-
Notifications
You must be signed in to change notification settings - Fork 0
/
030-Schreiben.qmd
1297 lines (858 loc) · 56.9 KB
/
030-Schreiben.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
# Schreiben {#sec-schreiben}
<!-- TODO: Dieses Kapitel lieber an den Schluss pakcen: Zu Beginn ist es wichtiger, -->
<!-- dass die STudis ins Tun kommen, also lieber die Daten erheben. -->
<!-- Außerdem sollten sie sich eh schon mit wiss. Schreiben auskennen. -->
```{r}
#| include: false
library(tidyverse)
```
```{r}
#| echo: false
library(ggplot2)
theme_set(theme_minimal())
```
## Lernsteuerung
### Lernziele
- Sie wissen, wie man einen Theorieteil aufbauet.
- Sie wissen, wie man eine Forschungsarbeit gliedern kann.
- Sie kennen die Prinzipien des wissenschaftlichen Schreibstils.
### Position im Lernpfad
Sie befinden sich im Abschnitt "Schreiben" in @fig-ueberblick.
Behalten Sie Ihren Fortschritt im Projektplan im Blick, s. @fig-projektplan.
### Überblick
Dieses Kapitel gibt eine Einführung in das wissenschaftliche Schreiben.
Es empfiehlt sich, einschlägige Literatur zur Vertiefung zu konsultieren.
:::{.exr-wiss-arb-books}
### Mindmap zu Büchern des wissenschaftlichen Arbeitens
Wissenschaftliches Schreiben ist ein Teilgebiet des wissenschaftlichen Arbeitens.
Daher ist es nützlich, entsprechende Bücher zu konsultieren.
"Konsultieren" soll hier andeuten, dass Sie nicht einfach alle Bücher zu dem Thema von vorne nach hinten lesen, sondern dass Sie sich einen intelligenten Überblick verschaffen.
Ein Weg dazu ist, ein Mindmap der Gliederung (bzw. ihrer wesentlichen Punkte) eines Buches zu erstellen.
Das ist Ihre Aufgabe in dieser Übung.
Recherchieren Sie ein Buch zum wissenschaftlichen Arbeiten und erstellen Sie eine Gliederung!
Sie können ein Buch aus dieser Liste wählen:
- @apa7
- @Kornmeier
- @heesen_wissenschaftliches_2021
- @theisen_wissenschaftliches_2021
- @peters_schreiben_2019
:::
## Gliedern
### Gliedern Sie Ihren Schreibprozess
Okay, Sie haben viel gelesen. ~~1~~, ~~10~~, ~~100~~, sagen wir 30 Fachartikel.
Gut. Was jetzt?
Fertig mit Lesen, los geht's mit Schreiben?!
Nein (s. @fig-lies-schreib).
Lesen und Schreiben sollten sich abwechseln.
```{mermaid}
%%| fig-cap: Lesen und Schreiben wechseln sich ab.
%%| label: fig-lies-schreib
flowchart TD
subgraph A[Falsch]
L[Lesen] --> S[Schreiben]
end
subgraph B[richtig]
L2[Lesen] <--> S2[Schreiben]
end
```
Es bietet sich an, frühzeitig mit (etwas) Schreiben zu beginnen.
Hilfreich ist es, wenn Ihre Gliederung sauber ausgearbeitet ist.
Dann haben Sie nur einen überschaubaren Abschnitt zu formulieren.
Und vor allem: Wenn Sie mit dem Formulieren (d.h. Schreiben) beginnen,
ist die Schwerarbeit bereits getan: Das Denken.
Sie werden sich also (verhältnismäßig) leicht tun mit dem Schreiben.
Ein nicht zu unterschätzender Nutzen des Schreibens ist,
dass er die Gedanken sortiert.
Man könnte zugespitzt sagen: Der Nutzen des Schreibens ist nicht das Schreiben,
sondern das Unterstützen beim Denken.
### Gliederung einer Forschungsarbeit {#sec-gliederung}
Wie bei vielen Dingen des wirklichen Lebens, so gibt es auch für eine Gliederung einer wissenschaftlichen Arbeit nicht nur eine Lösung.
Das bedeutet aber nicht, dass jede Lösung gleich gut wäre (wie im wirklichen Leben auch).
Für eine empirische, quantitative Arbeit in z.B. der Psychologie ist folgende Gliederung *des Hauptteils* etabliert:
1. Einleitung
- Forschungsproblem, Forschungsfrage
- Relevanz des Themas
- Ggf. aktuelle oder persönliche Bezüge
2. Theorie
- Forschungsstand (Theorien, Befunde) zu den Hypothesen
- Darstellung von Theorie, Belegen (Forschungsbefunden) und Ihrer Bewertung
3. Methode
- Alles empirisches "Handwerkszeug", das man braucht, um die Studie nachzuvollziehen (reproduzieren)
4. Ergebnisse
- Deskriptive Ergebnisse
- Modellierung und Inferenzstatistik
- sonstige (explorative) Befunde
5. Diskussion
- Zusammenfassung des Vorgehens und der Ergebnisse
- Interpretation
- Einordnung der Ergebnisse in die Literatur
- Kritische Auseinandersetzung mit der Studie
- Ausblick
- Transfer
Ein fünfschrittiger Ablauf, die klassische Gliederung sozusagen, die auch für eine studentische Arbeit (empirisch, quantitativ, sozialwissenschaftlich) empfehlenswert ist. Für jeden der fünf Schritte ist grob angegeben, was man in jeweiligen Teil schreien kann.
Aber der Hauptteil macht nicht die ganze Arbeit aus, er ist sozusagen in einen Vorspann und Nachspann eingebettet:
1. Titelblatt
2. ggf. Sperrvermerk
3. Abstract
4. Abbildungs- und Tabellenverzeichnis
5. Inhaltsverzeichnis
6. Hauptteil
7. Literaturverzeichnis
8. ggf. Anhang
9. Ehrenwörtliche Erklärung
> 🧑🎓 Wie groß ist der Teil XYZ?
> 👨🏫 @tbl-aufteilung @tbl-aufteilung gibt Ihnen eine grobe Richtlinie, wie groß der Anteil der verschiedenen Kapitel des Hauptteils sind.
