Mathias Blanz - Forschungsmethoden und Statistik für die Soziale Arbeit

Ein dritter Aspekt zur Differenzierung von Hypothesen betrifft die Frage, ob ein positiver Zusammenhang zwischen den Variablen vermutet wird (z. B. »Die Besuchshäufigkeit verbessert die Benotung einer Lehrveranstaltung«) oder ein negativer Zusammenhang (»Die Besuchshäufigkeit verschlechtert die Benotung einer Lehrveranstaltung«). Zusammen mit der angenommenen Kausalrichtung ergeben sich in Bezug auf das Beispiel somit vier Möglichkeiten, die zunächst ungerichtete Forschungshypothese (»Besuchshäufigkeit und Benotung einer Lehrveranstaltung hängen miteinander zusammen«) in eine gerichtete operationale Hypothese umzuwandeln:

• »Hohe Besuchshäufigkeit verbessert die Benotung einer Lehrveranstaltung.«

• »Hohe Besuchshäufigkeit verschlechtert die Benotung einer Lehrveranstaltung.«

• »Gute Benotung einer Lehrveranstaltung erhöht die Besuchshäufigkeit der Studierenden.«

• »Gute Benotung einer Lehrveranstaltung verringert die Besuchshäufigkeit der Studierenden.«

Alle drei bisher dargestellten Aspekte zur Differenzierung von Hypothesen – ihr Genauigkeitsgrad, ihr angenommenes Kausalmodell und ihre vermutete Richtung des Zusammenhanges zwischen den Variablen – wirken sich auf den Informationsgehalt von Hypothesen und damit auf ihre Falsifizierbarkeit aus: Je eher eine Hypothese 1. in statistischer Form vorliegt, 2. eine Kausalitätsrichtung angibt und 3. die Zusammenhangsrichtung zwischen den Variablen spezifiziert, desto höher ist ihr Informationsgehalt und damit ihre Qualität einzuschätzen.

Es gibt schließlich noch einen vierten Aspekt, nach dem man Hypothesen voneinander unterscheiden kann. Dieser bezieht sich auf das sog. Variablenverhältnis, d. h. darauf, ob hinsichtlich der beteiligten Variablen ein Zusammenhang, ein Unterschied oder eine Veränderung vorhergesagt wird. Während bei einer Zusammenhangshypothese eine Beziehung zwischen ein oder mehreren Merkmalen angenommen wird (z. B. »Es besteht ein Zusammenhang zwischen Stress am Arbeitsplatz und Fehlzeiten«), formuliert eine Unterschiedshypothese eine Ungleichheit zwischen zwei (oder mehreren) Populationsgruppen bezüglich einer (oder mehreren) Variablen (z. B. »Studierende der Sozial- und Naturwissenschaften unterscheiden sich bezüglich ihres politischen Engagements«) und eine Veränderungshypothese einen Wandel in den Ausprägungen einer (oder mehreren) Variablen im Laufe der Zeit (z. B. »Wiederholte Werbung für ein Produkt erhöht die Bereitschaft, es zu kaufen«). Zur Prüfung von Zusammenhangs-, Unterschieds- und Veränderungshypothesen können unterschiedliche Forschungsdesigns (oder Untersuchungspläne) gewählt werden, auf die in Kapitel 2.2 näher eingegangen wird.

Eine der Hauptaufgaben sozialwissenschaftlicher Forschung ist die Formulierung und empirische Überprüfung von Hypothesen mit dem Ziel, allgemeine Gesetzmäßigkeiten herauszufiltern. D. h. es sind solche Hypothesen zu identifizieren, die mehrmalige Widerlegungsversuche überstehen. Ein Beispiel ist der sogenannte Bystander-Effekt (im Deutschen auch als Zuschauer- oder Anzahl-Effekt bezeichnet): »Je mehr Menschen ZeugInnen der Notlage einer Person werden (z. B. bei einem Unfall oder Überfall), desto weniger helfen sie.« Die Geschichte dieses Effektes begann mit dem Fall einer jungen New Yorkerin, die nachts auf ihrem Nachhauseweg überfallen und nach wiederholten Messerattacken, die sich über fast eine halbe Stunde erstreckten und während denen sie laut um Hilfe rief, nach heftiger Gegenwehr starb: Obwohl mehr als 30 Personen Zeugen der Angriffe geworden waren, war niemand bereit, einzugreifen. Dies veranlasste Forschende dazu, eine ähnliche Situation im Labor nachzustellen. In der Studie von Darley & Latané (1968) hörten die VersuchsteilnehmerInnen über eine Sprechanlage, wie eine andere Person (angeblich) einen epileptischen Anfall erlitt. Während die Hilferate bei 80 % lag, wenn die TeilnehmerInnen glaubten, alleine Zeuge des Anfalls zu sein, sank sie auf 30 %, wenn sie dachten, dass noch vier weitere Personen den Anfall mitbekommen haben. Es gibt mittlerweile eine große Anzahl an Replikationen (Wiederholungen) dieses Effektes, auch in deutschen Untersuchungen; eine anschauliche Feldstudie des Deutschen Kinderschutzbundes dazu findet sich in Box 5.

