Analyse von Werkzeugen zur konzeptionellen Modellierung ...

Technische Universität München
Fakultät für Informatik
Diplomarbeit in Informatik
Analyse von Werkzeugen zur
konzeptionellen Modellierung:
Konzepte und Bewertungsmethoden
Thomas Frowein
Aufgabensteller: Prof. Bernd Brügge, Ph.D.
Betreuer: Dipl.-Inf. Michael Nagel
Abgabedatum: 15. Juli 2006

Erklärung:
Ich versichere, dass ich diese Diplomarbeit selbständig verfasst und nur die angegebenen
Quellen und Hilfsmittel verwendet habe.
Unterschleißheim, den 15. Juli 2006
Thomas Frowein
II

Inhaltsverzeichnis
I. Einleitung 3
1. Einführung 4
2. Problemstellung 5
II. Methodik 7
3. Einführung in die Softwaretechnik 8
3.1. Softwaretechnik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2. Unified Modeling Language (UML) . . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Entwurfsmuster . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4. Konzeptionelle Modellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.5. Computer Aided Software Engineering (CASE) . . . . . . . . . . . . . . . . 20
3.6. Grafik-Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.7. Tablet PC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4. Einführung in die empirische Sozialforschung 23
4.1. Ablauf empirischer Sozialforschung . . . . . . . . . . . . . . . . . . . . . . . 24
4.2. Wissenschaftstheorie und empirische Sozialforschung . . . . . . . . . . . . . 25
4.3. Konzeptspezifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.3.1. Gütekriterien der Messung . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.2. Indexbildung und Skalierungsverfahren . . . . . . . . . . . . . . . . . 33
4.4. Forschungsdesign und Untersuchungsformen . . . . . . . . . . . . . . . . . . 36
4.4.1. Störfaktoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4.2. Forschungsdesigns . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.5. Auswahlverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5.1. Zufallsstichproben . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5.2. Willkürliche und bewusste Auswahlen . . . . . . . . . . . . . . . . . 44
4.6. Datenerhebungstechniken . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.6.1. Befragung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6.2. Beobachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.6.3. Inhaltsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.6.4. Nicht-reaktive Messverfahren . . . . . . . . . . . . . . . . . . . . . . 59
4.7. Datenaufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.8. Datenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
III

5. Einführung in die empirische Softwaretechnik 65
5.1. Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.2. Untersuchungsformen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.2.1. Experiment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2.2. Fallstudie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2.3. Umfrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.4. Metastudie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3. Methoden zur Evaluation von Software . . . . . . . . . . . . . . . . . . . . . 72
III. Anwendung der Methodik 75
6. Evaluation von Werkzeugen zur konzeptionellen Modellierung 76
6.1. Ziel der Untersuchung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.1.1. Kontext der Studie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.1.2. Hypothese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.2. Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.1. Untersuchungsform . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.2. unabhängige und abhängige Variablen . . . . . . . . . . . . . . . . . 79
6.2.3. Auswahl der Untersuchungsobjekte . . . . . . . . . . . . . . . . . . . 80
6.2.4. Störeffekte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.3. Implementierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3.1. Exkurs: Evaluation von Lehre . . . . . . . . . . . . . . . . . . . . . . 82
6.3.2. Exkurs: Motivation zur Teilnahme . . . . . . . . . . . . . . . . . . . 83
6.3.3. Exkurs: Datenschutzrecht . . . . . . . . . . . . . . . . . . . . . . . . 84
6.3.4. Fragebogen zur Vorlesung . . . . . . . . . . . . . . . . . . . . . . . . 86
6.3.5. Fragebogen zur Übung . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.3.6. Modellierungsaufgabe . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.3.7. Pretest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.4. Datenerhebung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.4.1. geplante Durchführung der Befragung . . . . . . . . . . . . . . . . . 89
6.4.2. Durchführung der Befragung in der Praxis . . . . . . . . . . . . . . . 90
6.5. Datenerfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.5.1. Codeplan und Codierung . . . . . . . . . . . . . . . . . . . . . . . . 91
6.5.2. Strukturierung und Visualisierung . . . . . . . . . . . . . . . . . . . 92
6.6. Analyse und Interpretation der Ergebnisse . . . . . . . . . . . . . . . . . . . 93
6.6.1. Ergebnisse der Vorlesungsbefragung . . . . . . . . . . . . . . . . . . 93
6.6.2. Ergebnisse der Übungsbefragung . . . . . . . . . . . . . . . . . . . . 97
6.6.3. Anforderungen an Werkzeuge für die konzeptionelle Modellierung . . 104
6.6.4. Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.6.5. Verwandte Arbeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
IV

IV. Schluss 107
7. Fazit 108
7.1. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.2. Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.3. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
V. Anhang 111
A. Fragebögen 112
B. Modellierungsaufgabe 118
C. Erhebungsdaten 122
D. Verzeichnisse 130
V

Abstract
Empirische Methoden finden bisher wenig Anwendung in der Informatik. Gerade aber in
der Softwaretechnik sind empirische Methoden eine gute Technik um verschiedene Lösungen
oder Werkzeuge, hinsichtlich der Effizienz oder Benutzerfreundlichkeit beurteilen zu
können. Entsprechende Methoden finden schon seit vielen Jahrzehnten in der empirischen
Sozialforschung Anwendung. Eine Übertragung auf die Softwaretechnik erscheint also sinnvoll.
Die konzeptionelle Modellierung ist die skizzenartige Entwicklung von Modellen, also der
erste Schritt auf dem Weg zu einem Modell. Dieses Gebiet wird bisher kaum durch Werkzeuge
unterstützt, die auch adäquat für die Lehre sind. In dieser Arbeit werden die aus der empirischen
Sozialforschung bekannten Konzepte zur Bewertung von Werkzeugen der konzeptionellen
Modellierung genutzt. Dies geschieht in der Form eines Experiments mit anschließender
Befragung. Dabei werden Studenten in Gruppen eingeteilt, die eine Modellierungs-
Aufgabe jeweils mit einem anderen Werkzeug lösen. Im Anschluß daran werden durch
eine Befragung die Vor- und Nachteile der verschiedenen Werkzeuge erfragt. Aus diesen
Erfahrungen wird dann ein neues Werkzeug skizziert, das die positiven Aspekte der bestehenden
Werkzeuge in sich vereint. Durch weitere - bisher fehlende Funktionalitäten -
werden die Anforderungen an ein “optimales” Werkzeug zur konzeptionellen Modellierung
vervollkommnt.
Teil I gibt einen Überblick über die Problemstellung die dieser Arbeit zugrunde liegt.
Teil II ist eine Einführung in die Softwaretechnik und die konzeptionelle Modellierung,
sowie in den Aufbau von Untersuchungen in der empirischen Sozialforschung. Die Techniken
dieser Untersuchungen werden dann auf die Softwaretechnik übertragen.
Teil III beschreibt die Anwendung der Methodik in Form eines Evaluationsexperiments,
das verschiedene Wege der konzeptionellen Modellierung untersucht. Die Ergebnisse des
Experimentes werden dargestellt, interpretiert und zu der Skizzierung einer neuen Werkzeuglösung
verwendet.
Teil IV beinhaltet eine Zusammenfassung der gewonnenen Erkenntnisse. Der Einsatz
empirischer Methoden wird kritisch betrachtet und mögliche zukünftige Entwicklungen
werden angedacht.
1

