Inhalt 1 Gegenstand der BA-Arbeit: Durchführung eines „strukturieren Reviews“ ............... 2

2 Inhalt und genaue Aufgaben ............................................................................................ 2

2.1 Der quantitative Review .............................................................................................. 2

2.2 Der qualitative Review ................................................................................................ 5

3 Zu erbringende Leistungen und Bewertung ................................................................... 7

4 Themenfindung ................................................................................................................. 8

5 Terminplanung .................................................................................................................. 8

6 Kolloquium und Wechsel des „BA-Arbeits-Modells“ ................................................... 8

7 Einführungsveranstaltungen und methodisches Hintergrundwissen .......................... 9

8 Die Literatur-Suche ........................................................................................................ 10

8.1 Datenbanken .............................................................................................................. 10

8.2 Integration der Suchergebnisse verschiedener Datenbanken .................................... 12

9 Literaturverwaltung ....................................................................................................... 13

10 Glossar wichtiger Definitionen ...................................................................................... 13

1 Gegenstand der BA-Arbeit: Durchführung eines „strukturieren Reviews“

Ab Wintersemester 2016/17 wird der Gegenstand von BA-Abschlusseinheiten neu

konzeptualisiert. Für neu beginnende Arbeiten wird dies ab sofort der Standard; allerdings

können auch zukünftig in Absprache mit dem Betreuer besondere Vereinbarungen (z.B.

Analyse eines bestehenden Datensatzes) getroffen werden. Studierende, die bereits mit ihrer

Abschlussarbeit begonnen haben, können auf das Neu-Konzept überwechseln, wenn sie das

möchten.

Grundlegende Neuerung ist, das Studierende keine eigene Erhebung mehr durchführen

müssen, da die damit verbundene Identifikation einer eigenen, innovativen Forschungsidee,

Entwicklung eines Fragebogen, Datenerhebung und Analyse der Daten mit multivariaten

Verfahren in der Vergangenheit häufig zur Überforderungen geführt hatte. Innerhalb des

strukturierten Reviews sind die Aufgaben und Ziele dagegen klarer definiert und die

(Teil)leistungen reliabler evaluierbar (siehe dazu Abschnitt 3).

2 Inhalt und genaue Aufgaben

Der Review soll bestehen aus einem quantitativen Review und einem qualitativen Review.

2.1 Der quantitative Review

Der quantitative Review besteht darin, über zentrale Charakteristika des Forschungsfeldes

einen Überblick zu bieten. Der Begriff „quantitativ“ bedeutet hier, dass es um die Häufigkeit

bestimmter Merkmale geht – z.B. wie häufig bestimmte Firmengruppen untersucht werden,

oder welche theoretischen Perspektiven bestehen und wie diese verteilt sind. Wie weiter unten

im Detail beschrieben ist, sind Teilaufgaben hier, a) die Quellen in eine Datenbank

einzugeben, b) grob hinsichtlich ihres wesentlichen Inhalts zu sondieren und kurz

zusammenzufassen und c) die o.g. Merkmale zu extrahieren.

Konkreter bedeutet dies:

(1) Identifikation aller zentralen Artikel zum gewählten Thema. Zu berücksichtigen sind

nur in englischsprachigen Fach-Journals publizierte Artikel. Das heißt: keine

journalistischen Zeitschriften, Berichte aus dem Internet, Websites, Artikel für Praktiker,

Wikipedia etc. und andere nicht-wissenschaftliche Quellen.

Die Anzahl der Artikel kann sich – je nach Forschungsthema – im Bereich 150-200

bewegen. Wenn die Suche deutlich weniger als 150 Artikel ergibt, kann dies ein Hinweis

sein, dass die Forschungsfrage zu eng konzipiert ist und durch eine Verbreiterung des

Themenfeldes adressiert werden. Alternativ kann der quantitative Review durch eine

Meta-Analyse angereichert werden (mehr dazu später). Dies sollte mit dem Betreuer

geklärt werden. In Ausnahmefällen kann der Review mit weniger als 150 Artikeln

durchgeführt werden. Dies muss allerdings durch eine größere Bedeutsamkeit, Ausmaß

und Gewichtung des qualitativen Reviews ausgeglichen werden.

Zusammenfassend die Optionen bei <150 Artikel:

a) Verbreiterung des Feldes

b) Quantitativer Review des begrenzten Ausschnitts plus Meta-Analyse

c) Quantitativer Review des begrenzten Ausschnitts plus umfangreicherer qualitativer

Review

Ergibt die Suche dagegen mehr als 200 Artikel, werden die meist zitierten einbezogen.

Diese „Zitationsrate“ kann man in den meisten Datenbanken einsehen. Am schnellsten

geht dies mit Google Scholar:

Wie zu sehen, ist der Artikel von Cardon et al. von 548 anderen Artikeln zitiert worden.

„Zitiert von“ ist übrigens ein link, der zu diesen Artikeln führt, was u.U. hilfreich sein

kann, um weitere Artikel zum Thema zu finden.

