar.

Abgrenzung und Präzisierung: Schärfung des Fokus, Vermeidung von Überschneidungen, Identifikation von Lücken. Kann in Unterfragen gegliedert werden.

Methodenauswahl: Enge Verbindung zur Forschungsfrage.

Keine Hypothese: Forschungsfrage ist offen und explorativ; Hypothesen sind spezifische, testbare Aussagen. Iterativer Prozess.

Richtig zitieren

(Teil II, Kap. 8)

Plagiatsvermeidung: Transparentmachen genutzter Quellen, klare Zuordnung der Urheberschaft.

Selbstplagiate: Auch eigene, bereits publizierte Texte müssen korrekt zitiert werden.

Wissenschaftliche Redlichkeit: Ehrlicher Umgang mit Ergebnissen, transparente Darstellung der Methodik.

Kritik: Gefahr der Quantitätsfixierung, Inkonsequenz von Zitierstilen.

Zitierstile und Zitierregeln: Gängige Stile: APA (Sozialwissenschaften, Autor-Jahr), MLA (Geisteswissenschaften, Autor-Seitenzahl), Chicago (Fußnoten oder Autor-Jahr), Harvard (diverse Disziplinen, Autor-Jahr), Deutscher Stil (Fußnoten).

Direkte vs. Indirekte Zitate: Direkte (wörtlich, Anführungszeichen, genauer Quellenverweis) vs. Indirekte (Inhalt in eigenen Worten, ebenfalls Quellenverweis). Kritische Haltung zur fehlenden Seitenzahl bei indirekten Zitaten im APA-Stil.

Quellenangaben im Text und im Quellenverzeichnis: Korrekte Angabe von Autor, Jahr, Seitenzahl im Text; vollständige bibliografische Angaben im Quellenverzeichnis.

Internetquellen: URL und Zugriffsdatum.

DOI (Digital Object Identifier): Bei digitalen Quellen bevorzugt angeben, da er stabil bleibt und langfristige Auffindbarkeit gewährleistet.

Tipps zum Zitieren: Zitiermanagementsoftware (Zotero, EndNote, Mendeley): Erleichtert Sammlung, Organisation und Zitation. Persönliche Notizen/Kommentare direkt an Quellen.

Häufige Fehler vermeiden: Fehlende Quellenangaben, inkonsistente Zitierstile, unzureichende Unterscheidung zwischen direkten und Paraphrasierungen. Manuelles Management als Fehlerquelle.

Quellenverwaltung

(Teil II, Kap. 9)

Notwendigkeit: Systematische Organisation für Integrität und Effizienz. Strukturierte Übersicht, schneller Zugriff, Nachvollziehbarkeit. Fördert wissenschaftliche Redlichkeit, Effizienz, Qualitätssicherung.

Kritikpunkte: Balance zwischen manuellen/automatisierten Verfahren, „Entfremdung“ des Forschenden von Quellen, Zugänglichkeit/Datenschutz.

Vorteil der Software: Verwaltet Metadaten, Notizfunktionen für aktive Auseinandersetzung, keine Datenschutzprobleme bei lokaler Installation.

Investition in die Zukunft: Dient als persönliches Wissensarchiv für zukünftige Projekte.

Quellenverwaltungssysteme: Auswahl sollte frühzeitig erfolgen.

Gängige Systeme: EndNote (umfassend, kostenpflichtig), Mendeley (kostenlose Basisversion, soziales Netzwerk), Zotero (kostenlos, Open Source, benutzerfreundlich, auf allen OS), Citavi (Windows, kostenpflichtig).

Auswahlkriterien: Funktionsumfang, Benutzerfreundlichkeit, Kompatibilität, Kosten, Datensicherheit, Cloud-Synchronisierung, PDF-Integration mit Anmerkungsfunktionen.

Quellen organisieren: Strukturierung und Kategorisierung.

Methoden: Thematische, chronologische, methodische Ordnung.

Softwaregestützte Verwaltung: Tagging, Annotationen, Bibliografien.

Dateibenennungskonvention: Konsistentes System für digitale Dokumente (z.B. „Autor_Jahr_Kurztitel.pdf“).

Integration in den Schreibprozess:Automatisches Einfügen von Zitaten und Quellenverzeichnissen: Minimiert Fehler, sorgt für Konsistenz.

Synchronisierung mit Textverarbeitungssoftware: Dynamische Anpassung des Dokuments bei Änderungen in der Datenbank.

Überschriften und Inhaltsverzeichnis synchronisieren: Effiziente Navigation und Strukturierung bei langen Dokumenten.

Wissenschaftlich schreiben

(Teil II, Kap. 10)

Objektivität: Unvoreingenommene Darstellung, Trennung von Meinungen und Beweisen. Transparente Methodik.