Teil I.
Einleitung
3

1. Einführung
Die Entwicklung neuer Technologien wird zunehmend komplexer. Wenn es nun darum geht,
bestimmte Aspekte einer neuen Technologie genau zu beurteilen, ist es notwendig, Testverfahren
anzuwenden, die mit bewährten und anerkannten Methoden zuverlässige Kriterien
für die Bewertung liefern.
Die Ausprägungen von Tests nehmen dabei mitunter groteske Formen an. Dies war beispielsweise
bei den Arbeiten des Nobelpreisträgers für Medizin im Jahr 2005 zu sehen. Der
Australier Barry Marshall hatte die Hypothese, dass Magengeschwüre nicht durch Stress
sondern vielmehr durch ein bestimmtes Bakterium ausgelöst würden. Um dies zu beweisen,
führte er ein Selbstversuch durch und schluckte einen Cocktail mit den gefundenen Bakterien.
Der bis dahin gesunde Mediziner erkrankte, vermochte aber dann, sich wieder selbst
zu heilen. Durch diesen Selbstversuch war er in der Lage, seine Hypothese zu untermauern
und konnte für viele an Magengeschwüren Erkrankte einen großen Durchbruch erzielen.
Es ist aber nicht immer unbedingt nötig, einen ganz neuen und - siehe oben - vielleicht
selbstzerstörerischen Weg zu gehen. Oft reicht es schon, wenn man über den Tellerrand
einer Disziplin hinaus blickt und sich von anderen Gebieten inspirieren lässt. Durch die
Kombinationen von in den jeweiligen Wissenschaften anerkannten Methoden kann man
neue und bessere Techniken entwickeln.
4

2. Problemstellung
Ziel dieser Arbeit soll es nun sein, Konzepte zur Durchführung von Studien, die auf dem
Gebiet der Informatik Anwendung finden können, zu untersuchen.
Hierzu sollen Methoden betrachtet werden, wie sie beispielsweise zur Durchführung von
Untersuchungen in den Geisteswissenschaften genutzt werden. Genauer gesagt, wird die
empirische Sozialforschung näher betrachtet. Da es bei der empirischen Sozialforschung
um die Erfassung und Deutung menschlichen Verhaltens geht, ist sie dann recht gut für
einen Einsatz in der Informatik geeignet, wenn es um die Interaktion zwischen Mensch
und Maschine geht. In der empirischen Softwaretechnik finden diese Methoden Anwendung
und dienen der Beurteilung von Prozessen, Softwarelösungen usw. Hierbei sind besonders
Aspekte der Effizienz und Benutzerfreundlichkeit im Zentrum des Interesses.
Diese Arbeit umfasst neben dem vorgenannten noch einen weiteren zentralen Aspekt. Die
zuvor erarbeiteten Konzepte sollen in ein Experiment einfließen, das Werkzeuge zur konzeptionellen
Modellierung analysiert.
Unter konzeptioneller Modellierung ist folgendes zu verstehen: Am Anfang der Modellierung
eines Softwaresystems steht eine kreative Phase, in der in rascher Folge Modelle
von hohem Abstraktionsgrad skizziert, verändert und wieder verworfen werden, bis sich
ein brauchbares Lösungskonzept für das Gesamtproblem herauskristallisiert. Dieser “konzeptionelle
Modellierung” genannten Brainstorming-Phase stehen bisher kaum geeignete
Werkzeuge zur Verfügung. Vor allem der akademische Bereich ist aber auf einfache und
intuitiv benutzbare Werkzeuge angewiesen.
UML (Unified Modeling Language) ist die Notation für die Modellierung von Systemen, die
sich als industrieller Standard durchgesetzt hat. Um Studenten Fähigkeiten zur konzeptionellen
Modellierung zu vermitteln, werden im Rahmen von Softwaretechnik-Vorlesungen
Aufgaben gestellt, die mit dem Computer zu lösen sind. Oft kommen dabei auch Entwurfsmuster
zum Einsatz. Das sind Lösungsvorlagen, die Entwickler mit der Zeit verfeinert haben,
um eine Reihe von immer wiederkehrenden Problemen zu lösen.
Ziel dieser Arbeit ist es, bestehende Werkzeuglösungen hinsichtlich ihrer Vor- und Nachteile
bei der konzeptionellen Modellierung zu untersuchen. Dazu werden Studenten Aufgaben
zu Entwurfsmustern gestellt, die in Form eines UML-Modells gelöst werden sollen. Die
Probanden werden in Gruppen eingeteilt, die je eine andere Eingabemethode zur Bearbeitung
dieser Aufgabe nutzen. Verglichen werden dabei die Eingabemethoden Papier und
Stift, Grafikprogramm, CASE-Tool und Tablet-PC. Die Studenten füllen nach Abschluss
der Aufgabe einen Fragebogen aus, in dem sie die benutzte Eingabemethode nach verschiedenen
Kriterien bewerten. Aus den Ergebnissen dieser Bewertungen sollen Anforderungen
für ein Werkzeug abgeleitet werden, das sich besonders für die Lösung von Aufgaben zur
konzeptionellen Modellierung, gerade in der Softwaretechnik-Lehre, eignet.
5