(2) Die identifizierten Artikel werden in einer Literaturdatenbank erfasst. Ein Beispiel ist

hier zu sehen: http://bit.ly/2bRHffo

Die Datenbank kann in Excel angelegt werden oder – wie im o.g. Beispiel – auf google drive. Letzteres hat

z.B. den Vorteil, dass Sie und Ihr Betreuer die Datenbank simultan geöffnet haben kann (z.B. um telefonisch

bestimmte Einträge zu besprechen). Ein weiterer Vorteil (gegenüber Excel) ist, dass Zeilen mit

unterschiedlicher Zeilenhöhe (die sich zwangsläufig ergeben wird) sortiert werden können, ohne dass die

Höhe verändert wird. In Excel ist die Höhe an eine bestimmte Zeilennummer geknüpft. Sortiert man das file,

wird eine hohe Zeile (in der viel Text war) zusammengedrückt, weil sie nun eine Zeilennummer hat, die

vorher eine Zeile mit geringer Höhe hatte.

In der Datenbank sehen Sie verschiedene Spalten, welche eine (subjektive)

Kategorisierung der Literatur darstellen – in diesem Fall, ob der betreffende Artikel z.B.

die Themen „female entrepreneurship“, „Geschlechtsunterschiede in Gründungsvariablen“

oder start-up Aktivitäten“ beinhaltete. Diese Kategorisierungen können eine sehr gute

Grundlage für den qualitativen Review sein. Daneben enthält die Datenbank weitere

Informationen (z.B. ob man den Artikel bereits gelesen hat, und die Zitationsrate (CR)).

Weiter rechts sehen Sie Beispiele für kodierte Studienmerkmale (siehe Punkt 3). All diese

Informationen sind lediglich Beispiele. Ihre Datenbank kann – impliziert durch das

Forschungsfeld – ganz anders aussehen.

(3) Die Artikel werden grob sondiert. Ziel ist lediglich, a) eine Zusammenfassung schreiben

zu können, die so verständlich ist, dass sie eine fremde Person verstehen kann und b)

Informationen aus dem Artikel („Studienmerkmale“) zu extrahieren, die eine

quantifizierte Analyse möglich machen.

Um eine solche Zusammenfassung schreiben zu können, genügt in der Regel a) ein

genaues Lesen des abstracts, b) Lesen der Einleitung und c) der ersten 1-2 Absätze im

Diskussionsteil. Verständnisfragen, die beim Lesen dieser 3 Elemente auftauchen, können

mit gezieltem Nachschlagen beantwortet werden. Z.B. kann die Frage, was Carter und

Kolvereid in der verlinkten Datenbank unter „life stages“ verstehen, folgendermaßen

angegangen werden: Zunächst sucht man nach der ersten Verwendung des Begriffs „life

stages; dort wird dieser meist definiert. Anschließend schaut man im Methodenteil des

Artikels, durch welche konkreten Fragen „life stages“ gemessen wurden.

Anfangs ist dieses Überfliegen anstrengend und mühsam. Mit der Übung und Kenntnis

des Feldes wird dies immer schneller passieren. Ziel sollte sein, alle Informationen in 10-

15min. extrahieren zu können.

(4) Diese Studienmerkmale werden kodiert und in die Literaturdatenbank eingeben. Diese

sind die „Daten“ für die quantitative Analyse. Beispiele könnten sein:

o Untersuchte Population: D.h. welche besonderen Gruppen wurden untersucht (z.B.

Top Manager, Call Center Mitarbeiter, deutsche mittelständige Firmen)?

o Stichprobengröße: Wieviel Personen / Firmen wurden untersucht?

o Branche

o Land

o Definitionen der Konstrukte: Jede Studie fokussiert meist auf mehrere unabhängige

und abhängige Variablen (siehe Glossar). Der Literaturüberblick sollte beinhalten,

welche zentralen Konstrukte in den Studien behandelt wurden. Darüber hinaus könnten

die zentralen Konstrukte in separaten Spalten eingetragen und definiert werden. Es ist

häufig so, dass verschiedene Studien, sich auf den gleichen Begriff beziehen (z.B.

„Arbeitszufriedenheit“), aber verschiedene Vorstellungen haben, was dieses Konstrukt

bedeutet (z.B. Spaß bei der Arbeit vs. positive Einstellung zur Arbeit).

o Benutzte Theorie: In der Regel ziehen Studien bestimmte Theorien heran, auf deren

Basis sie ein Forschungsmodell entwickeln und Hypothesen generieren. Teil des

Reviews könnte ein Überblick über die Theorien sein.

o Research implications: Teil des Diskussionsteils eines Artikels ist die Diskussion von

zukünftigen Forschungsfragen, die noch offen sind, oder aus den Schwächen der Studie

folgen. Werden diese im Rahmen des Reviews analysiert, ergibt sich ein interessantes

Portfolio of zukünftigen Forschungsfragen, die z.B. im Rahmen von Master-

Abschlussarbeiten bearbeitet werden könnten.

o Forschungsdesign (Survey mit Fragebögen, Experiment, Quasi-Experiment).

o Level of Analysis: Wurden Individuen untersucht (z.B. eine Stichprobe von 125

Unternehmensgründer) oder Firmen (Stichprobe von 400 deutschen Unternehmen)?