Klarheit: Verständliche Kommunikation komplexer Ideen, präzise Begriffe, logische Argumentationsführung.

Präzision: Genaue und spezifische Sprachverwendung.

Strukturierung und Aufbau: Klar definierte Struktur (Einleitung, Methodik, Ergebnisse, Diskussion).

Prägnanz: Effiziente Kommunikation von Ideen ohne überflüssige Worte.

Evidenzbasierte Argumentation: Jede Aussage durch Daten, Quellen und logische Überlegungen gestützt.

Akademische Integrität: Ehrlichkeit, Anerkennung fremder Leistungen, Transparenz, Verantwortung.

Der Schreibprozess: Iterativer Zyklus (Planung, Schreiben, Überarbeiten, Verfeinern). Schreiben als Denkwerkzeug.

Strategien gegen Schreibblockaden: Freewriting, strukturierte Arbeitszeiten, Zerlegung in kleinere Aufgaben, Wechsel der Umgebung.

Fachsprache vs. allgemeinverständliche Sprache: Abhängig vom Kontext und Zielpublikum. Dissertation sollte eine Balance finden. Persönlicher Stil ist erlaubt, solange wissenschaftliche Standards eingehalten werden.

Aktiv vs. Passiv: Aktiv (betont Subjekt, dynamisch, Lesbarkeit) vs. Passiv (betont Objekt, objektiv, distanziert, traditionell).

Inklusive und vorurteilsfreie Sprache: Gendergerechte Sprache, Vermeidung unnötigen Jargons, wenn an breiteres Publikum gerichtet.

Nutzung von Schreibwerkzeugen: Textverarbeitungsprogramme, Zitiermanagementprogramme, Plagiatsprüfungstools.

Feedback einholen und umsetzen: Kritische Rückmeldungen von Betreuenden, Kollegen; konstruktive Nutzung, Unterscheidung zwischen Verbesserung und Beeinträchtigung des eigenen Ansatzes.

Self-Editing: Lautes Vorlesen, Pausen, Fokus auf spezifische Aspekte, Peer-Lektorat.

Empirisch vorgehen

(Teil II, Kap. 11)

Grundlagen empirischer Forschung: Systematische Untersuchung der realen Welt.

Beobachtung: Verhalten in natürlichem Kontext erfassen. Herausforderung: Subjektive Wahrnehmung, Beobachtereffekt.

Befragung: Umfragen/Interviews zu Einstellungen, Meinungen, Verhalten. Herausforderung: Frageformulierung, Antwortverzerrungen, Repräsentativität.

Experiment: Kausale Beziehungen durch Manipulation unabhängiger Variablen. Schlüssel: Randomisierung. Herausforderung: Künstliche Umgebung (interne vs. externe Validität).

Zeitliche Dimension: Querschnittstudien (Momentaufnahme) vs. Längsschnittstudien (Entwicklungen, Trends).

Stichprobenziehung (Sampling):

Wahrscheinlichkeitsbasiert: Jedes Element der Population hat bekannte Auswahlwahrscheinlichkeit (Zufallsstichprobe), für Generalisierbarkeit.

Nicht-wahrscheinlichkeitsbasiert: Auswahl nicht zufällig (Gelegenheits-, Schneeball-, gezielte Stichprobe), für tiefgehende Einblicke, eingeschränkte Generalisierbarkeit.

Forschungsethik: Verantwortlicher Umgang mit Studienteilnehmenden, Daten, Ergebnissen.

Informed Consent: Freiwillige Zustimmung nach vollständiger Aufklärung über Zweck, Risiken, Nutzen.

Anonymität und Datenschutz: Schutz der Privatsphäre, Minimierung von Missbrauch/Schaden. Herausforderung: Datenschutz bei Online-Daten, Balance mit Transparenz.

Ethikkommissionen: Unabhängige Prüfung von Forschungsanträgen.

Interessenskonflikte: Transparente Offenlegung persönlicher, finanzieller, institutioneller Interessen.

Qualitätssicherung: Glaubwürdigkeit, Zuverlässigkeit, Akzeptanz der Ergebnisse.

Peer-Review-Verfahren: Begutachtung durch Experten vor Veröffentlichung. Kritikpunkte: Voreingenommenheit, Ablehnung innovativer Forschung, Zeitintensität, mangelnde Transparenz.

Reproduzierbarkeit: Andere Forschende erzielen unter denselben Bedingungen ähnliche Ergebnisse. Reproduzierbarkeitskrise, Publication Bias, Mangel an Anreizen. Verbesserung durch offene Daten/Code, Präregistrierung.

