Forschung, Evaluation und Methodik
- Empirische Sozial- und Bildungsforschung
- Forschungsdesign und Operationalisierung
- Quantitative und qualitative Forschungsmethoden
- Evaluation und empirische Projektbegleitung
Profil
Forschungsmethoden, Statistik und Lehre verbinden
Mein fachliches Profil verbindet empirische Sozial- und Bildungsforschung, quantitative und qualitative Forschungsmethoden, Statistik, Evaluation, Data Literacy, digitale Hochschuldidaktik und den wissenschaftlich reflektierten Einsatz generativer KI in Forschung und Lehre. Diese Verbindung wird von einer erkenntniskritischen und reflexiven Perspektive auf Forschungsdesign, Datenauswertung und Interpretation getragen.
Meine Arbeit bewegt sich an der Schnittstelle von empirischer Forschung, Hochschullehre, Forschungsberatung und methodischer Unterstützung. Im Zentrum steht die Frage, wie Forschungsprozesse so geplant, durchgeführt, ausgewertet, interpretiert und reflektiert werden können, dass sie fachlich tragfähig sind und praktisch umsetzbar bleiben.
An der Pädagogischen Hochschule Schwäbisch Gmünd leite ich die Forschungswerkstatt. Zugleich baue ich derzeit im Rahmen der Gmünd Ulm School of Education (GUSE) ein Praxisforschungs- und KI-Lab auf, das methodische Forschungsunterstützung mit der Erprobung lokaler generativer KI und KI-gestützter Arbeitsprozesse in Forschung und Lehre verbinden soll.
Mein Zugang zu empirischer Forschung ist von kritischem Rationalismus sowie konstruktivistischen Perspektiven geprägt, insbesondere von Piagets genetischer Erkenntnistheorie und Glasersfelds radikalem Konstruktivismus. Forschung beginnt nicht erst bei der Auswertung, sondern bereits bei der Frage, welche Begriffe verwendet, welche Ausschnitte der Wirklichkeit sichtbar gemacht und welche anderen ausgeblendet werden. Messungen, Skalen, Indikatoren und statistische Verfahren sind deshalb nie bloß technische Schritte, sondern Teil eines begründungsbedürftigen Forschungsprozesses.
Diese Perspektive prägt auch meine Lehre und Beratung. Ob es um Forschungsdesigns, Methoden, Evaluationen, qualitative Auswertung, statistische Verfahren oder KI-gestützte Arbeitsprozesse geht: Entscheidend ist nicht, ein Verfahren mechanisch anzuwenden, sondern seine Voraussetzungen, Grenzen und Aussagekraft zu verstehen.
Seit 2023 arbeite ich intensiv mit generativer KI in Forschung, Lehre und wissenschaftlichen Arbeitsprozessen. Dabei interessiert mich weniger der jeweilige Tool-Hype als die Frage, wo generative KI wissenschaftliche Arbeit sinnvoll unterstützen kann und wo ihre Grenzen liegen. Das betrifft unter anderem Recherche und Strukturierung, die Entwicklung von Forschungsfragen und Designs, die Vorbereitung und Reflexion von Auswertungen, das Datenverständnis, die Textarbeit sowie die Entwicklung von Lehr-Lern-Szenarien.
Arbeitsschwerpunkte
Statistik und Data Literacy
- Statistik und Auswertungspraxis
- Statistikdidaktik und verständliche Vermittlung
- Data Literacy und Interpretation von Daten
- Auswertungsplanung, Aussagekraft und Grenzen
Lehre und Beratung
- Lehr-Lern-Szenarien für Methoden und Statistik
- Materialien, Aufgaben und Feedbackprozesse
- Beratung und Coaching zum Forschungsprozess
- Unterstützung bei Lehr- und Lernprozessen
KI in Forschung und Lehre
- Generative KI in wissenschaftlichen Arbeitsprozessen
- KI-gestützte Strukturierung, Recherche und Textarbeit
- KI-Assistenten für Forschungs- und Lehr-Lernprozesse
- Reflexion von Grenzen, Qualität und Verantwortung
Professionelle Grundhaltung
Erkenntniskritisch arbeiten, verständlich vermitteln
Als Wissenschaftler
Empirische Forschung ist für mich keine naive Abbildung von Wirklichkeit. Denn Daten entstehen durch Begriffe, theoretische Vorentscheidungen, Operationalisierungen, Messinstrumente, Erhebungssituationen und Auswertungsentscheidungen. Meine wissenschaftliche Grundhaltung ist deshalb erkenntniskritisch geprägt: kritisch-rationalistisch in der Prüfung von Hypothesen, Aussagen und Begründungen und zugleich konstruktivistisch in der Aufmerksamkeit für Perspektivität, Kontext und die Grenzen empirischer Erkenntnis.
Zentrale Maßstäbe sind für mich Transparenz und Nachvollziehbarkeit. Erst wenn erkennbar ist, wie Begriffe, Daten, Entscheidungen, Kompromisse und Ergebnisse zustande gekommen sind, lassen sich Objektivität, Reliabilität, Validität und Aussagekraft sinnvoll beurteilen.
Als Dozent
Als Dozent verstehe ich Methoden- und Statistiklehre auch wissenschaftspropädeutisch: Sie soll nicht nur Verfahren erklären, sondern dazu befähigen, Begriffe, Definitionen, Messentscheidungen, Datenauswertungen und Interpretationen kritisch zu prüfen. Mein Ziel ist eine Vermittlung, die Komplexität strukturiert, Entscheidungen nachvollziehbar macht und Studierende, Promovierende und Lehrende dabei unterstützt, Forschungs- und Lehrprozesse sicherer, kritischer und selbstständiger zu gestalten.
Dazu gehört auch, Transparenz und Nachvollziehbarkeit als zentrale wissenschaftliche Maßstäbe ernst zu nehmen: Wer Forschung lernen soll, muss nicht nur Ergebnisse verstehen, sondern auch nachvollziehen können, wie sie entstehen, begründet werden und wo ihre Grenzen liegen.