Dies sind nur Beispiele. Die verwendeten Merkmale hängen von betrachteten

Forschungsfeld ab.

(5) Die Studienmerkmale sollen in der Arbeit quantitativ analysiert werden – d.h. univariat

(Häufigkeiten) oder multivariat (Z.B. Kreuztabellen, Korrelationen) um zum Einen

Aufschluss darüber zu erhalten, durch welche Vorgehensweisen und Denkweisen „die

Literatur“ gekennzeichnet ist und z.B. zu analysieren, welche Merkmale miteinander

assoziiert sind. Es empfiehlt sich, hierzu das Kapitel 1.1-2.2 über Methoden der

deskriptiven Statistik in Moore et al. zu lesen (siehe Literatur).

(6) Es kann (v.a. bei eher fokussierten Forschungsfeldern, die weniger als 150 Artikel

beinhalten) eine quantitative Meta-Analyse erfolgen, was den nötigenUmfang des

qualitativen Reviews reduziert. Dies kann v.a. dann eine Option sein, wenn man sein

eigenes Vermögen, die qualitative Integrationsarbeit zu leisten, eher skeptisch einschätzt.

Bei einer Meta-Analyse wird eine Zusammenhangsmaß (meist der

Korrelationskoeffizient), der den Zusammenhang zwischen einer (zentralen)

unabhängigen und abhängigen Variablen analysiert. Diese Analyse beinhaltet drei

Aspekte:

a) den durchschnittlichen Zusammenhang (d.h. das mit der Stichprobengröße

gewichtete, durchschnittliche Zusammenhangsmaß) und

b) die Streuung dieses Zusammenhangsmaßes (d.h. Unterschiedlichkeit der

Studienergebnisse).

c) Moderatoranalysen: Hierbei wird einfach das in „a“ beschriebene, durchschnittliche

Zusammenhangsmaß in separaten Subgruppen berechnet, die durch die

Studienmerkmale impliziert sind. Beispielsweise ist es oft plausibel, dass der

Zusammenhang zwischen zwei Variablen in verschiedenen Branchen unterschiedlich

ist.

Ist die Durchführung einer Meta-Analyse beabsichtigt, muss entschieden werden, was der

Zusammenhang von Interesse sein soll (z.B. Zusammenhang zwischen Anzahl der

Gründungsmitglieder und Unternehmenserfolg). Ist dies erfolgt, muss bei der Extraktion

der Studienmerkmale der entsprechende Korrelationskoeffizient mit in die Datenbank

eingegeben werden.

(7) Sowohl die Analyse der Studienmerkmale als auch (ggfls.) die Meta-Analyse kann mit

Excel gemacht werden. Etwas sophistiziertere Programme (SPSS, R, STATA) bieten

allerdings mehr Möglichkeiten:

o R (Freeware): http://cran.r-project.org/bin/windows/base/

a. Zuur, Ieno, Meesters (2009). A beginner’s guide to R. (frei im Netz verfügbar)

b. Dalgaard (2008). Introductory Statistics with R. (frei im Netz verfügbar)

c. Kleiber & Zeileis (2008). Applied Econometrics with R. (frei im Netz verfügbar)

d. Andy Field et al. Discovering Statistics using R. (über Uni-Bibliothek verfügbar)

o Stata (kann ggf. über den Lehrstuhl erworben werden):

a. Acock, A.: A gentle introduction to Stata.

b. Kohler & Kreuter (2012): Datenanalyse mit Stata: Allgemeine Konzepte der

Datenanalyse und ihre praktische Anwendung.

c. Online Vorlesung: Introduction to Stata

(http://www.ats.ucla.edu/stat/stata/notes/default.htm ).

d. „Hilfe“ zu verschiedensten Themen rund um Stata:

http://www.ats.ucla.edu/stat/stata/

e. Mastermodul “Applied Microeconometrics using STATA” (Dr. Lück)

o SPSS (Lizenz kann gegen geringen Betrag über die Uni gekauft werden):

a. Lizenzen über IMT verfügbar: https://imt.uni-paderborn.de/software/lizenz-spss/

b. Bachelormodul „Einführung in die Multivariate Statistik mit SPSS“ (Dr. Lück)

c. Auf Nachfrage (M.Wehner/ B. Krebs): ÜK-Folien der Veranstaltung

„International Comparative Management“

2.2 Der qualitative Review

(1) Über den quantitativen Review hinaus soll ein qualitativer Review erfolgen, der über die

wichtigsten Themen, Ansätze, Denkweisen, Ergebnisse etc. einen Überblick gibt. Da

dieser Review ein genaues Lesen der betreffenden Artikel erfordert, soll er auf die 30

wichtigsten / einflussreichsten Artikel beschränkt sein. Auswahlkriterium für diese

Artikel ist die Zitationsrate.