Teil II.
Methodik
7

3. Einführung in die Softwaretechnik
Dieses Kapitel gibt eine kurze Einführung in die Teilgebiete der Informatik, die für die
Durchführung dieser Untersuchung wichtig sind. Neben der Softwaretechnik und einem
Überblick über UML (Unified Modeling Language), sind dies die Werkzeuge, mit denen
das im Teil “Anwendung der Methodik” (Teil III) beschriebene Experiment durchgeführt
wurde. Dazu werden im Einzelnen die Begriffe Computer-Aided Software Engineering,
Grafik-Software sowie Tablet PC näher betrachtet.
Auf die Softwaretechnik und UML soll etwas genauer eingegangen werden, um einen Eindruck
davon zu vermitteln, was der Lernstoff für die Studenten ist. Außerdem soll deutlich
gemacht werden, welche Art von Aufgaben sie zu lösen haben.
3.1. Softwaretechnik
Die Softwaretechnik ist eine Sammlung von Techniken, Methoden und Werkzeugen, welche
dabei helfen, ein Softwaresystem zu erstellen. Der Begriff Softwaretechnik (engl. software
engineering) geht auf das Jahr 1968 zurück. Zu dieser Zeit war der Entwicklungsprozess
von Software alles andere als gut organisiert. Es war schwierig, zuverlässige Software zu
entwickeln, die den vorgegebenen Zeit- und Kostenaspekten genügte. Softwareentwickler
waren nicht fähig, bei einem Projekt konkrete Ziele zu setzen, die entsprechenden Produktionsmittel
zu veranschlagen und dann auch noch die Erwartungen der Kunden genau zu
erfüllen.
Bei der Softwaretechnik liegt die Betonung gleicherweise auf beiden Wortteilen: Software
und Technik. Technik deswegen, weil bei der Entwicklung von Software ein ingenieurmäßiges
Vorgehen angewendet werden soll. Ein Ingenieur kann ein qualitativ hochwertiges
Produkt mit Standardkomponenten unter Beachtung bestimmter Zeit- und Kostengesichtspunkte
bauen. Selbst wenn er mit schlecht definierten Problemen oder Teillösungen arbeiten
muss, kann er durch die Nutzung empirischer Methoden Lösungen beurteilen. [BrDu04]
Balzert definiert die Softwaretechnik als: “zielorientierte Bereitstellung und systematische
Verwendung von Prinzipien, Methoden und Werkzeugen für die arbeitsteilige, ingenieurmäßige
Entwicklung und Anwendung von umfangreichen Softwaresystemen.” [Balz01]
Die Entwicklung eines Softwaresystems ist gemäß [BrDu04] ein Projekt und setzt sich
aus mehreren Aktivitäten zusammen. Jede Aktivität besteht wiederum aus mehreren
Aufgaben, und die Lösung jeder dieser Aufgaben verbraucht Ressourcen und erzeugt
ein Arbeitsergebnis. Ressourcen sind Teilnehmer, Personen die an der jeweiligen Aufgabe
beteiligt sind (Kunde, Entwickler, Projektmanager...), Zeit, welche die Aufgabe in
Anspruch nimmt und drittens Ausrüstung, die für die Lösung der Aufgabe ge- und verbraucht
wird. Man kann sie als Vermögenswerte beschreiben, “die zur Bewältigung der
Aufgabe verwendet werden” [BrDu04]. Das Ergebnis einer Aufgabe kann ein System, ein
Modell oder ein Dokument sein.
8

Unter System ist eine Sammlung untereinander verbundener Teile zu verstehen. Der Begriff
Modell wird für jede Art von Abstraktion des Systems gebraucht. Das Arbeitsergebnis
ist ein Artefakt, welches während der Entwicklung erzeugt wird. Dies kann beispielsweise
ein Stück Software oder auch ein Dokument sein. Es gibt sowohl Arbeitsergebnisse,
die für den internen Gebrauch sind, als auch solche, die an den Kunden geliefert werden
(Lieferergebnis). Eine Aufgabe ist die Repräsentation einer atomaren Arbeitseinheit, die
eine Verwaltung möglich macht. Mehrere Aufgaben ergeben eine Aktivität, die zu einem
bestimmten Zweck ausgeführt wird. So dient beispielsweise die Aktivität der Anforderungsermittlung
der Definition der Aufgaben des Systems.
Die grafische Veranschaulichung dieser Konzepte ist in UML-Notation dargestellt (siehe
Abbildung 3.1). Jedes Rechteck repräsentiert eines dieser Konzepte, die Linien repräsentieren
die Beziehungen der Konzepte untereinander. (Für eine genaue Erklärung der UML-
Notation sei auf das Kapitel 3.2 verwiesen.)
Abbildung 3.1.: Objekte aus der Softwaretechnik, in UML-Notation [BrDu04]
Als nächstes soll auf die einzelnen Aktivitäten, die zur Entwicklung eines Softwaresystems
notwendig sind, eingegangen werden. Die Aktivitäten sind gemäß [BrDu04] in zwei grobe
Bereiche eingeteilt: die Softwareentwicklungsaktivitäten, die so genannten Kernprozesse,
und die Managementaktivitäten der Softwareentwicklung, die Unterstützungsprozesse.
Softwareentwicklungsaktivitäten sind technische Aktivitäten die mit der objektorientierten
Softwaretechnik zusammenhängen. Diese sind:
• Anforderungsermittlung
• Analyse
9