```{r}
#| echo: false
#| label: tbl-aufteilung
#| tbl-cap: "Grobe Richtlinien zum Textanteil der Kapitel des Hauptteils"
d <- tribble(
~Anteil, ~Kapitel, ~Kommentar,
"5%", "Einleitung", "Die Einleitung ist kurz zu halten (ca. 1 Seite)",
"40%-60%", "Theorie", "Der Theorieteil ist das längste Kapitel",
"10%", "Methode", "Verwendet man ungewöhnliche oder wenig standardisierte Methoden, so wird der Methodenteil umfangreicher",
"10%-30%", "Ergebnisse", "Im Methodenteil sollten keine Analyseverfahren erläutert werden, sofern diese (dem avisierten Auditorium) allgemein bekannt sind.",
"10%-30%", "Diskussion", ""
)
kable(d)
```
Übrigens passen auf eine Textseite ca. 300 Wörter.
## Abschnitte
### Titelseite
So könnte eine Titelseite aussehen, s. @fig-titelseite.
:::: {.columns}
::: {.column width="45%"}
![So könnte eine Titelseite aussehen](img/titelseite.jpg){#fig-titelseite}
:::
::: {.column width="10%"}
<!-- empty column to create gap -->
:::
::: {.column width="45%"}
Die Titelseite beinhaltet ...
- den Titel der Arbeit
- den Namen der Hochschule und des Studiengangs
- bei einer Seminararbeit den Namen des Dozenten und der Lehrveranstaltung
- bei einer Abschlussarbeit den Namen des Erstgutachters
- Name,
- die Matrikelnummer
- die Anzahl der Wörter des Hauptteils
- das Datum der Abgabe
:::
::::
Der Titel ist das Wichtigste; stellen Sie ihn in den Fokus: groß, zentral platziert mit Platz außen herum; das Zweitwichtigste ist Ihr Name.
Stellen Sie alles andere in den Hintergrund.
### Abstract
Ihr Arbeit soll einen Abstract aufweisen.
Der Abstract ist eine stark verkürzte, prägnante und wertfreie Darstellung der wissenschaftlichen Arbeit.
Der Umfang beträgt ca. 150 bis 250 Wörter.
Der Abstract steht zu Beginn der Arbeit (nach dem Deckblatt).
Der Abstract erscheint nicht in der Gliederung.
die bedeutsamsten Informationen aller Einzelabschnitte werden so knapp wie möglich,
jedoch klar und verständlich dargestellt:
-︎ Forschungsfag︎e
- Theorie
- Hypothesen
- Stichprobe
- Versuchsaufbau (Design, Messinstrumente)
- Auswertung/Ergebnisse
- Diskussion
### Inhaltsverzeichnis
Anhand des Inhaltsverzeichnisses wird bereits viel über den weiteren Verlauf der Arbeit deutlich: Es gibt eine Übersicht zum Inhalt der Arbeit und sollte entsprechend logisch aufgebaut sein und den Gedankengang der Arbeit widerspiegeln.
Die Gliederung sollte ausführlich, aber auch nicht zu detailliert sein.
Dabei hat der Grad der Untergliederung der einzelnen Gliederungspunkte ausgewogen zu sein.
︎ Unterpunkte eines Kapitels dürfen übergeordnete Punkte nicht wiederholen.
Gliederungspunkte dürfen nicht zu 100 % identisch formuliert werden.
Gemäß dem Grundsatz der Proportionalität sollten die Hauptkapitel in etwa den gleichen Seitenumfang aufweisen.︎
Jede Gliederungsstufe muss mindestens zwei Punkte enthalten.
Wird also ein Kapitel 3.2.1 eingeführt, muss es auch ein Kapitel 3.2.2 geben;
sollte nach 3.2.1 unmittelbar 3.3 folgen, wird die Logik der Gliederung nicht erfüllt.
Bei der Formulierung der Gliederungspunkte ist darauf zu achten, entweder keine oder immer Artikel zu verwenden.
Der optische Aufbau sollte den logischen Aufbau der Gliederung widerspiegeln z. B. durch räumliche Nähe von zusammengehörigen Abschnitten und Platz zwischen unterschiedlichen Themen. Der optische Eindruck sollte Übersichtlichkeit vermitteln.
Nutzen Sie Links im Inhaltsverzeichnis, um das Navigieren im (elektronischen) Dokument zu erleichtern.
:::{#exr-gliederung}
### Wie sieht eine gute Gliederung aus?
Betrachten Sie @fig-gliederung! Diskutieren Sie Stärken und Schwächen dieser Gliederung.$\square$
![Ein Beispiel für eine Gliederung](img/gliederung.jpg){#fig-gliederung}
:::
:::{#exr-glied-link}
### Wie verlinkt man eine Gliederung?
Wie man in @fig-glied-link sieht (links), sind die Kapitel (und offenbar Unterkapitel) verlinkt in der PDF-Datei. Probieren Sie, ob Sie das mit Ihrem Schreibprogramm (z.B. Word) auch hinkriegen.$\square$
![Ein Beispiel für eine verlinkte Gliederung](img/glied-link.jpg){#fig-glied-link}
:::
### Einleitung
Die Einleitung stellt die Forschungsfrage vor und erläutert ihre Relevanz. Sonst passiert in der Einleitung nichts, s. @fig-einleitung.
Ausnahme: Es kann ein *Hintergrund* zur Forschungsfrage angeführt werden oder anders zur Forschungsfrage *hingeleitet* werden z. B. durch einen aktuellen Bezug oder persönliches Interesse.
Spielt Letzteres eine Rolle, so ist es die *einzige Stelle* in der Arbeit, in der ein persönlicher Bezug auftaucht.
Die Forschungsfrage darf noch etwas vage und nicht wohldefiniert sein. Fachbegriffe etc. werden ja erst im Theorieteil eingeführt.
:::{.callout-note}
In der Einleitung schreibt man noch nichts über die theoretischen Grundlagen Ihrer Studie.$\square$
:::
```{mermaid}
%%| label: fig-einleitung
%%| fig-cap: "Die Bestandteile der Einleitung"
flowchart LR
A[Hintergrund]---B[Forschungsfrage]
B---C[Relevanz]
```
### Theorieteil
Der Theorieteil stellt alle relevanten theoretischen Bezüge zur Forschungsfrage her.
Im Theorieteil steht alles, was für die Forschungsfrage von Belang ist – *sonst nichts*.
Insofern kann der Theorieteil als Ausformulierung der Forschungsfrage verstanden werden.
Als „Zuhörer“ sollte ein Fachkollege vorgestellt werden.
Beispiel: Bei einer Studie zur Frage, ob die individuelle Ausprägung von Impression Management mit höherer Neigung zum Tragen von Luxusuhren einher geht, sollte auf aktuellen Modelle zu diesem Zusammenhang sowie den beiden einzelnen Konstrukten eingegangen werden. Erschöpft sich der Theorieteil auf die Diskussion von „Persönlichkeit“ auf dem Niveau eines Einführungskapitels im Lehrbuch, so wird der Theorieteil seiner Anforderung nicht gerecht.