Hier kann man eine schönen Überblick über Inhalt und Funktion eines qualitativen

Reviews erhalten. Beispiele für gute Reviews bekommt man z.B. im „Annual Review of

Psychology“, oder in dem man in den Datenbanken nach gut zitierten Reviews sucht.

(2) Die Interpretation der Literatur sollen mithilfe eines Modells (Pfaddiagramm) mit

zentralen Variablen illustriert werden. Beispiel:

Dieses Pfaddiagramm kann entweder dazu dienen, die bestehenden Ergebnisse zu

illustrieren und/oder Ihre eigenen „begründeten Spekulationen“ über zentrale Prozess im

Feld ausdrücken.

Ein qualitativer Review stellt hohe Anforderungen an Ihre Fähigkeit, verschiedene

Studien, Denkweisen, Ansätze, Theorien und Ergebnisse „themen-strukturierend“ zu

integrieren. Ein schlechter Review besteht aus einer Abfolge von

Studienzusammenfassungen – ein guter Review knüpft einen roten Faden, der die

Kreativität und das Verständnis des Schreibers ausdrückt und die gelesenen Artikel quasi

als Belege für die eigenen Standpunkte verwendet. In der Literaturdatenbank können die

bereits besprochenen Kategorisierungsspalten (z.B. „fem Ent“) dabei helfen, die Literatur

nach subjektiv sinnvollen Kategorien zu strukturieren. Dieses Kategorisierungssystem

hilft nicht nur, schnell alle Artikel zu identifizieren, die einen bestimmten Aspekt

beinhalten (mittels der Filterfunktion) sondern auch, das Themenfeld vor-zu-strukturieren

und kann so die Basis für die schriftliche Ausarbeitung sein. Dies bedeutet aber auch, dass

diese Kategorien von Tag 1 an einem fortlaufenden Überprüfungs-, Differenzierungs –

und Integrationsprozess unterliegen müssen.

(3) Zu Anfang der Arbeit sollten hier zunächst bestehende Meta-Analysen und qualitative

Reviews identifiziert und genau gelesen werden um a) einen groben Überblick über das

Feld zu bekommen (und sich ggfls. zu fokussieren) und b) sich von diesen abgrenzen zu

können. Es ist hoffentlich klar, dass ein bereits veröffentlichter Review einen erneuten

(nämlich Ihren) obsolet macht, außer es gibt Gründe (die sie darlegen müssen).

Das heißt, das Vorliegen eines Reviews muss für Ihren Review nicht das „Aus“ bedeuten;

nur sollten Sie dies offensiv angehen und sich bewusst abgrenzen. Der „add-on value“

Ihrer Arbeit muss in der Einführung ihrer Arbeit verteidigt werden.

3 Zu erbringende Leistungen und Bewertung

Im Rahmen der BA-Arbeit haben Sie folgende Teilleistungen zu erbringen:

Aufgabe Leistung Fehler

Identifikation der

relevanten Studien

Kompetent mit Suchmaschinen

umgehen

Systematisch mit den gefunden

Studien umgehen

Wichtige / häufig zitierte Studien

wird übersehen.

Fehlerhafte Verwendung

boolescher Operatoren

Schreiben der

Zusammenfassungen

Komplexe Informationen auf das

Wesentlich reduzieren

Artikel gezielt nach den

relevanten Informationen

durchsuchen

Verständlich schreiben

Unnötige Elemente werden

gelesen / zu viel Zeit verwendet

Unwichtige / nicht zentrale

Informationen werden extrahiert

Zusammenfassung ist

unverständlich für Dritte

Aufbau und Pflege

der Datenbank

Systematisch und strukturiert

arbeiten

Studienmerkmale gezielt

identifizieren können (erfordert

generisches Verständnis des

„Artikels“ als

Kommunikationsform)

Informationen fehlen oder sind

fehlerhaft

Zuviel Zeit / Aufwand für einen

Artikel

Quantitativer

Review

Quantitative Analyse auf

bescheidenem Niveau

durchführen können

Interessante Fragestellungen

identifizieren beantworten (

was hilft zum Verständnis der

Literatur?)

Die einzelnen Ergebnisse in eine

„Story“ mit rotem Faden

einbinden die zusammen mit dem

qualitativen Review ein

stimmiges Gesamtbild ergibt.

Fehler in der Durchführung der

Analyse

Es werden Analysen gerechnet,

die uninteressant und wenig

hilfreich sind.

Keine Verknüpfung der

Teilelemente; Springen von

Ergebnis zu Ergebnis

Qualitativer Review Das Forschungsfeld nach

theoretisch sinnvollen Merkmalen

kategorisieren und damit

strukturieren.

Von den einzelnen Studien

abstrahieren können auf wichtige,

relevante Prozesse und Prinzipien

Ein Gesamtbild generieren

Irrelevante Kategorien, sinnvolle

werden dagegen nicht identifiziert

Verknüpfungen zwischen

Teilabschnitten des Reviews

unklar / es gibt Brüche ohne

Überleitung

Studien werden lediglich

nacherzählt – der Grad der

Abstraktion geht nicht über die

Studien hinaus.