• Systementwurf
• Objektentwurf
• Implementierung
• Testphase
“Entwicklungsaktivitäten reduzieren die Komplexität des Problems, indem sie Modelle des
Anwendungsbereiches und des zu entwickelnden Systems konstruieren.” [BrDu04]
Bei der Anforderungsermittlung soll der genaue Zweck des zu entwickelnden Systems
definiert werden. Dies geschieht in enger Zusammenarbeit zwischen dem Kunden und dem
Entwickler. Als Ergebnis geht aus dieser Aktivität eine Beschreibung des Systems mit Akteuren
und Anwendungsfällen hervor. Unter einem Anwendungsfall ist einen Abfolge von
Ereignissen zu verstehen, die eine bestimmte Funktionalität des Systems beschreibt. Durch
die Anwendungsfälle werden die möglichen Aktionen zwischen dem Nutzer und dem System
beschrieben (siehe auch Kapitel 3.2). Ebenso werden nichtfunktionale Anforderungen
formuliert, wie beispielsweise das Aussehen der Benutzeroberfläche oder die Antwortzeit
des Systems. Diese Aspekte stehen zwar nicht direkt in Zusammenhang mit dem funktionalen
Verhalten des Systems, sind aber für das System ebenso wichtig.
Das Ziel der Analyse ist, aus den Anforderungen ein korrektes, vollständiges, folgerichtiges
und eindeutiges Systemmodell zu erstellen. Dabei transformieren die Entwickler die
Anwendungsfälle in ein Objektmodell. Dieses beschreibt die statischen Eigenschaften eines
Systems. Widersprüche und Mehrdeutigkeiten, die im Laufe dieses Prozesses erkannt werden,
müssen in Zusammenarbeit mit dem Kunden geklärt werden. Die Struktur und die
dynamischen Eigenschaften des Systems sind im fertigen Systemmodell beschrieben, das
mit Attributen, Operationen und Verbindungen versehen ist.
Als nächster Schritt nach der Analyse steht der Systementwurf. Hierbei werden “die
Entwurfsziele definiert und das System in kleinere Subsysteme zerlegt, die von einzelnen
Arbeitsgruppen realisiert werden” [BrDu04]. Dies betrifft auch die Strategien zur Erstellung
des Systems: unter anderem die Hardware-/Softwareplattform, die Zugriffskontrolle
oder auch die Datenverwaltung. Der Systementwurf hat eine klare Beschreibung dieser
Strategien und die Aufteilung des Systems in Subsysteme zum Ergebnis. Zusätzlich zu
den mit dem Kunden definierten Komponenten umfasst dieser Schritt auch ein wesentlich
verfeinertes Modell, auch mit Entitäten, die für den Kunden nicht direkt von Interesse sind.
Während des Objektentwurfs werden durch die Entwickler die Lösungsbereichsobjekte
definiert. Mit diesen wird die Lücke zwischen dem Analysemodell und der Hardware-
/Softwareplattform geschlossen. Objekte und Systemschnittstellen werden genau beschrieben
und Standardkomponenten, die kommerziell verfügbar sind und den Entwicklungsprozess
vereinfachen, werden ausgewählt. Außerdem wird das gesamte Modell optimiert, um
auch Entwurfszielen wie Erweiterbarkeit und Verständlichkeit zu genügen. Das Ergebnis ist
somit ein ausführliches Objektentwurfsmodell, eine präzise Beschreibung jedes einzelnen
Elementes des gesamten Systems.
10

Abbildung 3.2.: Überblick über die objektorientierten Softwaretechnik-Entwicklungs-aktivitäten
und ihre jeweiligen Ergebnisse [BrDu04]
11

In der Phase der Implementierung wird das zuvor erarbeitete Modell in Quelltext übersetzt.
Alle Objekte werden mit ihren Attributen und Methoden implementiert und integriert,
dass sie als ein System zusammenwirken.
Als letztes durchläuft ein Softwaresystem die Testphase. Hierbei wird das System mit
einfachen Eingabedaten ausgeführt und auf Fehler überprüft. In Komponententests wird
das Verhalten jedes einzelnen Objekts und jedes Subsystems mit dem statistischen Modell
verglichen. Beim Integrationstest werden die Verknüpfungen von Subsystemen überprüft
und mit dem Systementwurfsmodell verglichen. Bei Systemtests werden Anwendungsfälle
wie auch Ausnahmefälle ausgeführt und mit dem funktionalen Modell verglichen. Das
Ziel der Testphase ist, möglichst alle Fehler des Systems zu erkennen und noch vor der
Auslieferung des fertigen Produktes zu beheben. Geplant und ausgeführt werden die Tests
parallel zu anderen Entwicklungsaktivitäten. Einen Überblick über die logischen Zusammenhänge
der einzelnen Aktivitäten und der Ergebnisse bietet die Abbildung 3.2. [BrDu04]
3.2. Unified Modeling Language (UML)
Im folgenden wird auf einige für diese Arbeit wichtige Aspekte der schon erwähnten Unified
Modeling Language (UML) eingegangen. UML ist die Notation für eine Methode der
Modellierung von Systemen, die sich als industrieller Standard durchgesetzt hat [BRJ98].
Sie ist eine visuelle Sprache, die mit Diagrammen Softwareprozesse veranschaulicht und so
die Kommunikation für alle am Entwicklungsprozess beteiligten Personen, wie Software-
Architekten, Programmierern, Designern, Testern und Managern, erleichtert. [Pilo03]
In den 90er Jahren entstand die erste Version von UML. Es war die Reaktion auf zahlreiche
Vorschläge für Modellierungssprachen und -methoden, welche die aufkommende objektorientierte
Softwareentwicklung unterstützen sollten. Ende der 90er Jahre setzte sich die
Sprache als Standard durch. [BrDu04]
Bevor auf UML im Einzelnen eingegangen wird, sollen einige Modellierungskonzepte erläutert
werden. Der Begriff System beschreibt einen gegliederten Satz kommunizierender
Teile. Ein System kann aus Teilen bestehen, die ihrerseits wieder Systeme sind. In diesem
Fall spricht man von Subsystemen. Die Komplexität solcher Systeme ist häufig durch
eine Vielzahl von komplizierten Verknüpfungen so hoch, dass ein einzelner Entwickler das
System nicht mehr überschauen kann. “Modellierung ist ein Mittel, um diese Komplexität
in den Griff zu bekommen.” [BrDu04] Ein System wird insgesamt durch mehrere Modelle
beschrieben. Jedes dieser Modelle deckt einen Teilaspekt des Systems ab oder beschreibt
das System in einer anderen Genauigkeitsebene. Nur die jeweils wichtigen Aspekte werden
hervorgehoben. Mit Systemmodell wird der Satz aller Modelle bezeichnet, die während der
Entwicklung eines Systems erstellt werden. Werden auch die Modelle zu kompliziert, gibt es
die Möglichkeit, mit Sichten zu arbeiten. Sichten betrachten immer nur einen Teilbereich
eines Modells, um diesen verständlich zu machen. Überschneidungen von verschiedenen
Sichten sind auch möglich. “Notationen sind grafische oder textuelle Regeln zur Darstellung
von Sichten” [BrDu04]. Beispielsweise ist ein UML-Klassendiagramm eine grafische
Sicht eines Objektmodells.
12