Die (Sach-)Hypothesen können am Ende des Theorieteils platziert werden.
:::{.callout-caution}
Ein häufiger Fehler ist, dass der Theorieteil über alles mögliche berichtet, aber nicht über die Bestandteile der Forschungsfrage.
Verzichten Sie auf Abschnitte wie "Die Geschichte des Konstrukts X in den letzten 300 Jahren".
Merke: Im Theorieteil wird die Forschungsfrage erläutert (detailliert), sonst nichts.$\square$
:::
Häufig sind Forschungsfragen in der Form "X führt zu Y" aufgebaut, s. @fig-fofra.
In dem Fall besteht Ihre Studie inhaltlich aus folgenden drei Teilen:
1. X
2. Y
3. Zusammenhang von X und Y (häufig kausal)
Entsprechend schreiben Sie also im Theorieteil über diese drei Teile (und über nichts anderes), s. @fig-theorieteil.^[Ablaufdiagramme, DAGs, Schemata oder andere Nicht-Daten-Diagramme kann man z.B. mit einem Zeichenprogramm erstellen.]
Es bieten sich also *drei* Unterkapitel des Theorieteils an.
Allerdings sind auch andere Untergliederungen Ihres Theoreteils möglich.
So fließt der Zusammenhang von X und Y häufig schon in die Erläuterung von X und Y ein.
```{mermaid}
%%| label: fig-theorieteil
%%| fig-cap: "Die Bestandteile des Theorieteils"
flowchart LR
X-->Y-->Z[Zusammenhang von X und Y]
```
:::{#exm-theorie}
### Beispiel für den Aufbau eines Theorieteils: Statussymbole und Online-Dating
Ihre Forschungsfrage lautet: "Haben Statussymbole einen Einfluss auf den Erfolg beim Online-Dating?".
Bei dieser Fragestellung sollten Sie drei Aspekte im Theorieteil erörtern:
1. Psychologie des sozialen Status
2. Partnerschaft/Partnersuche
3. Der kausale Zusammenhang von Status und Partnersuche, z. B. aus Sicht der Evolutionspsychologie
Ggf. sind noch Teile wie „Besonderheiten des Online-Datings“ etc. zu ergänzen.$\square$
:::
:::{#exm-theorie2}
### Beispiel für den Aufbau eines Theorieteils: Wirkfaktoren von Achtsamkeit
Ihre Forschungsfrage lautet: "Wirkfaktoren von Achtsamkeit: Wirkt Achtsamkeit durch Verringerung der affektiven Reaktivität?".
Bei dieser Fragestellung sollten Sie drei Aspekte im Theorieteil erörtern:
1. Achtsamkeit
2. Affektive Reaktivität
3. Der kausale Zusammenhang beider Konstrukte
Eine Gliederung könnte so aussehen:
```
1. Achtsamkeit
1.1 Historisch-theoretische Entwicklung des Konzepts Achtsamkeit
1.2 Definitionen
1.3 Abgrenzungen zu benachbarten Konstrukten
1.4 Kontexte
1.5 Diagnostik
2. Wirkforschung
2.1 Definitionen
2.2 Entspannungsreaktion
2.3 Reperceving
2.4 Desidentifikation
2.5 Erfahrungsaussetzung
3. Affektive Reaktivität
3.1 BIS-/BAS-Konzept
3.2 Buddhistische Psychologie
3.3 Verwandte Konstrukte
4. Bewertung des Forschungsstands
5. Hypothesen
```
$\square$
:::
Da den Hypothesen eine hohe Bedeutung zukommt, sollten Sie im Text gut auffindbar sein, z.B. in einem eigenen Abschnitt oder optisch vom übrigen Textfluss hervorgehoben.
#### Testen oder Schätzen?
Am Ende des Theorieteils bietet es sich an,
die Hypothesen oder die Forschungsfrage zu spezifizieren.
Sie können sich für eines von beiden entscheiden oder auch beides angehen.
In der bisherigen Literatur (in der Psychologie) werden zumeist Hypothesen getestet,
nach dem Motto "jo, unsere Vermutung scheint zu stimmen!" oder "nein, das Zeugs taugt nix!".
Das Problem ist, dass solches Denken etwas simpel ist, Schwarz-Weiß eben.
Außerdem sind Nullhypothesen streng genommen immer falsch,
weswegen es eigentlich keinen Sinn macht, sie zu untersuchen.
Aber dafür ist das Schwarz-Weiß-Denken schön einfach.
Eine (aus Sicht verschiedener Statistiker) bessere Methode ist es, "Praktisch-Null-Hypothesen" zu testen.
Dabei testet man nicht, ob der Parameterwert *exakt* Null ist (0,00000000...), sondern *ungefähr* Null, also vielleicht z.B. von -0.1 bis 0.1. Den Bereich von Werten, die praktisch bedeutungslos klein bzw. bedeutungslos sind, bezeichnen wir als "praktisch Null".
Eine technische Umsetzung ist das ROPE-Konzept.
Parameterschätzung fragt nicht *ob*, sondern *wieviel*.
Nicht viel komplizierter, aber nuancierter.
Außerdem enthält das Parameterschätzen auch das Hypothesentesten:
Ist die Null im Schätz-Intervall nicht enthalten,
so kann man die Null-Hypothese ausschließen.
:::{.callout-tip}
Am besten Sie machen beides: Hypothesen testen und Parameter schätzen. Einfach umsetzen lässt sich das, wenn Sie sich den Schätzbereich plausibler Parameterwerte ausgeben lassen (z.B. das 95%-KI der Posteriori-Verteilung). Liegt der Wert Null außerhalb dieses Intervalls, so können Sie die Nullhypothese offensichtlich ausschließen. Liegt die Null innerhalb des Intervalls, so können Sie sie nicht ausschließen. $\square$
:::
#### Kausal- vs. Korrelationsmodell
Sie wollten weiterhin angeben,
ob Ihre Forschungsfrage ein kausales Modell annimmt oder ein deskriptives (korrelatives).
Bei einem kausalen Modell sollen dann die Pfeile Wirkungsrichtungen,
also Ursache-Wirkungs-Beziehungen angeben.
Auch wenn ihre Studie nicht die "Kraft" hat,
Kausalbeziehungen (in Gänze) aufzudecken,
ist es trotzdem meistens sinnvoll,
ein Kausalmodell aufzustellen,
da Theorien (und Praxis) meist an Kausalbeziehungen interessiert sind,
und an Korrelationsbeziehungen wenig(er).