4 Themenfindung

Die Themenfindung kann flexibel gestaltet sein:

a) Sie kann auf Ihren eigenen Ideen / Interessen beruhen. Da die Notwendigkeit der

Identifikation einer innovativen Forschungsidee wegfällt, ist es leichter, dass Sie Ihre

eigenen Interessen verwirklichen können Natürlich sollte der Betreuer hier in

Vorbesprechungen einen Realitätscheck vornehmen und diesen kommunizieren. Bezieht

sich z.B. Ihr Interesse auf das Thema „Arbeitsmotivation“ oder „Strategie“ ist eine

dringende Fokussierung erforderlich.

b) Das Thema kann vom Betreuer vorgegeben werden. Dazu ist es sinnvoll, eine Liste mit

Themen zu kommunizieren (auf der Homepage), die einen mittleren Grad an Abstraktion

("Motivation", "Strategie") und Konkretheit ("Beziehung zwischen Talent Management

und commitment") aufweisen.

c) Die Regel dürfte eine Kombination von a und b sein.

5 Terminplanung

(1) Zukünftig soll die Zeitplanung etwas strikter sein. Das heißt, dass es einen festen

Starttermin am Anfang des Semesters geben wird, zu dem alle BA's anfangen. Für das

WS16 soll dies allerdings noch frei und flexibel gehandhabt werden

(2) Für die kommenden Semester ist der Starttermin der 01.05. und 01.11.

6 Kolloquium und Wechsel des „BA-Arbeits-Modells“

(1) Studierende müssen an einem Forschungskolloquium teilnehmen und dort Ergebnisse

ihres Reviews vorstellen. Dies geschieht etwa nach Ablauf der Hälfte der Zeit.

(2) Die Kolloquien werden als Block an 2 Terminen a 4h abgehalten. Im Wintersemester ist

die Phase mit den beiden Terminen 2 Wochen vor Weihnachten, im Sommersemester

Mitte Juni. Die Zuweisung zu einem der beiden Termine geschieht durch den Lehrstuhl.

(3) Weil für das WS16 noch kein Starttermin vorgesehen ist, und Sie ggfls. später starten,

kann dieser "Weihnachtstermin" recht früh erscheinen. Das mach aber nichts – Sie stellen

dann einfach vor, was Sie zu diesem Zeitpunkt haben.

(4) Grundsätzlich geben Sie in Ihrem Vortrag einen Überblick über ihre Herangehensweise,

Schwierigkeiten, und natürlich den gegenwärtigen Inhalt des qualitativen und

quantitativen Reviews.

(5) Sollten Sie zur Gruppe der Studierenden gehören, die schon an einigen Kolloquien

teilgenommen haben (und bislang geplant haben, eine rein empirische Studie

durchzuführen), können Sie zum „Review-Modell“ wechseln. In diesem Fall brauchen sie

am gemeinsamen (Master/Bachelor)-Kolloquium nicht mehr teilzunehmen, sondern

müssen am o.g. Block-Kolloquium teilnehmen.

7 Einführungsveranstaltungen und methodisches Hintergrundwissen

Vor der Startphase gibt es 1-2 Workshops über methodische Aspekte. Deren Inhalte beziehen

sich auf das Wissen über die Struktur von Artikeln, Tipps zur Vorgehensweise, als auch

wissenschaftsmethodische Aspekte, die Sie kennen müssen, um Artikel inhaltlich zu

verstehen. Etwas spezieller:

Aufbau und Struktur eines wissenschaftlichen Artikels (Einführung, Theorie,

Methodik, Ergebnisse, Diskussion, „5 W Fragen“, Prinzip der Absatz-Strukturierung,

Deduktiver Aufbau)

Suche von Literatur (siehe Punkt 8)

Konstrukte, Theorien und Hypothesen

Variablen (unabhängige Variablen und abhängige Variablen)

Modelle und Abbildung mit Pfaddiagrammen

Grundlagen der Regression und Verständnis von Korrelations- und

Regressionstabellen (Regressionskoeffizienten, Signifikanztests)

Moderatoren und Mediatoren.

Grundlagen der Meta-Analyse (gewichteter Mittelwert, Heterogenität, Moderatoren in

Meta-Analysen)

Dies ist nicht nur ein Überblick, sondern sollte als Checkliste von Konzepten dienen, die Sie

sich (v.a. eigenverantwortlich) aneignen müssen, um die Inhalte wissenschaftlicher Artikel zu

verstehen zu können. Die wichtigsten Konzepte sind im Glossar enthalten (s. Abschnitt 10).

Zum Nachschlagen empfehlen wir auszugsweise

(1) Saunder, Lewis, & Thornhill: Research methods for business students (allgemeiner

Überblick über den Forschungsprozess. Je nach Notwendigkeit und Interesse spezifische

Kapitel anschauen)

Ist im Netz frei verfügbar: http://bit.ly/2cemybF

(2) Moore, McCabe, & Craig: Introduction to the practice of statistics.

