Qualitative und interpretative Methoden in der Politikwissenschaft (eBook)

2 Interpretative Ansätze in der qualitativen Forschung

Hendrik Wagenaar

2.1 Einleitung: Möglichkeiten und Herausforderungen in der interpretativen Analyse

Was bedeutet es, qualitative Daten „interpretativ“ zu analysieren? Die britischen Politologen Mark Bevir und Rod Rhodes haben Ansätze, die wir im Folgenden als „interpretative Analyse“ (IA) zusammenfassen, wie folgt definiert: „Interpretive approaches to political studies focus on meanings that shape actions and institutions, and the ways in which they do so“ (Bevir & Rhodes 2004, 130). Dies kommt einer Standarddefinition der IA in der Politikwissenschaft insofern nahe, als sie auf alle wesentlichen Elemente Bezug nimmt: auf politische Handlungen, Institutionen, Bedeutungen und die realitätsgestaltende Kraft dieser Bedeutungen. Unter Bedeutungen sind nicht nur Überzeugungen und Gefühle der Menschen gegenüber politischen Phänomenen zu verstehen, sondern Bedeutungen formen diese Phänomene. Um ein Beispiel zu geben: Ob wir Kleinkriminalität als Effekt von Armut und Ausgrenzung verstehen oder als individuelle und freie Entscheidung der Betroffenen, die für ihr Verhalten zur Verantwortung zu ziehen sind, wirkt sich auch auf die politischen Strategien aus, mit denen wir diesem gesellschaftlichen Phänomen begegnen.

Oberflächlich betrachtet klingt diese Definition wohl für die meisten Menschen sehr plausibel. Sie legt nahe, dass es für die Analyse insbesondere von Public Policy (also der inhaltlichen Ausgestaltung staatlicher Politik) wichtig ist, über offensichtliche Akte politischen Verhaltens hinauszugehen, wie zum Beispiel die Wahl einer bestimmten Partei oder die Unterstützung einer bestimmten politischen Maßnahme. [31]

UM ZU VERSTEHEN, warum etwa ein bestimmtes Politikinstrument nicht die beabsichtigten Wirkungen erzielt oder warum Menschen eine bestimmte Kandidatin wählen, ist es wichtig herauszufinden, was diese politische Maßnahme oder Kandidatin für diese Menschen bedeutet; welche Auswirkungen sie auf das Leben von Menschen haben.

Zu diesem Zweck ist es notwendig, andere Methoden als standardisierte Erhebungsinstrumente einzusetzen. Wir brauchen Methoden, die es uns ermöglichen zu erfassen und zu analysieren, auf welche Weise Menschen ihre Gefühle, Überzeugungen, Ideale, Bedürfnisse, Ängste und Wünsche zum Ausdruck bringen – und wie diese mit sozialen und politischen Praktiken verbunden sind.

Methoden zur Erfassung von Bedeutungen sind mittlerweile weit verbreitet. Denken Sie an qualitative Forschungsinterviews (siehe Kapitel 6) oder ethnographisch inspirierte Methoden wie die Beobachtung (siehe Kapitel 5). Es scheint alles darauf hinauszulaufen, einfach die Methode auf die Frage abzustimmen: Wenn wir eine zuverlässige Schätzung darüber haben wollen, wie ein politisches Phänomen in einer Bevölkerung verteilt ist oder inwieweit es statistisch mit einem anderen Phänomen in Verbindung steht, verwenden wir quantitative Forschungsmethoden. Wenn wir andererseits verstehen wollen, was bestimmte Politikinhalte für die von diesen betroffenen Menschen bedeuten, oder wie Menschen die Bemühungen einer staatlichen Institution zur Verbesserung ihrer Lebensumstände erleben, setzen wir interpretative, qualitative Forschungsmethoden ein. Das klingt doch ganz einfach, oder?

Wenn es nur so einfach wäre! Tatsächlich stoßen diejenigen, die sich von einem interpretativen Ansatz der Politikanalyse angezogen fühlen, schnell auf eine Reihe von Hindernissen, die einem Verständnis dieses Ansatzes im Wege stehen. Erstens umfasst die IA nicht einen Ansatz, sondern viele Ansätze. Bezeichnungen wie Rahmenanalyse (Frame Analysis), Ethnomethodologie, Diskursanalyse (oder neuerdings auch Critical Policy Discourse Analysis – ein Begriff, der keine präzise deutschsprachige Entsprechung hat), narrative Analyse, genealogische Analyse, Hermeneutik (mit oder ohne das Adjektiv „philosophische“), Phänomenologie, Strukturalismus und Poststrukturalismus oder Praxistheorie weisen auf eine enorme Vielfalt von Interpretationsansätzen und konkreten Methoden in der Sozialforschung hin, die nicht nur für Studentinnen verwirrend sein können. Darüber hinaus unterscheiden sich diese Ansätze nicht nur im Hinblick auf den Untersuchungsgegenstand oder die spezifische Vorgehensweise bei der Analyse, sondern auch in ihren philosophischen Annahmen. Diese Annahmen betreffen eine Reihe [32] von erkenntnistheoretischen und ontologischen Fragen – betreffend das Wesen der politischen Realität, die Rolle der Sprache in unserer Wahrnehmung der Welt oder den Platz der Werte in unserem politischen Diskurs. Jede einzelne von ihnen reicht aus, um eine ausgebildete Philosophin ins Schwitzen zu bringen – ganz zu schweigen von Menschen, die mit ihrer wissenschaftlichen Arbeit gerade erst beginnen.

