Computational Sensitizing: Zum Mehrwert von Textual Data-Mining im Kontext genuin qualitativer Forschung

Abstract

Analyse- und Visualisierungsverfahren des Textual Data-Minings finden zunehmend auch in der qualitativen Sozialforschung Anwendung. Damit gehen konzeptionelle Überlegungen einher, solche Verfahren direkt in Forschungsprozesse einzubetten. Im Gegensatz zu einer wechselseitigen Kombination von digitalen und qualitativen Methoden argumentieren wir für eine nachgeordnete Nutzung des Textual Data-Minings, die sich auf sprachstatistische Analyseschritte zum Zweck eines Computational Sensitizing beschränkt. Mit computationaler Sensibilisierung meinen wir eine Perspektivenerweiterung: Textual Data-Mining dient dann - wie bisher Vorwissen und Theorien - allein dazu, Fragen an und veränderte Sichtweisen auf das Material anzuregen. Im Beitrag veranschaulichen wir exemplarisch an einem Projekt aus der Bildungsforschung, wie Ergebnisse des Textual Data-Minings für Besonderheiten in den qualitativen Daten sensibilisieren können.

Textual data mining analysis and visualization methods are increasingly used in qualitative social research. This is accompanied by conceptual considerations of embedding such methods directly into research processes. In contrast to a reciprocal combination of digital and qualitative methods, we argue for a subordinate use of textual data mining that is limited to linguistic-statistical analysis steps for the purpose of computational sensitizing. By computational sensitizing we mean a broadening of perspective; textual data mining, like previous knowledge and theories, then serves only to stimulate questions and changed perspectives on the material. In this article, we use an educational research project to illustrate how the results of textual data mining can sensitize people working with qualitative data and doing qualitative research.