Empfohlen werden:

o Kap. 1.1 – 2.2 (Deskriptive Statistik),

o Kap. 6 (Inferenzstatistik und Hypothesentesten,

o Kap. 10 & 11 (Regression)

Das Buch findet man ebenfalls frei im Netz: http://bit.ly/2c6evjQ

8 Die Literatur-Suche

8.1 Datenbanken

Ziel der Suche von Artikeln ist, möglichst ein unverzerrtes Bild über die Literatur zu

bekommen.

Eine häufige Reihenfolge ist:

(1) Bereits durchgeführte Reviews und Meta-Analysen zu Rate ziehen (d.h. deren Artikel

und mögliche in diesen Artikeln zitierten weiteren Arbeiten). Dies ist auch sinnvoll, um

auf Ideen zu kommen, welche Moderatoren man kodiert.

(2) Datenbanken zu benutzen.

o Hier ein link zu allen WiWi-Datenbanken: http://rzblx10.uni-

regensburg.de/dbinfo/dbliste.php?bib_id=ub_pb&colors=31&ocolors=40&lett=f&gebie

te=16Je

Je nach Forschungsfeld bieten sich an

ABIINFORM

PsycInfo: http://rzblx10.uni-

regensburg.de/dbinfo/detail.php?bib_id=ub_pb&colors=&ocolors=&lett=fs&tid=0

&titel_id=149

EconLit

JSTOR

Web of Science

Scopus

o SSRN (Social Science Research Network): http://rzblx10.uni-

regensburg.de/dbinfo/dbliste.php?bib_id=ub_pb&colors=&ocolors=&lett=fs&Suchwort=SSRN

o PsycINFO: http://rzblx10.uni-

regensburg.de/dbinfo/detail.php?bib_id=ub_pb&colors=&ocolors=&lett=fs&tid=0&tite

l_id=149

(3) Google scholar. Hier besteht allerdings das Problem, dass GS die Suchbegriffe im

gesamten Text inkl. den Referenzen sucht. D.h., in den meisten Fällen hat der Suchbegriff

keinerlei Bezug zur Studie. Dadurch wird eine so große Anzahl von Artikeln ausgegeben,

die weder irgendwie handhabbar ist, noch sinnvoll. Man kann die Suche aber verfeinern,

in dem man sie entweder auf den Titel beschränkt oder – wenn das noch zu grob bist auf

eine Kombination von Titel und Begriffen im Text.

o Im Titel: intitle:stress

o Im Titel eine Phrase: intitle:"emotional dissonance"

o Im Titel mehrere Phrasen: allintitle:"emotional labor" "meta-analysis" (Wenn

„allintitle“ aufgeführt wird, werden automatisch alle Suchbegriffe im Titel gesucht).

o Kombination aus intitle und intext. Will man nun diesen Suchbegriffen nach

„allintitle“ einen intext-Begriff hinzufügen, kann man den nicht einfach hinzufügen:

Aber: tut man dies unter Verwendung von „allintitle“ für die Begriffe im Titel (z.B.

sample allintitle(customer aggression), dann hebelt man dadurch, dass vorher ein

Begriff „einfach so kommt“, den allintitle-Operator aus. Folglich wird der Operator

„allintitle“ als weiterer Suchbegriff verstanden und alle Begriffe werden im Text statt im

Titel gesucht (das heißt, er sucht im Text die Begriffe „sample“, „allintitle“, „customer“

und „aggression“.

Stattdessen spezifiziert man für all Phrasen/Wörter, die Titel vorkommen sollen, die

entsprechende Suche mit dem intitle-Operartor (intitle:customer intitle:aggression

sample). So findet man alle Artikel die im Titel customer und aggession haben

(zusammengeschrieben oder getrennt) und irgendwo im Artikel den Begriff „sample“.

Dies kann bei der Suche für eine Meta-Analyse nützlich sein, um die nicht-empirischen

Artikel auszuschließen (macht aber die Annahme, dass alle empirischen Artikel

irgendwo den Begriff sample haben. Alternativen könnten sein: results, …?).

o Ausschluss unpassender Artikel: Man kann die Suche einschränken, in dem man

Suchbegriffe ausschließt (sog. „Rückwärts-Suche: man fängt breiter an und schmeißt

Artikel mit unpassenden Eigenschaften raus). Dies geht auch im Titel (z.B.

allintitle:"emotional labour" -qualitative Sucht alle Artikel, die „emotional labour“

im Titel tragen aber nicht qualitative. Man sollte aber Ausschlüsse nur auf Begriffe im

Titel beziehen und nicht im Text, weil es durchaus realistisch ist, dass solche Begriffe

einfach als Quellen im Text erscheinen, ohne die Studie selbst zu betreffen. In jedem

Fall: Vorsicht, ob man das Baby nicht mit dem Badewasser ausschüttet.