Der Deutsche Kinderschutzbund führte am 31. August 1983 in Hamburg folgenden Versuch durch: Aus der Wohnung eines Mehrfamilienhauses, das sich in der Nähe einer belebten U-Bahn-Station befand, wurden von einem Tonband aus dem Erdgeschoss bei geöffnetem Fenster das Gebrüll eines wütenden Mannes, klatschende Geräusche von Schlägen und laute Schreie eines Kindes abgespielt. Innerhalb einer Stunde gingen 989 Personen daran vorbei und mussten die Schreie gehört haben. Angesprochen fühlten sich lediglich vier, was einer Hilfequote von knapp 0,4 % entspricht. Drei davon gingen weiter, als sich auf das Klingeln niemand meldete, lediglich eine Person verständigte die Polizei.

(nach Schwind, 2005)

Aufgrund seiner vielfachen Replikation auch unter variierenden Randbedingungen (z. B. Levy, Lundgren, Ansel, Fell, Fink & McGrath, 1972) kann der Bystander-Effekt heute als eine gut bewährte Gesetzmäßigkeit angesehen werden. Gesetze bilden die Basis für erfahrungswissenschaftliche Erklärungen. Wie in Box 1 ausgeführt, stellt die Ausarbeitung von Erklärungen (Explanation) für Phänomene ihres Gegenstandsbereiches eine der Hauptaufgaben jeder Wissenschaft dar. Bezogen auf das Beispiel in Box 4 bedeutet dies: Sehen wir eine Person, die in einer Gruppe von PassantInnen an einer Wohnung, aus der die Hilfeschreie eines Kindes kommen, vorbeiläuft ohne einzuschreiten, dann kann dies durch den Bystander-Effekt erklärt werden. Dabei stellen:

• der Bystander Effekt das Gesetz dar: »Wenn A (hier: viele Zeugen einer Notlage), dann B (hier: geringe Hilfsbereitschaft)«,

• die große Anzahl an PassantInnen die Wenn-Komponente (»viele Zeugen einer Notlage«) und

• die unterlassene Hilfsleistung die Dann-Komponente (»geringe Hilfsbereitschaft«).

»Erklären« bedeutet hierbei, dass das Besondere (das Nicht-Helfen in einer gegebenen Situation) dem Allgemeinen (dem Bystander-Effekt) untergeordnet wird. Schlussfolgerungen, die eine solche Form aufweisen (vom Allgemeinen wird auf das Besondere geschlossen), werden als Deduktion (lat. deductio für Ableitung) bezeichnet. Deduktionen weisen in der Logik folgende allgemeine Form auf ( Tab. 1):

a) erste Voraussetzung (oder Prämisse 1): Beschreibung einer allgemeinen Gesetzmäßigkeit;

b) zweite Voraussetzung (oder Prämisse 2): Es wird die Wenn-Bedingung festgestellt (diese wird auch als Antezedenz bezeichnet; von lat. antecedens für das Vorausgehende);

c) Schlussfolgerung: Es wird auf die Dann-Bedingung gefolgert (wird auch als Konsequenz oder Konklusion bezeichnet; lat. conclusio für Schlussfolgerung).

Während die Prämissen 1 und 2 (von lat. praemissa für das Vorausgeschickte) das bezeichnen, was die Schlussfolgerung begründet, also das Erklärende (oder Explanans), kennzeichnet die Schlussfolgerung das zu Erklärende (oder Explanandum). Eine solche Erklärungsstruktur wird auch als deduktiv-nomologisches Schema oder als HO-Schema (nach Hempel & Oppenheim, 1948) bezeichnet. Die angemessene Verwendung des HO-Schemas im Rahmen einer wissenschaftlichen Erklärung setzt eine Reihe von Vorannahmen voraus (sog. Adäquatheitsbedingungen), zu denen die folgenden zählen: Das Explanandum muss inhaltlich (logisch) mit dem Explanans verbunden sein (d. h. der Bystander-Effekt ist keine Erklärung dafür, dass die PassantInnen Schuhe tragen), das Explanans muss mindestens ein allgemeines Gesetz enthalten (und nicht zwei Feststellungen wie »hohe Anzahl an ZeugInnen« und »es war Dienstag«) und das Gesetz muss widerlegbar sein (Falsifikationsprinzip) und sich in empirischen Studien bewährt haben.