Zeitschrift für Sozialwissenschaften

Abstrakt

Bayesianisches Paradigma in der sozialen Interventionsforschung zum Aufbau von Beweisen

Ding-Geng Chen

Problemstellung: Soziale Interventionen sind gezielt umgesetzte Veränderungsstrategien und die Forschung zu sozialen Interventionen soll dann einem Design- und Evaluierungsprozess folgen, bei dem die Aktivitäten im Laufe der Zeit auf Vorinformationen aufbauen. Der Prozess ist iterativ und nichtlinear bei der Verfeinerung und dem Aufbau neuer Beweise. Obwohl Vorinformationen in aufeinanderfolgende neue Beweise einfließen, werden Vorinformationen bei der Datenanalyse in Interventionsanalysen selten berücksichtigt. Dies steht im Widerspruch zu unserem wissenschaftlichen Prinzip des Beweisaufbaus und es sollten neue Paradigmen erforscht werden.

Methodik und theoretische Ausrichtung: Wir beschreiben eine Bayes’sche Perspektive auf die Interventionsforschung. Bayes’sche Methoden nutzen Vorabinformationen in Analysen. Anstatt Vorabinformationen zu ignorieren, wie dies bei typischen Interventionsanalysen der Fall ist, bezieht der Bayes’sche Ansatz zur Interventionsforschung Vorabinformationen aus neuen Datenverteilungen auf Grundlage des Bayes’schen Theorems ein. Informationen aus früheren Studien können verwendet werden, um eine Posterior-Verteilung zu formulieren. Diese Posterior-Verteilung wird dann in den Inferenzprozess einbezogen. Daher analysiert ein Bayes’scher Ansatz zur Interventionsforschung aktuelle Studiendaten, indem er  auf Informationen aus früheren Studien zurückgreift. Die Bayes’sche Perspektive bietet eine sequentielle quantitative Methode zur Schätzung von Ergebnissen in neu erhaltenen Daten, indem sie das vorherige Verständnis der Interventionseffekte nutzt.

Schlussfolgerung und Bedeutung: Aus der Perspektive des Forschungsdesigns haben Bayesianische Methoden das Potenzial, die Aussagekraft zu verbessern und die erforderlichen Stichprobengrößen in der Interventionsforschung zu reduzieren. Wenn kleinere Stichproben verwendet werden könnten, könnten die Kosten von Interventionsstudien gesenkt werden, was wiederum die Designanforderungen der Interventionsforschung verringern könnte.