Was die Kombination zweier Begriffe mit dem „or“-Operator bringt, ist mir noch nicht

100% kar. Ich hatte mal erlebt, dass die Kombination nicht zu mehr Studien führte, als

die Begriffe sample und participants alleine (sogar mal weniger).

o Umgang mit vielen Suchergebnissen in google scholar. Wenn man 50 Artikel findet,

kann man die schnell innerhalb eines Tages durchgehen. Bei 800 geht das nicht mehr.

Wenn man aber am nächsten Tag weiter machen will und die Suche wiederholt, a) weiß

man nicht mehr wo man am Tag zuvor aufgehört hat und b) ändert sich das

Suchergebnis. Als Lösung bietet sich das Programm „publish or perish“ (P&P) an, dass

auf google scholar zu greift und somit den selben Suchoutput liefert:

Das coole daran: über „Copy“ kann man sich den Output in Excel speichern mit allen

wichtigen Merkmalen (Autor, Jahr, Journal etc.) und eben auch dem Google Scholar

link. Kopiert man den in den Browser, öffnet sich eine Seite in der der Artikel als fetter

link abgebildet ist und alle Studien, die ihn zitieren. Einfach auf den fetten link klicken

und man hat den Artikel (nicht verwirren lasse, es werden zig Versionen des Artikels

angezeigt. P&P kann man hier herunterladen.

Auf diese Weise kann man die Excel-Liste Artikel für Artikel abarbeiten und für jeden

Artikel notieren, ob er gepasst hat oder nicht (und warum nicht).

Aber es wird noch besser: Man kann nun alle Versionen von Suchbegriffen

nacheinander laufen lassen und alle Ergebnisse aus P&P im Excel-file direkt

untereinander kopieren. Dann sortiert man nach dem Autor und sieht mit bloßem Auge

evtl. doppelte, dreifache, x-fache Versionen. Die kann man Löschen und hat am Ende

EIN File mit allen vorhandenen Artikel, die irgendwas mit den Suchbegriffen zu tun

hatte. Dabei kann man eine nette Funktion von Excel nutzen – nämlich doppelte

Autoren farblich markieren: Dazu Spalte markieren (es kann auch eine andere als die

Autoren-Spalte sein – gerade wenn man das Ganze ein paar Wochen / Monate später

wiederholt); dann unter Start/Bedingte Formatierung/Regeln zum Hervorheben von

Zellen/Doppelte Werte und OK. Dadurch werden alle Autoren, die mehrfach

vorkommen, farblich hervorgehoben. Für diese kann man dann überprüfen, ob die Titel

sich auf dieselben Artikel beziehen. Leider weiß ich nicht, wie man die Markierung

wieder wegbekommt….

Wenn man die gesamte Suche wiederholt und das File dann zu 90% aus exakten

Dopplungen besteht, kann man doppelte Einträge auch direkt löschen: Über

Daten/Doppelte entfernen…Dabei am besten alle im Menüfeld markierten Felder

ausgewählt lassen. Niemals nur Autoren markieren, sonst werden alle Artikel von

Autoren, die mehrere Artikel haben, entfernt.

o Alert einrichten. Die Google scholar-Ergebnisse ändern sich täglich. Um auf dem

Laufenden zu bleiben, kann man – wenn man ein Google-Konto besitzt, Alerts

einrichten. D.h. man gibt zentrale Suchbegriffe an (auch hier am besten wieder im Title)

– und, wenn eine neue Studie erscheint, die diese/n Begriffe enthält, bekommt man eine

mail.

Dazu auf „Benachrichtigungen“ klicken und „Alert erstellen“. Dort dann

„allintitle:Begriffe“ eingeben oder eben eine andere sinnvolle, der oben diskutieren

Optionen.

8.2 Integration der Suchergebnisse verschiedener Datenbanken

Oben wurden mehrere Datenbanken empfohlen. Wenn man die alle nutzt (oder mehrere),

dann werden 90% der Ergebnisse in der Regel identisch sein. Daher empfiehlt es sich, bei der

Nutzung der ersten Datenbank alle Quellen in alternativ zwei Listen (z.B. Excel) zu speichern

(nur die Quelle, also Autor, Jahr, Titel).

Ist die Quelle auf den ersten Blick (d.h. aufgrund Titel, Abstract und Keywords) eindeutig

nicht brauchbar, kommt die Quelle in eine „Blacklist“ – also die Ausschuss-Liste

Ist die Quelle geeignet oder vielleicht geeignet (worüber erst ein genauerer Blick in den

Artikel entscheiden wird), kommt sie in die Literaturliste. Stellt sich später heraus, dass sie

doch nicht passt, verschiebt man die Quelle in die Blacklist.

Dies ist zwar erst etwas mühsam, aber bereits beim Durchsuchen der zweiten (und der

weiteren) Datenbanken braucht man nur noch den Output mit beiden Listen abzugleichen und

schaut sich nur die Abstracts derjenigen Artikel an, die nicht in einer der Listen drin ist. Man

hat also nicht die dauernde Problematik, nicht zu wissen, ob man einen bestimmten Artikel

schon mal vor Augen hatte.