Zweitens ist eine interpretative Analyse intellektuell anspruchsvoll und praktisch herausfordernd. Es gibt Hunderte von Lehrbüchern zur qualitativen Forschung und ein paar gute zur interpretativen Analyse. Dennoch bleibt ihre Verwendung für viele Studierende frustrierend. Im Allgemeinen erklären diese Lehrbücher, wie man Daten sammelt, wie man deren Qualität sicherstellt, wie man die Daten für die Analyse organisiert und wie man sie schließlich analysiert. Was jedoch fehlt, ist der wesentliche Bestandteil der IA: die spezielle Interpretationstheorie, die das analytische Problem definiert, die die Datenerhebung vorantreibt und die der Analyse eine Richtung gibt. Diese Lücke entsteht nicht, weil die Autorinnen bei ihrer Aufgabe, die Methode gut zu erklären, versagen, sondern weil sie versuchen, etwas zu tun, was letztlich unmöglich ist: eine komplexe Fähigkeit durch ein Handbuch zu lehren. Es fällt uns nicht schwer zu verstehen, dass man das Segeln oder Klavierspielen nicht allein dadurch erlernen kann, indem man Bücher darüber liest. Man muss üben. Deshalb engagiert man eine Segel- oder Klavierlehrerin. Dasselbe gilt für die IA: Man kann sie nur erlernen, indem man sie unter der Anleitung einer erfahrenden Forscherin selbst öfters durchführt.

Ein weiteres Problem besteht darin, dass die IA (und die qualitative Forschung im Allgemeinen) Gegenstand erheblicher Missverständnisse ist, und das nicht nur unter Nachwuchswissenschaftlerinnen. Das bei Weitem größte Missverständnis besteht darin, dass sie oftmals als „subjektiv“ betrachtet wird. Dies ist ein großes Problem. Gutachterinnen wissenschaftlicher Fachpublikationen oder Forschungsförderungsanträge und auch Betreuerinnen von Abschlussarbeiten äußern regelmäßig ihre Bedenken über die angebliche Subjektivität eines interpretativen Forschungsdesigns. Andere wiederum schlagen vor, man solle das Design „verbessern“, indem man eine größere oder repräsentativere Stichprobe auswählt, Hypothesen formuliert oder Variablen formal operationalisiert. Einige meiner eigenen Forschungsanträge wurden abgelehnt, weil die Gutachterinnen offensichtlich qualitative Fallstudien mit quantitativen Stichproben verwechselten: Qualitative Fallstudien zielen auf theoretische Vielfalt ab, quantitative auf statistische Repräsentativität. Was diese Gutachterinnen also verlangen, basiert in der Tat auf einem Kategorienfehler: nämlich darauf, die Logik der quantitativen Forschung auf die qualitative Forschung zu übertragen. Damit tragen sie zum [33] Missverständnis bei, die qualitative Forschung sei quasi eine einfachere, „schwammigere“ Variante der quantitativen. Wenn es wirklich so wäre, dann könnten wir uns qualitative Forschung eigentlich ganz sparen. Aber so ist es glücklicherweise nicht.

Im nächsten Abschnitt werde ich argumentieren, dass Bedeutung, das Kernelement der IA, nicht subjektiv, sondern „situiert“ ist – was in vielen Fällen darauf hinausläuft, dass die Bedeutung faktisch objektiv ist.

2.2 Was ist Bedeutung?

Interpretative Erklärungen können am besten als Gegenbegriff zu kausalen Erklärungen verstanden werden. Wenn wir einen heißen Ofen berühren oder uns schneiden, verspüren wir Schmerzen. Dies ist ein alltägliches Beispiel für einen kausalen Zusammenhang: Die an den Händen wahrgenommene Hitze löst über neurale Wege das Schmerzempfinden aus – und wir ziehen reflexartig unsere Hand zurück, um Gewebeschäden zu vermeiden. Obwohl solche Beispiele ganz logisch klingen, sind kausale Zusammenhänge in der sozialwissenschaftlichen Forschung schwer nachzuvollziehen. Philosophinnen argumentieren, dass drei Bedingungen erfüllt sein müssen, damit eine Beziehung als kausal gelten kann:

1. Die unabhängige Variable X korreliert mit der abhängigen Variable Y,

2. X geht Y voraus,

3. es muss ein Mechanismus angegeben werden können, der zeigt, wie Variable X sich auf Variable Y auswirkt.

In den Sozialwissenschaften ist die erste Bedingung relativ leicht nachzuweisen. So kovariieren beispielsweise Bildungsniveau und Stimmabgabe: Personen mit höherem Bildungsniveau neigen eher dazu, wählen zu gehen. Doch der Nachweis der beiden anderen Bedingungen gestaltet sich in der Regel schwieriger. In solchen Fällen neigt man dann dazu, die Kausalität auf einen rein statistischen Zusammenhang zurückzuführen. Zum Beispiel schneiden Mädchen in der Schule besser ab als Jungen. Dies ist eine Korrelation, die über alle Altersstufen und Kulturen hinweg besteht. Bedeutet das, dass Mädchen klüger sind als Jungen? So attraktiv diese Hypothese für manche Menschen auch sein mag, so ungerechtfertigt ist sie doch. (Ein Hinweis auf die wahre Ursache des unterschiedlichen schulischen...