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 wir 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 wir die Konzepte der Multiversumsanalyse (Steegen, Tuerlinckx, Gelman & Vanpaemel, 2016) und der integrativen Datenanalyse (Curran & Hussong, 2009) vor. Wir beschreiben jeweils die Zielsetzung und die Analyseschritte und nennen Beispielstudien. Wir schließen mit der Empfehlung, auch bei Sekundärdatenanalysen Überlegungen zur Replizierbarkeit anzustellen und ihre Potenziale zur Untersuchung der Robustheit von Forschungsbefunden zu nutzen.
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, we 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, we introduce the concepts of multiverse analysis (Steegen et al., 2016) and integrative data analysis (Curran & Hussong, 2009). For both we describe the central goals and steps of analysis and present example studies. We 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.

Enthalten in:
Zeitschrift für Pädagogik; 2021/6 (2021)

---

Weiterführende Informationen

• weiterführende Informationen

---

Serie / Reihe: Zeitschrift für Pädagogik

Personen: Jansen, Malte Neuendorf, Claudia Kocaj, Aleksander

Schlagwörter: Qualität Bildungsforschung Empirische Forschung Datenanalyse