Dabei muss man die Quelle so gut sie nie in eine der Listen schreiben, sondern kann sie i.d.R.

kopieren. Z.B. hat Google Scholar direkt unter dem Link zum Artikel einen kleinen „cite“-

link. Klickt man auf den, öffnet sich ein Fenster woraus man die komplette Zitation kopieren

kann.

9 Literaturverwaltung

Programme: Wir empfehlen die Verwendung eines Literaturverwaltungsprogramms. Die

Universität stellt Citavi zur Verfügung (http://www.ub.uni-

paderborn.de/recherchieren/citavi/). Mendeley ist eine frei verfügbare Alternative

(http://www.mendeley.com). Mit diesen Programmen kann Literatur archiviert und

strukturiert werden. Außerdem erleichtern sie das Einfügen von Quellen in Word (

Symbolleiste) und das Erstellen des Literaturverzeichnisses (wird automatisch angelegt)

Schulungen in der Universitätsbibliothek – Einführung in die Bibliotheksnutzung,

Rechercheworkshop für WiWi-Studierende, Literaturverwaltung mit Citavi

(http://www.ub.uni-paderborn.de/schulungen/terminplan.shtml)

10 Glossar wichtiger Definitionen

Abhängige Variable: Variable, durch das Forschungsmodell erklärt werden soll

(Konsequenz, Outcome, Kriterium).

Hypothese:

o Hypothesen sind aus Theorien abgeleitete spezifische Erwartungen über einen

empirischen Zustand

o Es werden folgende Typen von Hypothesen unterschieden:

Punkthypothesen: erwartete Prävalenz eines Merkmals (z.B. 90% der deutschen

Unternehmen investieren in Weiterbildungsmaßnahmen)

Beziehungshypothesen: erwartete Assoziation zwischen zwei Konstrukten (z.B.

Fluktuationsrate positiv mit Absentismusrate assoziiert)

Unterschiedshypothesen: erwarteter Unterschied bzgl. eines Merkmals oder

Zusammenhangs zwischen zwei Populationen (z.B. Exportquote deutscher

Unternehmen höher als die US-amerikanischer)

Item:

o Als Items werden die innerhalb von Fragebogenstudien genutzten Messinstrumente

bezeichnet

o In Abgrenzung zum Begriff Skala versteht man unter einem Item eine konkrete Frage

oder Aussage in Kombination mit den vorgegebenen Antwortkategorien

Konstrukt, theoretisches oder hypothetisches: Theoretischer Begriff, der je nach

wissenschaftstheoretischem Verständnis mehr oder weniger direkt ein empirisches

Phänomen bezeichnet (z.B. Arbeitszufriedenheit, Transaktionskosten, Vertrauen,

Strategien, bis hin zu Elektronen und Gravitation oder sogar, Zeit, Raum und Kausalität.

Konstrukte sind die zentrale Elemente von Theorien

Operationalisierung: Gibt an, durch welche beobachteten/empirischen Variablen (

z.B. items) ein theoretisches Konstrukt repräsentiert werden soll (z.B. mittels einer

bestimmten Skala oder eines bestimmten experimentellen Designs).

Skala: Hier gibt es zwei Bedeutungen.

(1) Als Skala wird die „Technik“ bezeichnet, mit der latente (nicht-beobachtbare)

Konstrukte gemessen werden. Eine Skala gibt an, wie solche latenten Variablen in

numerische Werte überführt werden sollen.

Bsp. Likert-Skala: Es wird nach der Zustimmung zu einer bestimmten Aussage

gefragt, wobei das Maß der Zustimmung von „stimme zu“ bis „stimme nicht zu“

(bspw. in fünf Abstufungen) in numerische Werte überführt wird (z.B. 1-5)

(2) Eine Skala wird auch als eine Menge von Items bezeichnet, die ein Konstrukt

messen. Hintergrund ist, dass einzelne Items einen zufälligen Messfehler beinhalten

(z.B. man wählt das „falsche“ Kreuz) – dieser sich aber bei der Verwendung mehrerer

Items, die dasselbe Konstrukt messen, nivelliert.

Theorie:

o Eine Menge von Aussagen über und Erklärungen von kausale(n) Zusammenhängen

zwischen theoretischen Konstrukten, von denen mindestens eine Teilmenge empirisch

überprüfbar (und damit falsifizierbar) ist

o Einige Aussagen können axiomatischen Charakter haben, d.h. sie können praktisch

nicht oder nur unzureichend empirisch überprüft werden

o Dennoch definiert sich jede Theorie darüber, zumindest in Teilen empirisch

überprüfbare Aussagen über (kausale) Zusammenhänge zu machen -> sonst nutzlos

o Merkmale wissenschaftlicher Theorien:

o falsifizierbar (demarcation criterion, Popper)

o logisch und intern konsistent

o klar und präzise formuliert

o breit (betreffen viele Phänomene) vs. spezifisch

o einfach (Ockham´s Razor)

Unabhängige Variable: Variable, von der – basierend auf theoretischen Erwartungen –

einen Effekt auf die abhängige Variable halten sollte.