Die Stärke der Sprache UML liegt in dem umfangreichen Spektrum von Notationen, mit
welchen die verschiedensten Gesichtspunkte eines Systems dargestellt werden können. Bei
der Entwicklung von Systemen sind drei verschiedene Systemmodelle im Zentrum des Interesses:
• Das funktionale Modell: Dies wird in UML durch Anwendungsfalldiagramme dargestellt.
Es beschreibt - aus Sicht des Benutzers - die Funktionalitäten des Systems.
• Das statische Modell: Dies wird in UML durch Klassendiagramme dargestellt. Es
beschreibt “die Struktur eines Systems hinsichtlich der Objekte, Attribute, Assoziationen
und Operationen.” [BrDu04]
• Das dynamische Modell: Dies wird in UML durch Interaktionsdiagramme, Zustandsdiagramme
und Aktivitätsdiagramme dargestellt. Es veranschaulicht das interne
Verhalten des Systems. Je nach Diagramm ist dabei das Verhalten einzelner
Objekte oder die Interaktion zwischen Objekten beschrieben. [BrDu04]
Im Folgenden sollen diese fünf grundlegenden UML-Notationen, also die UML-Diagramme
zur Darstellung dieser Modelle, erläutert werden. Die Erklärungen basieren auf den von
[BrDu04] gegebenen Definitionen. Hervorgehoben sei dabei das Klassendiagramm des statischen
Modells, da dies auch bei der Durchführung des Experimentes (siehe Teil III)
Anwendung findet. Die anderen vier Diagramme sind der Vollständigkeit halber erwähnt.
Währen der Anforderungsermittlung und der Analyse werden Anwendungsfalldiagramme
benutzt, um die Funktionalitäten des Systems darzustellen. Aus externer Sicht (also aus
Sicht des Benutzers) zeigen sie das Verhalten des Systems. Im Mittelpunkt eines Anwendungsfalls
steht eine vom System bereitgestellte Funktion, die von einem Akteur ausgeführt
werden kann und für diesen ein sichtbares Ergebnis hat.
Klassendiagramme werden verwendet, um die Struktur eines Systems zu veranschaulichen
(siehe Abbildung 3.3). “Klassen sind Abstraktionen, die die allgemeine Struktur und
das Verhalten eines Satzes von Objekten spezifizieren. Objekte sind Instanzen von Klassen,
die während der Systemausführung erzeugt, bearbeitet und gelöscht werden. Ein Objekt hat
einen Zustand, der die Werte seiner Attribute und seine Verbindungen zu anderen Objekten
beinhaltet.” [BrDu04] Ein System wird in Klassendigrammen mit Objekten, Klassen,
Attributen und den jeweiligen Assoziationen beschrieben. Klassen werden als Rechtecke
dargestellt, die bis zu drei Abschnitte haben. Diese Abschnitte beinhalten den Namen der
Klasse, die zugehörigen Attribute, die in all ihren Instanzen vorhanden sind, und die Operationen,
die auf ihre Instanzen angewendet werden können.
Beziehungen zwischen zwei Objekten sind Objektverbindungen. Beziehungen zwischen
Klassen sind Assoziationen und repräsentieren eine Gruppe von Objektverbindungen. Jedes
Ende einer Assoziation kann mit einer natürlichen Zahl oder einem Bereich von natürlichen
Zahlen gekennzeichnet werden. Dieses ist die Multiplizität des Assoziationsendes. In der
schon erwähnten Abbildung 3.3 sind dies etwa bei einer Instanz der Klasse “Uhr” genau
zwei Objekte der Klasse “Taste”, ein Objekt der Klasse “Anzeigefeld” usw. Umgekehrt sind
alle “Taste”-, “Anzeigefeld”-, usw. Objekte immer genau einem “Uhr”-Objekt zugeordnet.
13

Abbildung 3.3.: UML-Klassendiagramm [BrDu04]
Theoretisch kann ein Assoziationsende eine beliebige Menge von natürlichen Zahlen haben.
In der Praxis tritt meistens jedoch eine der drei folgenden Multiplizitäten auf (siehe auch
Abbildung 3.4):
• Eins-zu-Eins-Assoziation: hat an jedem Ende die Multiplizität 1
• Eins-zu-Viele-Assoziation: hat die Multiplizität von 1 an einem Ende und 0..n
bzw. 1..n (n kann auch durch einen Stern dargestellt werden) am anderen Ende
• Viele-zu-Viele-Assoziation: hat an beiden Enden einen Multiplizität von 0..n bzw.
1..n
Abbildung 3.4.: Multiplizitäten [BrDu04]
Assoziationen in UML können sowohl symmetrisch (Navigationspfeil in zwei Richtungen),
wie auch asymmetrisch (Navigationspfeil, der nur in eine Richtung zeigt) sein. Ausserdem
können sie auch als Assoziationsklasse modelliert werden. Diese hat dann ebenfalls Attribute
und Operationen.
Um den genauen Zweck einer Assoziation aufzuzeigen, können die Enden mit einer Zeichenkette
versehen werden. Dies wird als Rolle bezeichnet und erlaubt bei mehreren von
einer Klasse ausgehenden Assoziationen deren Unterscheidung.
14

