Visualisierung von Kodierungen: Strukturen erkennen und interpretieren

Kodierende Analysemethoden haben sich in der empirischen Sozialforschung etabliert. Die Popularität dieser Methoden zeigt sich etwa bei den mehrfach aufgelegten Methodenbücher zur qualitativen Inhaltsanalyse von Kuckartz und Rädiker (2022) oder Mayring (2022). Eine besondere Stärke von v. a. Verfahren der Inhaltsanalyse liegt in der systematischen und effizienten Auswertung umfangreicher Datensätze, bestehend aus Texten, Bildern und Videos. Beispielsweise wurden und werden in eigenen Forschungsarbeiten knapp 50 Interviews, mehr als 100 Dokumente und knapp 200 Netzwerkkarten inhaltsanalytisch ausgewertet (Galle, 2021; Galle et al., 2023; Kreis et al., 2023; Stebler et al., 2021).

Herausfordernd bei solch komplexen Datensätzen ist, dass es sich als schwierig gestaltet, aufgrund der vielen Fälle und meist auch komplexen Kategoriensystemen Kernergebnisse herauszuarbeiten und eine Storyline zu entwickeln, welche einerseits zu allen Fällen passt, andererseits die spezifischen Eigenheiten eines jeden Falls berücksichtigt.

An dieser Stelle können Visualisierungen helfen, Komplexität zu reduzieren und Strukturen in den Daten zu explorieren. Die hier besprochenen Visualisierungsverfahren von Kodierungen lassen sich als eine transformative Mixed-Methods-Analyse beschreiben (Creswell & Plano Clark, 2018; Kuckartz, 2014). Qualitative Daten (Interviewtranskripte, Videodaten etc.) werden von Forschenden kodiert und anschliessend werden die kodierten Segmente ausgezählt sowie mittels statistischer Verfahren weiter analysiert. Zur Visualisierung sind explorative Verfahren (Multidimensionale Skalierung, Korrespondenzanalyse) geeignet, bei denen Fälle auf einer zweidimensionalen Fläche hinsichtlich ihrer Ähnlichkeit von Kodierungen positioniert werden (z. B. Galle et al., 2023; Ritter et al., 2024; Winkler & Freisler-Mühlemann, 2023). Ebenso lassen sich mittels Netzwerkkarten Beziehungen zwischen Kategorien darstellen (z. B. Galle et al., 2023; Wilken & Heuckmann, 2024).

Obwohl Visualisierungen bereits seit vielen Jahren fester Bestandteil prominenter Analysesoftware (z. B. MAXQDA, NVivo) sind, werden sie interessanterweise nur selten publiziert. Eine mögliche Erklärung hierfür könnte sein, dass einerseits methodische Grundlagen fehlen und andererseits zentrale Statistiken (z. B. Distanzmatrix) nicht ausgegeben werden, wodurch die statistische Güte der Darstellungen nicht geprüft werden kann. Solche Informationen lassen sich jedoch mithilfe des Statistikprogramms R Studio ausgeben, das auch leistungsstarke Grafikpakete (z. B. ggraph) für die Erstellung aussagekräftiger und gut lesbarer Visualisierungen bietet.

Dieses Buch trägt dazu bei, Potenziale und Grenzen von Visualisierungsmöglichkeiten von Kodierungen zu eruieren und technische Umsetzungsmöglichkeiten aufzuzeigen. Anhand von MAXQDA und R Studio werden diese Aspekte demonstriert.