Quantitative Forschung übersetzt eine Fragestellung in Messwerte, die sich numerisch analysieren lassen. Sie kann beschreiben, wie lange Aufgaben dauern, den Anteil der Personen schätzen, die eine bestimmte Option wählen, oder Ergebnisse unter verschiedenen Bedingungen vergleichen. Ihr Mehrwert hängt davon ab, wofür die Zahlen stehen und wie sie erhoben wurden.

Sie zeichnet sich nicht zwingend durch eine große Stichprobe aus – und eine große Stichprobe macht ein Ergebnis nicht automatisch verlässlich oder repräsentativ. Das Studiendesign muss die gezogenen Schlüsse stützen.

Die Messgröße vor der Erhebung definieren

Der Leitfaden zu Datentypen des Australian Bureau of Statistics unterscheidet zwischen numerischen Größen und kategorialen Beschreibungen. In der Forschungspraxis lassen sich auch Kategorien zählen und quantitativ analysieren – vorausgesetzt, ihre Bedeutung ist eindeutig geklärt.

Eine Studie zum erfolgreichen Setup braucht eine klare Definition von Erfolg. Den letzten Bildschirm zu erreichen, das Konto fehlerfrei zu konfigurieren oder eine erste Aufgabe erfolgreich abzuschließen, sind grundverschiedene Ergebnisse. Es gilt zu entscheiden, welches davon zur Fragestellung passt und wie es beobachtet werden soll.

Die Analyse sollte direkt zusammen mit der Messgröße geplant werden. Daten zur Bearbeitungsdauer können schief verteilt sein, wiederholte Beobachtungen derselben Person sind keine voneinander unabhängigen Teilnehmenden, und fehlende Antworten unterscheiden sich womöglich systematisch von vollständig ausgefüllten. Solche Details beeinflussen, welche Aussagekraft eine Zusammenfassung oder ein Vergleich tatsächlich hat.

Die Stichprobe beschreiben vs. über sie hinaus verallgemeinern

Deskriptive Statistiken fassen die beobachteten Daten zusammen. Inferenzstatistik nutzt Studiendesign und Annahmen, um Rückschlüsse auf eine größere Population oder einen Prozess zu ziehen – oft ausgedrückt als Unsicherheit über ein Konfidenzintervall oder eine andere passende Kennzahl.

Für diesen Schritt ist das Recruiting entscheidend. Eine freiwillige Umfrage unter besonders engagierten Kundinnen und Kunden kann präzise wirkende Prozentwerte liefern, während weniger aktive Nutzerinnen und Nutzer außen vor bleiben. Mehr Rückmeldungen aus demselben Auswahlverfahren beheben einen solchen Stichproben-Bias nicht zwangsläufig.

Wählen Sie die Stichprobengröße basierend auf der gewünschten Präzision, der Effektstärke, der Variabilität und dem Studiendesign – nicht nach einem pauschalen Mindestwert. Eine Studie, die einen kleinen Unterschied aufdecken soll, benötigt unter Umständen deutlich mehr Daten als eine, die lediglich ein grobes Muster beschreiben soll.

Ergebnisse im Kontext der Entscheidung interpretieren

Ein statistisch signifikanter Unterschied kann in der Praxis bedeutungslos klein sein, während eine unsichere Schätzung dennoch auf eine Frage hinweisen kann, die man genauer untersuchen sollte. Berichten Sie daher über die Größe und die Unsicherheit des Ergebnisses, anstatt es darauf zu reduzieren, ob ein Schwellenwert überschritten wurde.

Qualitative Forschung kann helfen zu verstehen, wie Personen eine Aufgabe interpretiert haben oder warum ein unerwartetes Muster Aufmerksamkeit verdient. Die Methoden überschneiden sich in ihren Möglichkeiten: Quantitative Forschung kann explorieren, qualitative Forschung kann bewerten. Wählen Sie die Kombination, die für Ihre Entscheidung eine fundierte Grundlage liefert – und machen Sie die Grenzen jedes einzelnen Ansatzes transparent.