Zur Modellierung von Hierarchien oder Teile-/Ganzesbeziehungen, bietet UML einen speziellen
Assoziationstyp an, die Aggregation (siehe Abbildung 3.5). Diese wird durch eine
Raute am Ende der enthaltenden Klasse gekennzeichnet. Aggregation und Eins-zu-Viele-
Assoziationen sind trotz einer gewissen Ähnlichkeit nicht austauschbar, da die Aggregation
den hierarchischen Aspekt einer Beziehung ausdrückt und die Assoziation eine gleichwertige
Beziehung darstellt. Die stärkste Beziehung zwischen zwei Klassen stellt die Komposition
dar. Hierbei wird eine ausgefüllte Raute verwendet um auszudrücken, dass eine Klasse ausschließlich
dann existiert, wenn die zugehörige Klasse existiert. Am nachfolgenden Beispiel
(Abbildung 3.5) verdeutlicht, bedeutet das: Nur wenn die Klasse “Buch” existiert, gibt es
auch die Klasse “Seite”.
Abbildung 3.5.: Komposition und Aggregation [BrDu04]
Durch Generalisierung (siehe Abbildung 3.6) ist es möglich, alle Attribute und Operationen,
die ein Satz von Klassen gemeinsam haben, zu beschreiben. Sie ist eine Beziehung
zwischen einer allgemeinen Klasse und einer spezialisierten Klasse. Dargestellt wird diese
Beziehung, auch Vererbung genannt, durch eine dreieckige Pfeilspitze, die auf die verallgemeinerte
Klasse zeigt, die so genannte Superklasse. Die spezialisierten Klassen werden
Subklassen genannt und erben die Attribute und Operationen von ihrer Superklasse.
Abbildung 3.6.: Generalisierung [BrDu04]
Mit Interaktionsdiagrammen werden die Wechselwirkungen, die zwischen Objekten eines
Anwendungsfalls stattfinden, dargestellt. Diese Objekte heißen teilnehmende Objekte.
“Interaktionsdiagramme werden benutzt, um das Verhalten von Systemen zu formalisieren
und die Kommunikation zwischen teilnehmenden Objekten sichtbar zu machen.” [BrDu04]
15

Objekte interagieren über Nachrichten miteinander. Wenn ein Objekt eine Nachricht empfängt,
löst dies die Ausführung einer Methode aus, die ihrerseits wieder Nachrichten zu
anderen Objekten versenden kann. Interaktionsdiagramme können in UML zwei Formen
haben:
• Sequenzdiagramme oder
• Kommunikationsdiagramme
Durch Zustandsdiagramme wird das Verhalten eines einzelnen Objektes in Form von
Zuständen und Übergängen zwischen diesen Zuständen beschrieben. Mit einem Zustand
wird ein Satz von Werten für ein Objekt dargestellt. “Für einen gegebenen Zustand repräsentiert
eine Transition einen zukünftigen Zustand, in den das Objekt übergehen kann,
und die Bedingungen, die mit diesem Wechsel verbunden sind.” [BrDu04] Eine Transition
repräsentiert also eine Zustandsänderung.
In Aktivitätsdiagrammen wird das Verhalten eines Systems bezüglich der Aktivitäten
beschrieben. “Aktivitäten sind Modellierungselemente, die die Ausführung eines Satzes
von Operationen repräsentieren.” [BrDu04] Durch die Beendigung dieser Operationen wird
der Übergang zu einer anderen Aktion ausgelöst. Aktivitätsdiagramme werden benutzt,
um den Kontrollfluss oder auch den Datenfluss aufzuzeigen. Der Kontrollfluss veranschaulicht
die Reihenfolge, in der die Operationen abgearbeitet werden. Der Datenfluss zeigt die
Objekte, die zwischen den Operationen ausgetauscht werden.
Für eine weiter gehende Erläuterung von UML sei auf die Quellen [BRJ98], [BrDu04] oder
auch [Pilo03] verwiesen.
3.3. Entwurfsmuster
Entwurfsmuster sind Lösungsvorlagen oder auch Schablonen, die Entwickler mit der Zeit
verfeinert haben, um eine Reihe von wiederkehrenden Problemen zu lösen [GHJ04].
Sie wurden entwickelt, um Modifizierbarkeit, Erweiterbarkeit und Flexibilität zu erreichen.
Ein Entwurfsmuster beschreibt eine Lösung für eine bestimmte Klasse von Entwurfsproblemen.
[BrDu04]
Ein Entwurfsmuster besteht aus vier Elementen:
• Name: eindeutige Unterscheidung von anderen Mustern;
• Problembeschreibung: Beschreibung der Situation, in der das Muster angewendet
werden darf (d.h. für die Umsetzung welcher Entwurfsziele es nützlich ist);
• Lösung: Beschreibung der Menge von zusammenarbeitenden Klassen und Schnittstellen;
• Konsequenz: Aufzeigen der Kompromisse und Alternativen, die bezüglich der umzusetzenden
Entwurfsziele berücksichtigt werden müssen;
16

Eine Auswahl von Entwurfsmustern, die auch für den späteren Versuch wichtig sind, soll
kurz betrachtet werden (Quelle: [BrDu04]):
• Brückenmuster
• Adaptermuster
• Strategiemuster
• Abstrakte-Fabrik-Muster
• Befehlsmuster
• Kompositionsmuster
Mit Hilfe des Brückenmusters wird die Schnittstelle einer Klasse von ihrer Implementierung
entkoppelt. Der Zweck ist derselbe wie bei dem nachfolgenden Adaptermuster, mit
dem Unterschied, dass es keine Einschränkung durch eine bereits existierende Komponente
gibt. Zur Veranschaulichung dient das folgende Beispiel (siehe Abbildung 3.7):
Das Brückenmuster stellt über “LigaSpeicher” die Musterschnittstelle und die Funktionalitäten
bereit, die (in diesem Fall für die Datenspeicherung) benötigt werden. Gleichzeitig
wird über die abstrakte Schnittstelle “LigaSpeicherImplementierer” der Implementiererklasse,
eine gemeinsame Schnittstelle für verschieden Implementierungen geboten. So kann
bereits in einer frühen Phase das System mit Teststümpfen getestet werden, die dann im
weiteren Verlauf einfach durch die richtigen Implementierungen ersetzt werden. Zwar verringert
der Einsatz eines Brückenmusters die Leistung, dient dafür aber der Erweiterbarkeit
des Systems.
Abbildung 3.7.: Brückenmuster [BrDu04]
Durch das Adaptermuster kann ein Stück Altsystem-Code gekapselt werden. So kann
Code, der nicht für die Zusammenarbeit mit dem System entworfen wurde, trotzdem mit
diesem zusammenarbeiten. Sowohl aufrufende Klasse wie auch Altsystem-Klasse müssen
dafür nicht verändert werden. Die Adapter-Klasse übernimmt alle notwendigen Umwandlungen.
Das Muster wandelt also die Schnittstelle einer Komponente in eine solche um, die
von der aufrufenden Komponente erwartet wird (siehe Abbildung 3.8). Gerade in Anbetracht
der Kosten für Softwareentwicklung ist die Verwendung von Standardkomponenten,
die durch ein Adaptermuster in ein System integriert werden, sehr vorteilhaft.
17