Open Science: Fördert Transparenz und robuste Überprüfung von Theorien.

Präregistrierung: Öffentliche Dokumentation des Forschungsdesigns vor Datenerhebung, um „p-Hacking“ und „HARKing“ zu verhindern.

Managen und Interagieren

(Teil III, Kap. 12)

Herausforderung: Organisation der Promotion neben Job, Familie, Alltag. Viele scheitern an praktischen Hürden, nicht an intellektuellem Niveau.

Alltag und Promotion vereinbaren: Dissertation als „schönstes Hobby“ betrachten. Kleine, planbare Einheiten (z.B. 90 Minuten konzentrierte Arbeit).

Realistische Ziele setzen: Große Ziele, kleine Schritte (Wochenziele formulieren).

Energie managen: Eigene Leistungskurven beobachten (Morgenmensch/Nachtarbeiter), Aufgaben nach Rhythmus ausrichten.

Konzentration bewahren: Ablenkungen ausschalten (Benachrichtigungen, Social Media), "feste Dissertationszeiten" vereinbaren, Fokus auf einzelne Aufgabe.

Schreibprozess meistern: Schreiben als Denkwerkzeug von Anfang an.

Mythos vom großen Wurf: Kapitel entstehen iterativ (sammeln, skizzieren, entwerfen, überarbeiten). „Erst hinschreiben, dann hinschauen.“

Routinen statt Ausreden: Regelmäßige kurze Schreibeinheiten, Kontinuität schlägt Intensität.

Werkzeuge für den Schreibfluss: Pomodoro-Technik, Freewriting, Outline-Methode.

Umgang mit Feedback: Feedback als Verbündeten sehen.

Erwartungen verstehen: Was meint die Kritik wirklich, welche Standards liegen ihr zugrunde?

Feedback einfordern statt abwarten: Konkrete Fragen stellen.

Konstruktiv reagieren: Kritik als an den Text gerichtet sehen, nicht persönlich. Zeit nehmen vor der Reaktion.

Vielfalt nutzen: Unterschiedliche Feedbackquellen (Betreuer, Peers, fachfremde Personen) bieten verschiedene Blickwinkel.

Durchhalten trotz Rückschlägen: Rückschläge als Lernschritte begreifen, bei Stocken die Baustelle wechseln.

Selbstmotivation bewusst pflegen: Kleine Etappenziele, sichtbare Fortschritte (Abhaken im Inhaltsverzeichnis), Feiern von Zwischenergebnissen.

Sinn und Werte als Kraftquelle: „Warum“ der Forschung bewusst machen.

Resilienz als Lernprozess: Mit Krisen umgehen, gestärkt hervorgehen, Perspektivwechsel.

Ein Coaching als dein „Fast-Track“

(Teil III, Kap. 13)

Angebot: Strukturiertes, individuelles 4-Phasen-Coaching für eine schnelle und effektive Realisierung der Dissertation. Baut auf den Inhalten des Buches auf.

Ziel: Dissertation in wenigen Monaten fertigstellen.

Phase 1: Grundlagen und Handwerkliches

Richtig forschen: Fundament legen, methodisch sauber arbeiten, Proposal erstellen.

Zitiertechnik automatisieren: Quellen- und Zitiermanagement mit Software einrichten (Citavi, Zotero, EndNote), fehlerfreies Arbeiten.

Phase 2: Forschungslücke, Grundkonzept, Methoden interdisziplinär und Exposé

Forschungslücke suchen, finden und begründen: Systematische Analyse der Literatur.

Grundkonzeption, Design und Methoden interdisziplinär: Zielsetzung, Forschungsfrage, theoretischer Rahmen, Kapitelstruktur, Methodenwahl (qualitativ, quantitativ, Mixed-Methods).

Exposé erstellen: Alles auf den Punkt bringen, zur Zulassung einreichen.

Phase 3: Umsetzen und Manuskript fertigstellen

Umsetzung – Schritt für Schritt: Datenerhebung, Analyse, Zwischenziele, Fortschrittsanpassung.

Fertigstellung des Manuskripts: Gesamttext, Argumentationslinien, Kohärenz, Übergänge, Sprachpräzision.

Phase 4: Aufbereiten, Defensio-Training, publizieren

Aufbereitung für Einreichung: Formalia (Layout, Abkürzungsverzeichnis, Zitierregeln, Abstract).

Defensio-Vorbereitung:  Präsentation / Vortrag, mögliche Fragen, souveräne Antworten.

Publikationsvorbereitung: Auswahl geeigneter Verlage/Journals, Feinschliff an Abstracts/Exposés.

Nutzen: Sicherheit, Orientierung, Rückhalt, beschleunigter Weg zum Erfolg.