Anchored Calibration: Von qualitativen Daten zu Fuzzy Sets

Abstract

Die Kombination von qualitativen Daten mit der Qualitative Comparative Analysis (QCA) verspricht großes analytisches Potenzial, da sie sowohl detaillierte Untersuchungen sozialer Prozesse als auch systematische Fallvergleiche ermöglicht. Viele QCA-Anwendungen greifen auf qualitative Daten zurück. Dennoch bleibt eine zentrale methodologische Frage für QCA-Anwendungen mit qualitativen Daten weitgehend unbeantwortet: Wie können die Informationen qualitativer Daten "kalibriert", das heißt, in formalisierte Fuzzy Sets übersetzt werden? Die sogenannte "Kalibrierung" beeinflusst QCA-Ergebnisse in entscheidender Weise, sodass die Reliabilität des Kalibrierungsverfahrens enormen Einfluss auf die Qualität und Glaubwürdigkeit einer Studie hat. Die fehlende Diskussion der Kalibrierung qualitativer Daten in der methodologischen QCA-Literatur überrascht umso mehr, da QCA in anderen Bereichen stetige methodologische Weiterentwicklungen erfährt und die fehlende Transparenz von Messverfahren in QCA vermehrt kritisiert wird. Im vorliegenden Artikel entwickle ich Anchored Calibration als einen Ansatz zur Kalibrierung qualitativer Daten, der wichtige Lücken in bisherigen Ansätzen schließt und dabei hilft, die Reliabilität von Kalibrierungen zu erhöhen. Anchored Calibration besteht aus drei Arbeitsschritten: 1. der Formulierung eines konzeptuellen Rahmens für Bedingungen und das Outcome, 2. der Verankerung dieses Rahmens in den empirischen Daten und 3. der Anwendung dieses verankerten konzeptuellen Rahmens zur Vergabe von Mitgliedswerten in Fuzzy Sets. Ich diskutiere diese drei Arbeitsschritte sowie die dazu notwendigen Teilschritte im Detail und illustriere das Vorgehen am Beispiel von qualitativen Daten aus Leitfadeninterviews zum Thema Bildungsaufstieg.