Methoden und Standards

Die Herausforderung der Aggregation

Die Forschungseinheit ist in mehrere Projekte involviert, die innovative Ansätze zur Bewältigung der sogenannten "Aggregationsherausforderung" verfolgen. Die Aggregationsherausforderung besteht darin, Ergebnisse aus mehreren Studien zu kombinieren, um kumulatives Lernen zu fördern. Die Wissenschaftler betrachten diese Herausforderung als eine der größten, mit denen Sozialwissenschaftler konfrontiert sind, und ist überzeugt, dass ihre Lösung entscheidend zur Stärkung der Relevanz und Zuverlässigkeit sozialwissenschaftlicher Ergebnisse beitragen wird.

  • Koordinierte Studien. IPI hat sich an der "Metaketa"-Initiative beteiligt, die am EGAP angesiedelt ist. Metaketas sind koordinierte randomisierte Studien über mehrere Standorte hinweg mit harmonisierten Messungen und Analysestrategien. Eine Zusammenfassung dieses Artikels ist in Science Advances zu finden, in welchen die Ergebnisse von Metaketa 1 aufgezeigt sind. Die IPI WissenschaftlerInnen haben hierfür eine App entwickelte, die „shiny app“, welche es Lesern erlaubt, Analysen und die Belastbarkeit von Ergebnissen, bei Einbeziehung oder Ausschluss verschiedener Studien, untersuchen zu können.
  • Koordinierte Analyse von Strategien zur Messung versteckter Populationen. Die Abteilung leitet die Meta-Analyse für eine von APRIES koordinierte Sammlung von Studien aus mehreren Ländern, um die Prävalenz des Menschenhandels zu ermitteln. Siehe das ‚hiddenmeta‘-Paket unter https://gsyunyaev.com/hiddenmeta/
  • Metamodelle: Das Projekt Correlates of Corona untersucht sozioökonomische Prädiktoren der Covid-Mortalität. Die experimentelle Phasen konzentrieren sich auf die Aggregation von disziplinären Überzeugungen über die Logiken, die Corona antreiben, und Strategien, um Beobachtungsmuster mit kausalen Logiken zu verbinden. Siehe hier die auftretenden Herausforderungen.

Weiterführende Literatur:

Qualitative und gemischte Methoden Inferenz

Die Forschungseinheit entwickelte Ansätze, um qualitative und quantitative Strategien besser zu integrieren und theoretische sowie empirische Forschung besser zu verknüpfen. Die Kernidee besteht darin, Theorien als Kausalmodelle darzustellen und Bayessche Modelle zu verwenden, um diese Theorien anhand einer Mischung aus "Korrelations-" und "Prozessdaten" zu aktualisieren. Diese Modelle können schließlich abgefragt werden, um kausale Beziehungen für bestimmte Fälle von Interesse abzuleiten.

  • Im Oktober 2023 veröffentlichte Macartan Humphreys zusammen mit Alan Jacobs  Integrated Inferences, welches von der Cambridge University Press verlegt wurde. Integrated Inference liefert Strategien für die Verwendung von Kausalmodellen, um Schlussfolgerungen aus qualitativen und quantitativen Daten zu integrieren und bessere theoretische Einblicke in die qualitative Arbeit zu ermöglichen. Die Schlüsselstrategie besteht darin, Bayessche Ansätze zu verwenden, um gleichzeitig Querschnittsinformationen über Ursachen und Ergebnisse und Prozessinformationen über die Funktionsweise kausaler Mechanismen zu aktualisieren. Für mehr Informationen siehe integrated-inferences.github.io
  • Die Forschungseinheit pflegt das R-Paket CausalQueries, mit welchen Benutzer kausale Modelle definieren und kombinieren können. In diesem Leitfaden  gibt es Beispiele für die Anwendungen zur Kombination von Schlussfolgerungen aus qualitativen und quantitativen Analysen, Schlussfolgerungen aus beobachtenden- und experimentellen Studien und Schlussfolgerungen aus mehreren Versuchen, die verschiedene Teile eines gemeinsamen Kausalmodells untersuchen. Für weitere Informationen siehe die Einführungsfolien. Sisi Huang hat eine Shiny App entwickelt, die einen einfachen Zugang zu den Kernfunktionen ermöglicht.

Forschungsdesign

Die „Kredibilitätsrevolution“ hat zu einem stärkeren Fokus auf die Qualität der Forschungsdesigns geführt, wenn es darum geht, welche Schlussfolgerungen aus veröffentlichten Studien gezogen werden sollen. Überraschenderweise gibt es jedoch nur wenige gemeinsame Standards, um Designs zu charakterisieren oder ihre Qualität zu bewerten.    

  • Im August 2023 veröffentlichte Macartan Humphreys zusammen mit Graeme Blair und Alex Coppock das Buch Research Design in the Social Sciences (Princeton University Press). Dieses Buch bietet einen Rahmen zur Charakterisierung und Verbesserung von Forschungsdesigns und zur Verbesserung der Forschungstransparenz. Das Rahmenwerk wurde in das EGAP-Register für Forschungsdesigns integriert, welches im Entwicklungsblog der Weltbank beworben wurde und derzeit in mehreren Forschungslaboren getestet wird. Mit Zustimmung der Princeton University Press ist das Buch als open access verfügbar.
  • Eine "glänzende" Schnittstelle für das Rahmenkonzept wurde am WZB von Lily Medina, Clara Bicalho und Markus Konrad entwickelt.
  • Leistungsanalyse mit DeclareDesign

Keinen Schaden anrichten bei der Durchführung von Forschungsarbeiten in Entwicklungsländern - Was ist mit den Forschenden?

Mit diesem Projekt werden zwei Ziele verfolgt: Erstens wurden die ethischen Herausforderungen, mit denen das lokale und internationale Forschungspersonal bei der Durchführung von Feldforschungsprojekten im Globalen Süden konfrontiert sind, identifiziert und zusammengefasst. Zweitens zielte das Projekt auf eine kritische Bewertung und Überprüfung bestehender ethischer Richtlinien und Protokolle ab, mit welchen diese Herausforderungen thematisiert und gemildert werden sollten. Dies dient als Leitfaden für die Entwicklung normativer ethischer Grundsätze und standardisierter Forschungsrichtlinien, welche sowohl die spezifischen Komplexitäten im Zusammenhang mit der Forschung in Entwicklungsländern als auch den Schutz des lokalen und internationalen Forschungspersonals auf allen Hierarchieebenen berücksichtigen.

WissenschaftlerInnen: Ana Garcia-Hernandez (WZB), Lennart Kaplan (DIE), Jana Kuhnt (DIE) und Janina Isabel Steinert (TUM)

Finanzierung: Joachim Herz Stiftung

Status: 2019-2023, Projekt abgeschlossen

Link zur Projektseite