Viele wissenschaftliche Studien haben ein kausales Erkenntnisziel,
nicht ein deskriptives.
#### Kausalmodell definieren
Hat Ihr Studie ein *Erklärungsziel*, also ein kausales Erkenntnisziel,
so bietet sich an, Ihr Kausalmodell mit einem Pfaddiagramm bzw. *DAG* zu visualisieren,
z.B. so, s. @fig-dagmodell1.
```{r out.width = "100%", fig.asp = .5}
#| label: fig-dagmodell1
#| fig-cap: Beispielhafter DAG
#| echo: false
library(dagitty)
mein_dag <- 'dag {
A [pos="-2.200,-1.520"]
B [pos="1.400,-1.460"]
D [outcome,pos="1.400,1.621"]
E [exposure,pos="-2.200,1.597"]
Z [pos="-0.300,-0.082"]
A -> E
A -> Z [pos="-0.791,-1.045"]
B -> D
B -> Z [pos="0.680,-0.496"]
E -> D
}'
mein_modell <- "dag{
lern -> erfolg
mot -> erfolg
mot -> lern
}"
plot(graphLayout(mein_modell))
```
Dabei steht `lern` für "Lernzeit in Stunden",
`mot` für "Motivation" und `lern` für "Lernerfolg".
Die Operationalisierung der Variablen sollten im Methodenteil genauer beschrieben sein.
Außerdem macht es Sinn,
das Modell formal zu spezifizieren,
etwa so:
$$
\begin{aligned}
\text{erfolg} &\sim N(\mu_i, \sigma) \qquad \text{Likelihood} \\
\mu_i &= \beta_0 + \beta_1 \text{lern} + \beta_2 \text{mot} \qquad \text{lineares Modell} \\
\beta_0 &\sim N(0, 2.5) \qquad \text{Prior Achsenabschnitt} \\
\beta_1 &\sim N(0, 2.5) \qquad \text{Prior Regressiongewicht lern} \\
\beta_2 &\sim N(0, 2.5) \qquad \text{Prior Regressiongewicht mot} \\
\sigma &\sim Exp(1) \qquad \text{Prior Streuung} \\
\end{aligned}
$$
Wenn Sie das Modell mit STAN berechnen, also vermittelt über z.B. `rstanarm`,
dann wählt `stan_glm()` für Sie folgende Priori-Werte:
- $\beta$s: Normalverteilt mit Mittelwert 0 und SD 2.5
- $\sigma$: Exponentialverteilt mit Streckung 1
Die $\beta$s sind am einfachsten als z-Werte zu verstehen:
Grob übersetzt sagt `rstanarm` "Mei, ich geh davon aus, dass der Effekt vermutlich 2.5-SD-Einheiten
um den Mittelwert rum liegt, könnten auch etwas mehr sein, aber mehr als 5-SD-Einheiten sind schon echt unwahrscheinlich".
Das nennt man einen "schwach informativen Prior":
der erlaubt viel, aber den größten Quatsch schließt er aus.
Praktischerweise müssten sie nicht mal ihre Variablen z-tranformieren (aber Sie können ohne Schaden!),
denn `rstanarm` macht das für Sie.
Tipp: Geben Sie an, dass Sie die Standardwerte (Voreinstellung) der von Ihnen verwendeten Software (wie `rstanarm`) verwendet haben.
Zitieren Sie möglichst die Software (in der verwendeten Version) und reichen Sie die Syntax ein.
Mehr zu Prioris bei `rstanarm` findet sich [hier](https://mc-stan.org/rstanarm/articles/priors.html).
Mit `prior_summary(mein_model)` bekommt man einen Überblick über die Prioriwerte,
die im Modell `mein_modell` verwendet wurden.
Es macht Sinn, zu begründen, warum sie das Modell so gewählt haben,
wie sie es gewählt haben.
Wenn Sie eine Normalverteilung für die Priori-Verteilungen wählen,
haben Sie Argumentationslinien: epistemologisch und ontologisch.
Epistemologisch können Sie argumentieren, dass die Normalverteilung die Entropie maximiert,
also die Verteilung mit den wenigsten Vorannahmen ist, wenn man davon ausgeht,
dass die gesuchte Verteilung über eine endliche Varianz und einen endlichen Mittelwert verfügt.
Ontologisch können Sie argumentieren, dass z.B. Körpergröße (innerhalb eines Geschlechts zumindest)
hinreichend normalverteilt ist.
Die Begründung für das lineare Modelle erschließt sich aus der Theorie,
nämlich dass z.B. die gewählten UV den gesuchten Effekt gut beschreiben.
#### Hypothesen testen
Das Testen der Hypothese ist eine Umsetzung der Idee,
eine Behauptung einer empirisch-rationalen Prüfung zu unterziehen.
Es bietet sich an, eine Hypothese zu wählen,
wenn der Stand der Theorie dies erlaubt,
idealerweise mehr als nur eine Null-Effekt-Hypothese,
etwas $\beta=0$.
Dass nämlich ein Effekt *exakt* Null ist,
erscheint für die meisten Situationen der Sozialwissenschaften reichlich unplausibel.
Sie sollten die Hypothese zuerst als Aussage formulieren,
aber danach möglichst mit mathematischen Symbolen präzisieren ("statistische Hypothesen").
Hier sind Beispiele für statistische Hypothesen:
- $H: \mu > 0$
- $H: \mu = 0$
- $H: \mu \ne 0$
- $H: \beta > 0$
- $H: d > 0$
- $H: R^2 > 0$
- $H: \mu > 42$
- $H: 2.71 < \mu < 3.14$
Dabei meint $\beta$ ein Regressiongewicht,
$d$ eine Differenz (zweier Gruppen) und
$R^2$ die erklärte Varianz eines Modells.
$R^2$ als Kennzahl einer Hypothese ist interessant,
weil es Ihnen erlaubt, ein ganzes Modell als Hypothese zu formulieren.
Also "Verbundhypothesen" aufzustellen, die mehr als eine oder zwei Variablen umfassen.
Möchten Sie eine Hypothese zu einem Parameter testen,
der einen Nullwert beinhaltet, bietet sich das ROPE-Verfahren an, vgl. @kruschke_rejecting_2018.
#### Parameterschätzung
Bei einer Parameterschätzung formulieren Sie ein Modell,
genau wie beim Hypothesen testen, nur eben ohne Hypothesen.
Es geht Ihnen dann nicht um die Frage, *ob* irgend ein Sachverhalt der Fall ist (das ist Hypothesen prüfen).