Abbildung 3.8.: Adaptermuster [BrDu04]
Das Strategiemuster dient der Entkoppelung eines Algorithmus von seiner Implementierung.
Der Zweck ist derselbe wie bei Adapter- und Brückenmuster, mit dem Unterschied,
“dass dynamisches Verhalten und nicht die spezifischen Komponenten gekapselt werden.”
[BrDu04]
Soll beispielsweise eine mobile Anwendung je nach Standort mit verschiedenen Netzwerkprotokollen
arbeiten, kann das Strategiemuster angewendet werden (siehe Abbildung 3.9).
Durch die “NetzwerkSchnittstelle” wird die Strategie-Klasse realisiert. Sie stellt die gemeinsame
Schnittstelle zu allen Netzwerken dar. Durch die “NetzwerkVerbindung” wird
die Kontext-Klasse realisiert. Sie stellt eine Punkt-zu-Punkt-Verbindung zwischen zwei
Rechnern her. Der “StandortManager” enthält nun die Regeln, die ausgehend vom aktuellen
Standort, der “NetzwerkVerbindung” eine konkrete “NetzwerkSchnittstelle” zuweist.
Die mobile Anwendung kann die “NetzwerkVerbindung” unabhängig von der konkreten
Schnittstelle aufrufen.
Abbildung 3.9.: Strategiemuster [BrDu04]
Durch das Abstrakte-Fabrik-Muster wird das Erzeugen von Familien verwandter Objekte
gekapselt. Der Klient wird dadurch vom Erzeugungsprozess abgeschirmt und verhindert,
dass Objekte aus inkompatiblen Familien gleichzeitig eingesetzt werden.
18

Befehlsmuster entkoppeln die Objekte, “die für die Befehlsverarbeitung verantwortlich
sind, von den eigentlichen Befehlen.” [BrDu04] Der Kontrollfluss wird so gekapselt und “Befehlsverarbeitungsobjekte
werden vor Änderungen durch neue Funktionalitäten geschützt.”
[BrDu04]
Mit Hilfe von Kompositionsmustern werden Hierarchien gekapselt. Dies geschieht durch
die Bereitstellung einer gemeinsamen Superklasse für Gruppenobjekte (Kompositionen)
und Einzelobjekte (Blätter). Hierdurch können neue Blattarten hinzugefügt werden, ohne
dass der bestehende Quelltext geändert werden muss.
Für die Auswahl des richtigen Entwurfsmusters können Schlüsselphrasen hilfreich sein.
Nachfolgend soll eine kurze Heuristik zur Auswahl von Entwurfsmustern, Schlüsselphrasen
für die zuvor erläuterten Muster, aufgeführt werden. Dem jeweiligen Muster folgen die
zugehörigen Phrasen.
Brückenmuster: “Muss zukünftige Protokolle unterstützen”;
Adaptermuster: “Muss mit bestehenden Schnittstellen zusammenarbeiten”, “Muss existierende
Altsystem-Komponenten weiterverwenden”;
Strategiemuster: “Politik und Mechanismen sollen entkoppelt sein”, “Verschiedene Algorithmen
müssen zur Laufzeit austauschbar sein”;
Abstrakte-Fabrik-Muster: “Anbieterunabhängigkeit”, “Plattformunabhängigkeit”;
Befehlsmuster: “Alle Befehle sollen zurücknehmbar sein”, “Alle Transaktionen sollen aufgezeichnet
werden”;
Kompositionsmuster: “Muss zusammengesetzte Strukturen unterstützen”, “Muss Hierarchien
variabler Breite und Tiefe erlauben”;[BrDu04]
Für eine weiter gehende Erklärung der Entwurfsmuster sei auf die Quellen [GHJ04] und
[BrDu04] verwiesen.
3.4. Konzeptionelle Modellierung
Nach dieser Einführung in die Thematik dieser Arbeit, stellt sich nun die Frage, wie die
konzeptionelle Modellierung in den Prozess der Softwareentwicklung einzuordnen ist.
Hierzu soll beschrieben werden, was unter konzeptioneller Modellierung zu verstehen ist.
Am Anfang der Modellierung eines Softwaresystems steht ein kreativer Prozess, in dem
in schneller Folge Modelle von hohem Abstraktionsgrad skizziert, verändert und
auch wieder verworfen werden, bis sich ein mögliches Lösungskonzept für das Gesamtproblem
herauskristallisiert. Die in dieser Brainstorming Phase erzeugten Modelle sind nicht
unbedingt konsistent, vollständig, widerspruchsfrei oder eindeutig. Die Modelle, die in dieser
Phase erzeugt werden, werden “konzeptionelle Modelle” genannt. Die konzeptionelle
Modellierung steht ganz am Anfang der Analysephase des Softwareentwicklungsprozesses.
19