Stattdessen interessieren Sie sich für die Frage, *wie sehr* etwas der Fall ist:
- "Wie stark ist der Zusammenhang von Lernzeit und Prüfungserfolg?"
- "Um wie viele Sekunden parken Frauen im Schnitt schneller ein als Männer?"
- "Wie groß ist der statistische Effekt eines Sportwagens auf einem männlichen Profilbild beim Online-Dating?"
Auch hier ist es erlaubt und sinnvoll, eine sprachliche Frage, die oft vage ist,
schon aufgrund der natürlichen Ambuität der Sprache, mit Hilfe mathematischer Notation zu präzisieren:
- "Der Zusammenhang $\beta$ ist definiert als das Regressiongewicht der Variable `lern` im Modell `m1`.
- "Operationalisiert wurde die Einparkgeschwindigkeit als die Dauer der Durchführung in Sekunden nach Instruktion wie im Abschnitt XYZ beschrieben. Unser Modell (`m1`) schätzte den Parameter `s`.
- "Der statistische Effekt ist definiert als das Regressiongewicht der experimentellen Bedingung (binäre Variable `group`) im Modell `m1`.
Geben Sie weiter an, welches Intervall Sie berichten, z.B. "Die Parameterschätzungen werden anhand eines 95%-HDI berichtet".
Auch wenn Sie eine Hypothese testen, sollten Sie Bereichsschätzungen für die Parameter vornehmen,
also Schätzbereiche aus der Posteriori-Verteilung berichten.
In R lässt sich das leicht anhand des Befehls `parameters` umsetzen, s. @sec-modellieren.
### Methodenteil
In diesem Teil beschreiben Sie alle relevanten Verfahrensdetails – man sollte Ihre Studie „nachkochen“ können.
Ihre Studie sollte also reproduzierbar sein.
Die von ihnen gemachten Angaben müssen ausreichen,
um die beschriebene Untersuchung exakt zu wiederholen.
Man sollte allgemein bekannte Verfahren (z.B. die Regressionsanalyse) nicht erläutern.
Replizierbarkeit^[Man kann Ihre Analyse nachrechnen und kommt zum gleichen Ergebnis] Reproduzierbarkeit^[Man weiß, wie man Ihre Studie wiederholen könnte] sind wesentlich für die Wissenschaft.
Im Methodenteil legen Sie die wesentlichen Grundlagen dafür.
Daher ist der Methodenteil wesentlich für Ihre Arbeit.
Folgende Unterkapitel bieten sich an:
#### Stichprobe
- Soziodemografische Beschreibung (z.B. Alter und Geschlecht) der *Versuchsteilnehmer* (evtl. weitere Merkmale wie Beruf etc.)
- *Rekrutierungsweise* und Hinweise zur Teilnahmemotivation der Versuchsteilnehmer
#### Versuchsmaterial
- Verwendete *Messinstrumente* (z.B. Fragebogen inkl. zentrale Maße der Güte wie interne Konsistenz der Skala)
- Beschreibung des *Versuchsaufbaus* (Materialanordnung, Sitzanordnung im Labor; Nutzung von Abbildungen ist hierbei hilfreich), ein Flow-Chart zum Versuchsablauf aus Sicht der Versuchsteilnehmer kann hilfreich sein
#### Versuchsaufbau
- Erläuterung des *Versuchsablaufs* von der Instruktion bis zur abschließenden Aufklärung der Untersuchungsteilnehmer nach Abschluss der Datenerhebung
- Beschreibung der räumlichen und zeitlichen *Untersuchungsbedingungen*
- *Versuchsplan* (Design): Benennen Sie explizit UV(s) und AV(s) sowie die Designart, z. B. *querschnittliche Beobachtungsstudie* oder *randomsiertes Between-Group-Experiment mit 2 UV und insgesamt 6 Gruppen*.
- Abbildungen, die den Versuchsaufbau erläutern, können diesen Abschnitt bereichern.
#### Analyse
- Skizzierung der *Analyse* in Bezug auf das statistische Vorgehen (wie z.B. Bayes-Methode, ggf. mit ROPE [@kruschke_rejecting_2018] oder Hinweise auf das Signifikanzniveau bei einer frequentistischen Analyse)
- Erklären Sie (kurz), warum Sie sich für Bayes oder ggf. für die Frequentistische Methode entschieden haben^[Eine ehrliche Antwort wäre zwar, "mein Dozent wollte es so, was bleibt mir groß übrig",
aber es gibt (vermutlich?!) auch fachliche Gründe (z.B.: Eine Priori-Annahme zur Wahrscheinlichkeit eines Parameters wird durch Daten zu einer Wahrscheinlichkeit verschoben).
Die sollten sie anführen.]
- Führen Sie (kurz) an, ob Sie an einer Parameterschätzung oder einer Hypothesentestung interessiert sind oder an beidem
- Verwendete Analyse-*Software* (idealerweise mit Versionsnummer) wie R^[RStudio ist nur eine Benutzeroberfläche und daher irrelevant für die Ergebnisse] und (idealerweise) die R-Pakete
- Software, die zur Reproduzierbarkeit nicht von Relevanz ist, braucht nicht angegeben zu werden (z.B. Word oder RStudio)
### Ergebnisteil {#sec-ergebnisteil}
Im Ergebnisteil stehen die Fakten, keine Meinungen.
Erst in der Diskussion wird erörtert, was die Ergebnisse bedeuten, wie stichhaltig sie sind etc.
Anders gesagt: Im Ergebnisteil spricht man *von* den Ergebnissen.
In der Diskussion spricht man *über* die (bzw. die Bedeutung der) Ergebnisse.
Insofern spricht man in der Diskussion über "Meinungen",
besser gesagt, man interpretiert die Untersuchungsergebnisse,
man ordnet sie in in die Literatur ein, überlegt ihre Implikationen und inwieweit sie die Forschungsfrage beantworten.
In quantitativen Studien werden primär die Ergebnisse zu den Hypothesen bzw. den Forschungsfragen berichtet (sofern es keine explorative Arbeit ist).
Hierbei bietet es sich an, zuerst einfache (deskriptive) Ergebnisse zu berichten und danach komplexere (z.B. von multiplen Regressionen).
Handlungen werden in der 1. Vergangenheit beschrieben („Es fand sich ein Unterschied …“);
überdauernde Tatsachen hingegen in der Gegenwart („Dieser Wert ist statistisch signifikant“).
Im Ergebnisteil soll man keine Interpretationen oder Bewertungen anführen,
sondern lediglich so objektiv wie möglich Tatschen (Fakten) berichten.
In quantitativen Arbeiten findet man naturgemäß oft viele Statistiken.
Wer hätt’s gedacht.
Berichtet man ein Ergebnis mit wenig Zahlenmaterial,
so gibt man die Zahlen im Text wieder; größere Mengen sind übersichtlicher in Tabellen dargestellt.
Sehr große Zahlenmengen sind besser im Anhang aufgehoben.
Häufig kann man quantitative Daten gut in Diagrammen darstellen.
Man beachte die Vorgaben der APA zur Darstellung von Statistiken.
Fügen Sie keine R-Syntax ein (schon gar nicht als Screenshot); nutzen Sie für Syntax den Anhang.
Technische Details wie das Aufbereiten von Daten (z.B. Umbenennen von Variablen oder ihren Ausprägungen) sollen nicht im Ergebnisteil (en Detail) aufgeführt werden, höchstens kursorisch mit Verweis auf die Syntax (die an geeigneter Stelle dokumentiert ist).
Sie können Ihren Ergebnisteil in folgende Abschnitte gliedern:
1. Falls Sie aufwändige Schritte zur Aufbereitung der Daten unternommen haben, sollten Sie kurz darüber berichten. Sparen Sie sich aber die Details (und den R-Code) für den (elektronischen) Anhang auf.
1. Allgemeine *deskriptive* Ergebnisse (noch nicht auf Hypothesen bezogen): Hier könnten Sie z.B. die Mittelwerte und Streuungen pro Gruppe berichten oder die Korrelationen der Variablen untereinander.
2. Zentrale Ergebnisse pro *Hypothese*/für das Modell: Berichten der verwendeten Verfahren und der Statistiken zu den zentralen Ergebnissen.
3. Ggf. sonstige *explorative* Ergebnisse: Ergebnisse also, die Sie nicht erwartet haben (d.h. nicht in den Hypothesen formuliert waren)
```
4 Ergebnisteil
(4.1 Datenaufbereitung)
4.2 Deskriptive Ergebnisse
4.3 Modellierung und Inferenzstatistik
4.4 Explorative Befunde
```
Im Ergebnisteil berichten Sie die Ergebnisse Ihrer empirischer Studie, statistische Kennzahlen in den meisten Fällen.
Es gibt drei Formate, Statistiken zu berichten: im Text, in einer Tabelle, mit einer Abbildung.
#### Formatierung von Tabellen {#sec-formatierung-tabellen}
Eine kleine Menge an Zahlen (z.B. fünf) kann konziser im Text berichtet werden.
Größere Mengen an Zahlen sollten in Tabellen berichtet werden.
Ein Beispiel für eine Tabelle zur Untersuchung von Korrelation, die nach APA (V7) formatiert ist, zeigt @fig-corr1.
![Ein Beispiel für eine Korrelationstabelle, formatiert nach APA7](img/tab-corr.jpg){#fig-corr1 width="50%"}
Wenn Sie nach der Bayes-Methode arbeiten, so sind "Sternchen" oder p-Werte nicht nötig.
Stattdessen sind Konfidenzintervalle ausreichend (die die Information des p-Werts im Übrigen abdecken).
Die APA (v7) empfiehlt, die Einträge der Spalten i.d.R. zu zentrieren;
eine Ausnahme ist die linke Spalte, deren Einträge linksbündig sein sollen.
Außerdem sollten die Tabellen keine "Gitterstäbe" (vertikale Linien) aufweisen und
auch nur drei horizontale Linienn, s. #fig-corr1 als Beispiel.
Zentral bei der Gestaltung von Tabellen sind drei Prinzipien: 1) Übersichtlichkeit, 2) Konsistenz und 3) Ehrlichkeit.
Man kann solche Tabellen von "Hand" erstellen, oder man nutzt Hilfen wie z.B. das [R-Paket `apaTables`](https://dstanley4.github.io/apaTables/index.html), welche Tabellen im APA-Format erstellt und in Word exportiert.
Betrachten wir ein Beispiel anhand des Datensatzes `mtcars`^[schon in R fest eingebaut, mit dem Befehl `data(mtcars)` können Sie den Datensatz "aktivieren".], wie man mit `apaTables` eine Korrelationstabelle erstellt.
```{r}
#| eval: false
library(apaTables)
data(mtcars)
apa.cor.table(mtcars, filename = "apa_cor_tab_mtcars.doc", table.number = 2)
```
:::{#exr-tab-apa}
### Merkmale eine Tabelle nach APA7
Betrachten Sie [dieses Beispiel](https://apastyle.apa.org/style-grammar-guidelines/tables-figures/sample-tables#correlation) für eine Tabelle!
Arbeiten Sie die wesentlichen Merkmale der Formatierung heraus.$\square$
:::
Aber was sind die Bestandteile des APA-Formats?
Schauen Sie sich dazu @fig-tab-apa an,
in der Abbildung sind wesentliche Merkmale des APA-Formats hervorgehoben.
![Beispiel für eine APA-Tabelle](img/tab-apa.jpg){#fig-tab-apa width="50%"}
Ein Beispiel für eine Tabelle mit Regressionsergebnissen finden Sie [hier](https://apastyle.apa.org/style-grammar-guidelines/tables-figures/sample-tables#regression).
Übrigens: Die Ausgabe von `parameters` ist insgesamt APA-konform, vgl. @tbl-m-bringtnixtin2-params.
:::{.callout-tip}
Zur Formatierung von Tabellen und Abbildungen laut APA finden sich online viele Beispiele.$\square$
:::
:::{.callout-caution}
### Häufiger Fehler
Tabellen sollten nie als Screenshot in einen Bericht eingefügt werden.
Häufig leider die optische Qualität (pixelig) und es ist nicht möglich, Werte aus der Tabelle zu kopieren.$\square$
::::
:::{.callout-note}
Formulierungsvorschläge für Ihren Ergebnisteil finden Sie in @sec-statistik-ergebnisteil. $\square$
:::
#### Abbildungen {#sec-abbildungen}
Abbildungen sollten nur verwendet werden, wenn sie einen Mehrwert bieten.^[Bilder von lachenden Modells, die sich die Hände schütteln, haben in der Regel keinen Platz in wissenschaftlichen Berichten. Falls aber doch Photos ergänzt werden sollten, so sind (u.a.) unbedingt die Urheberrechte zu beachten. Hier sind einige Quellen für Bilder/Photos mit (teilweise) permissiven Nutzungsbedinungen: [Pixabay](https://pixabay.com/service/license-summary/), [Unsplash](https://unsplash.com/plus/license), [Flickr](https://www.flickr.com/creativecommons/) oder [Wikimedia](https://commons.wikimedia.org/wiki/Category:Images)]
Für eine einzelne Zahl oder für wenige Zahlen lohnt sich meist eine Abbildung nicht; es reicht, die Zahlen im Text anzuführen.
Nach APA7 steht die Nummer der Abbildung über der Abbildung, z.B. "Abbildung 1"; es folgt kein Punkt.
In der nächsten Zeile steht der Titel der Abbildung, wiederum ohne Punkt am Ende.
Wichtig ist, dass die Abbildung für sich selbst genommen verständlich ist.
Farben können verwendet werden, soweit nützlich, aber sollten idealerweise auch im Schwarz-Weiß-Druck erkennbar sein.
Hilfreich ist es zudem, wenn die Ungewissheit in den Kennzahlen durch Fehlerbalken verdeutlicht ist.
@fig-apa verdeutlicht diese Aspekte der Formatierung einer Abbildung (in englischer Sprache in diesem Fall).
:::{#fig-apa layout-ncol=2}
![Bestandteile des APA-Format für Abbildungen](img/fig-apa.jpeg){#fig-apa-format}
![Ein Beispiel für eine Abbildung, formatiert nach APA7](img/fig-linegraph-apa.jpg){#fig-linegraph-apa width="50%"}
Beispiel-Datendiagramme formatiert nach APA
:::
[Quelle der Abbildung](https://apastyle.apa.org/style-grammar-guidelines/tables-figures/sample-figures#bar),
[Urspüngliche Quelle der Abbildung](https://psycnet.apa.org/doiLanding?doi=10.1037%2Fxhp0000553)
Eine nützliche Hilfe zur Erstellung von hochwertigen Diagrammen sind die R-Pakete [ggpubr](https://rpkgs.datanovia.com/ggpubr/index.html) und [ggstatsplot](https://indrajeetpatil.github.io/ggstatsplot/), s. @fig-ggpubr-ggstatsplot.
:::{#fig-ggpubr-ggstatsplot layout-ncol=2}
![Eine Abbildung erstellt von ggpubr](img/ggpubr1.png){#fig-ggpubr1}
![Eine Abbildung erstellt von ggstatsplot](img/ggstatsplot1.png){#fig-ggstatsplot1}
R-Pakete zur Erstellung hochwertiger Diagramme
:::
Die Nummer der Abbildung fügen Sie von "Hand" hinzu (z.B. in Word).
Zu beachten ist, dass die Statistiken in @fig-ggstatsplot1 laut APA als Anmerkung unter der Abbildung gestellt werden müssen, vgl. @fig-apa-format. Weitere Hinweise finden Sie [hier](https://apastyle.apa.org/style-grammar-guidelines/tables-figures/figures).
#### Statistik im Text
Dazu später mehr, s. Kapitel zum Berichten von Ergebnissen, @sec-reportstats.
#### Sonstiges
Übrigens: R-Quellcode sollte *nicht* im Hauptteil eines wissenschaftlichen Berichts stehen,
verbannen Sie ihn in den Anhang (es sei denn, der Quellcode bzw. die Entwicklung von Syntax ist Gegenstand der Arbeit).
### Diskussion
Die Diskussion beinhaltet den Kommentar des Autors (neutral formuliert) zu seinen Ergebnissen im Bezug zum in der Einleitung beschriebenen aktuellen theoretischem und empirischem Wissensstand.
Der besondere wissenschaftliche Beitrag der durchgeführten Untersuchung wird dargestellt.
Zu Beginn der Diskussion sollten eine kritische Zusammenfassung der hypothesenbezogenen Hauptergebnisse gegeben werde und diese Befunde mit anderen Untersuchungsergebnissen verglichen werden.
Ein psychologisch (theoretisch) sinnvoller Erklärungsansatz für die Hauptbefunde sollte dargestellt werden und die Ergebnisse auch im Hinblick auf andere Erklärungsversuche diskutiert werden.
Ggf. müssen (mögliche) Gründe angegeben werden, warum die Ergebnisse die Hypothesen nicht bestätigen bzw. nur tendenziell.
Wichtig ist die Diskussion der Schwächen (Limitationen) der vorliegenden Studie; widmen Sie diesem Punkt einen eigenen Absatz.
Als Abschluss der Diskussion sollten Verbesserungsvorschläge für eine nochmalige Durchführung der Untersuchung beschrieben werden sowie Vorschläge für weitere Untersuchungsansätze gegeben werden.
Erörtern Sie Ihre Ergebnisse auch vor den Hintergrund anderer Studien/der Literatur, d. h. Die Ergebnisse sollten in die Literatur rückbezogen werden.
### Literaturverzeichnis
Im Literaturverzeichnis einer wissenschaftlichen Arbeit (einer Seminararbeit/ Thesis/ eines Exposés) steht genau die zitierte Literatur – nicht mehr, nicht weniger.
Das Literaturverzeichnis ist nach den Regeln des verwendeten Zitierstils zu gestalten (empfehlenswert: DGPs in neuester Version).
Das Literaturverzeichnis sollte linksbündig formatiert sein.
Bei mehrzeiligen Einträgen wird ab der 2. Zeile eingerückt (5-7 Leerzeichen).
Die Qualität der Quellen ist eine wichtige Beurteilungsgrundlage des Literaturverzeichnisses:
Bücher wie @Dobelli2011 sind nicht hohes Niveau (aber gut geeignet, um ins Thema einzufinden und sich zu insprieren).
kahneman2012schnelles ist hingegen ein akzeptabler (guter) Vertreter eines Buchs aus dem Genre des Popscience.
Hochwertige Literaturstellen sind zumeist/hauptsächlich Fachartikel oder Review-Artikel.
Da die meiste (95%?) der relevanten Literatur in Englisch verfasst wird, ist davon auszugehen, dass ein rein deutschsprachiges Literaturverzeichnis den Forschungsstand schlecht (in nicht akzeptabler Weise) abbildet. Daher sollten englischsprachige Artikel reichhaltig verwendet werden.
:::{.callout-note}
Fachartikel sind *die* Literaturart der Forschung.
Nutzen Sie sie reichlich.$\square$
:::
### Anhang
Im Anhang stehen Details zu Ihrer Studie.
Die einzelnen Teile des Anhangs werden durchnummeriert.
Alle Inhalte des Anhangs müssen im Haupttext referenziert werden („Der Interviewleitfaden findet sich im Anhang B“.) und vice versa.
Typische Inhalte des Anhangs sind:
- Details zu Messinstrumenten,
- Interviewleitfäden oder Stimuli,
- weiterführende Statistiken,
- Syntax oder Probandeninformationen.
- Daten.
Es ist vollkommen in Ordnung, im Anhang auf eine Datei zu verweisen.
Sofern verfügbar, können Sie anstelle z.B. Ihres Fragebogens die URL zu Ihrem Fragebogen einfügen.
In ähnlicher Manier sollten Sie Ihre Daten keinesfalls (schon gar nicht per Screenshot) in den Anhang einfügen.
Verweisen Sie stattdessen im Anhang auf die entsprechende Datei (achten Sie auf prägnante Dateinamen und zugängliche Formate wie CSV).
Die ehrenwörtliche Erklärung steht ebenfalls im Anhang.
Eine Funktion des Anhangs ist es, die Informationen, die zur Reproduktion der Studie nötig sind, im Detail vorzuhalten.
Auch wenn Sie im Anhang "nur" auf Dateien verweisen, sollte im Anhang aufgeführt sein, welche weiterführenden Informationen dem Haupttext beigefügt sind.
## Schreibstil
### Wissenschaftlicher Schreibstil
#### Behauptungen vs. Bewertungen
Zwei Hauptarten von wissenschaftlichen Aussagen lassen sich unterscheiden: *Behauptungen* und *Bewertungen.*
:::{#exm-behauptung}
### Behauptungen
- Deutschland hat ca. 80 Millionen Einwohner.
- Die Hauptstadt der Schweiz ist Bern.
- Die Stichprobe der Studie von Müller (2023) ist klein.
:::
Eine *Behauptung* ist ein Satz, der eine (vermeintliche) Tatsache angibt.
:::{#exm-bewertung}
### Bewertung
- Deutschland ist übervölkert.
- Die Qualität der Studie von Müller (2023) ist fragwürdig.
- Die Qualität der Quellen im Literaturverzeichnis von Müller (2023) ist gering.
:::
Eine *Bewertung* stellt eine Behauptung in eine Kontiuum eines Erstrebenswert.
Anders gesagt: Eine Bewertung verortet eine Behauptung zwischen den Polen "gut" und "schlecht".
Bewertungen sollten aus belegten Behauptungen resultieren.
Wissenschaftlicher Schreibstil verlangt dreierlei:
1. Sie sind sich wohl bewusst, ob Sie behaupten oder bewerten.
2. Sie belegen Ihre Behauptungen.
3. Ihre Aussagen (sowohl Behauptungen und Bewertungen) sind fundiert und präzise.
Ein *Beleg* liefert Gründe für eine Behauptung.
:::{#exm-beleg}
### Beleg
- Die Entwicklung der Bevölkerungszahlen von Deutschland sind bei Schmidt (2023) nachzulesen.
- Wie in Tabelle 1 zu sehen ist, sind die von Meier (2022) aufgestellten Qualitätskriterien mehrheitlich nicht erfüllt in der Studie von Müller (2023).
- Die Qualität der Quellen ist gering; es wurden nur nur nichtwissenschaftliche Quellen zitiert.
:::
Eine gängige Art, einen Beleg zu präsentieren ist der Verweis auf eine geeignete Literaturquelle, die den Beleg untermauert.
Alternativ liefert man ein Argument, das die eigene Behauptung stützt.
*Fundiert*: Man sollte sich stets bemühen, einen Sachstand korrekt, also nicht verzerrt, darzustellen.
*Präzise*: Auf der anderen Seite ist die Zeit der Leser begrenzt; Kürze in Form von präzisen Aussagen ist geboten.
:::{.callout-note}
Wissenschaftlicher Schreibstil ist essenziell für einen wissenschaftlichen Bericht: wohl belegte Behauptungen, präzise Sprache und gut überlegte Bewertungen.
Behauptungen sollten nie eines Beleges entbehren.
:::
#### Präzision: Do not Schwafel
Schopenhauer ist der Spruch zugeschrieben "Man gebrauche gewöhnliche Worte und sage ungewöhnliche Dinge". Das Gegenteil davon ist *Schwafeln* (Geschwurbel). Das Gegenteil von Schwafeln ist Präzision (im Formulieren).
:::{#def-schwafel}
### Schwafel (Geschwurbel)
Schwafeln ist eine wortreiche und/oder wenig präzise Darstellung mit wenig Information. $\square$
:::
:::{#exm-schwafel}
### Beispiele für Schwafel aus studentischer Feder^[Das heißt nicht, das Profs nicht auch Schwafeln würden -- vermutlich sogar mehr!]
1. Beispiel
- Schwafel: "Beispielsweise ist XYZ als Phänomen ein Konstrukt, das noch nicht lange untersucht wird und dementsprechend noch keine große Menge an tiefgründiger Literatur vorzuweisen hat."
- Besser: "Bislang liegen wenig Erkenntnisse zu XYZ vor."
2. Beispiel
- Schwafel: "Die Herausforderung besteht ebenfalls darin, einen fundierten Überblick über das Thema zu bieten, der Aspekte aus Soziologie, Rechtswissenschaft und Psychologie vereint, ohne jedoch in die Falle der Generalisierung zu geraten."
- Besser: "Ein Überblick zu XYZ muss Befunde aus X, Y und Z vereinen."
3. Beispiel
- Schwafel: "Zu Beginn ist es wichtig festzuhalten, dass XYZ äußerst komplex ist."
- Besser: Satz streichen.
4. Beispiel
- Schwafel: "Um XYZ zu beschreiben und nachvollziehen zu können, wie sie sich entwickelten, bietet es sich an, einen Blick auf die metaphorischen Wurzeln zu werfen und sich zunächst mit folgender Frage zu beschäftigen: ...".
- Besser: Satz streichen.
5. Beispiel
- Schwafel: "XYZ folgt einem gewissen Schema."
- Besser: Satz streichen.
6. Beispiel
- Schwafel: "Es ist wichtig zu erwähnen, dass ..."
- Besser: Satzteil streichen.
7. Beispiel:
- Schwafel: "Die präzise Definition des Begriffs XYZ und die Abgrenzung zu A, B, und C ist zudem von entscheidender Bedeutung, da sie die Grundlage für eine differenzierte Analyse darstellt und dabei die Unterscheidungsmerkmale im Diskurs hervorhebt."
- Besser: Satz streichen.
8. Beispiel:
- Schwafel: "Im Weiteren werden diverse potenzielle Schwächen dieser Studie aufgezeigt, die zum einen ..."
- Besser: Schwächen der Studie aufzählen
9. Beispiel
- Schwafel: "Die Diskussion beleuchtet Implikationen für die Praxis, Limitationen und Empfehlungen für die weitere Erforschung dieses Phänomens im digitalen Umfeld."
- Besser: Limitationen nennen.
:::