Gerade in der Softwaretechnik-Lehre ist diese Unterscheidung zwischen Konzeption und
Spezifikation von Modellen sehr wichtig, da mit diesem Prozess der Konzeption von Modellen
auch das Verstehen von komplexen Systemen vermittelt werden kann. So werden in
Übungen, die Softwaretechnik-Vorlesungen begleiten, häufig Aufgaben gestellt, die genau
diesen Aspekt bei der Entwicklung von Systemen behandeln. Da die konzeptionelle Modellierung
aber bisher noch zu wenig gewichtet ist und auch die richtigen Werkzeuge zur
computergestützten konzeptionellen Modellierung fehlen, sollen im Rahmen dieser Arbeit
die Anforderungen an ein solches Tool ermittelt werden.
Studenten wird hierzu eine typische Aufgabe zur konzeptionellen Modellierung gestellt,
bei der diese ein System in Form eines UML-Klassendiagramms, unter Verwendung von
Entwurfsmustern, entwickeln müssen. Vier bisher übliche bzw. denkbare Eingabemethoden
kommen bei dieser Untersuchung zum Einsatz: Verglichen werden die Eingabemethoden
Papier und Stift, Grafikprogramm, CASE-Tool und Tablet PC.
In den folgenden Abschnitten werden diese Werkzeuge näher betrachtet.
3.5. Computer Aided Software Engineering (CASE)
Der Begriff CASE (engl. Computer Aided Software Engineering) steht für computerunterstützte
Software-Entwicklung. [McCl89] CASE-Tools oder auch CASE-Werkzeuge
sind Programme, die die Planung, Entwicklung, Implementierung, Verwaltung, Dokumentation
und Wartung von Softwaresystemen unterstützen. Diese Entwicklungsumgebungen
können mit einer Vielzahl von Funktionalitäten, die den Entwicklungsprozess extrem erleichtern,
aufwarten. Das sind beispielsweise grafische Hilfsmittel, Analysetechniken, Versionskontrolle,
Integrationsunterstützung und viele, viele mehr. [ClSc03]
Ein wichtiger Bestandteil ist die Sprache UML, da diese zur Visualisierung der Artefakte
eines Software-Systems benutzt wird. Da sich die CASE-Tools in der Praxis durchgesetzt
haben, werden sie auch für die Lehre der Softwaretechnik eingesetzt. Gerade wegen ihrer
umfangreichen UML-Unterstützung sind sie zudem eines der Werkzeuge, die im Rahmen
des Experimentes (siehe Teil III) untersucht wurden.
3.6. Grafik-Software
Unter Grafik-Software sind in erster Linie Werkzeuge zu verstehen, die das Modifizieren von
Grafiken ermöglichen. Hierbei kann man Anwendungen auf verschiedene Weisen klassifizieren.
Beispielsweise nach der Anzahl von Dimensionen, in denen ein Objekt repräsentiert
wird (2D, 3D) oder auch in der Art der Interaktion des Benutzers, also welche Freiheiten
er über die Objekte des Bildes oder das Bild selbst hat. [FDF96]
In der Computergrafik unterscheidet man zwei Arten von Grafiken:
• Vektorgrafiken und
20

• Rastergrafiken
Vektorgrafiken sind aus Linien und Kurven zusammengesetzt, Rastergrafiken bestehen aus
Punkten. Beispiel für eine Rastergrafik ist ein Bild, welches eine Digitalkamera geschossen
hat. Programme für diese Bereiche werden im Folgenden als Vektorgrafikprogramme und
Bildbearbeitungsprogramme bezeichnet.
Vektorgrafikprogramme dienen der Erstellung von Zeichnungen auf der Basis von Vektoren.
Eine Zeichnung besteht dabei aus geometrischen Formen, oder besser gesagt aus
mathematisch errechneten Formen. Dies erlaubt eine beliebige Skalierung dieser Grafiken
ohne Qualitätsverlust (Im Gegensatz zu Rastergrafiken, die bei zu starker Vergrößerung
Artefakte und Bildfehler aufweisen).
Bildbearbeitungsprogramme werden zur Erstellung und Manipulation von Rastergrafiken
genutzt. Sie werden zum digitalen Malen eingesetzt. Je nach Funktionsumfang erlauben
sie die Optimierung von Bildern, die Simulation verschiedener Maltechniken und umfangreiche
Modifikationsarten von Bildern. Es gibt auch Programme, die beide Grafiken, also
Raster wie auch Vektor, unterstützen.
Des weitern können zum Bereich der Grafik-Software auch einen Reihe von Hilfsprogrammen
gezählt werden. Dies sind beispielsweise: Bildbetrachter, die eine schnelle Betrachtung
von Bildern ermöglichen und auch kleine Modifikationen erlauben; Bildverwaltungssoftware,
die, wie schon der Name verrät, für die Verwaltung von Bildern und das Angeben von
Metainformationen zu den Bildern in der Lage ist; Bildershowsoftware, mit der man die
Möglichkeit hat, Bilderpräsentationen zu erstellen und mit Texten und Musik zu versehen;
Visualisierungsprogramme, die aus Daten Diagramme erstellen und viele weitere Werkzeuge
aus Bereichen wie 3D-Animation, CAD oder auch Webdesign. [Wiki1]
Aufgrund dieser zahlreichen Funktionen zur Modifikation von Grafikelementen sind Grafikprogramme
ebenfalls für den Einsatz bei der konzeptionellen Modellierung geeignet. Sie
wurden in dieser Arbeit neben den zuvor genannten CASE-Werkzeugen als zweite Eingabemethode
hinsichtlich ihrer Vor- und Nachteile untersucht (siehe Teil III).
3.7. Tablet PC
Mit Tablet PC wird ein Computer bezeichnet, der aufgrund seiner Bauform an ein Tablett
erinnert. Der Bildschirm ist berührungssensitiv, was die Eingabe mittels Stift oder auch
Finger möglich macht.
Die ersten Modelle gab es im Jahr 1993. Stark beteiligt an der Entwicklung hat sich die
Firma Microsoft. Heutzutage wird die Stiftbewegung meist durch ein elektromagnetisches
Feld erfasst. Der Stift verändert dieses Feld, wodurch seine Position ermittelt werden kann.
Die Displays sind berührungsunempfindlich. Als Betriebssystem wird meist einen Variante
von Windows XP verwendet (Windows XP Tablet PC Edition 2005), die über zahlreiche
Features für Tablet PCs verfügt. Mit dem Notizprogramm “Windows Journal” beispielsweise,
ist der Tablet PC so einfach wie ein Notizblock zu nutzen und verfügt darüber hinaus
21

über zahlreiche Funktionen zum Editieren der aufgeschriebenen/gezeichneten Informationen.
[Wiki2]
Man unterscheidet zwei verschiedene Konzepte von Tablet PCs:
• Convertibles und
• Slates
Bei Convertibles handelt es sich von der Bauform um “normale” Notebooks, mit dem
entscheidenden Unterschied, dass man das Display um 180 Grad drehen und auf die Tastatur
klappen kann. Dies hat den Vorteil, dass man auch die Tatstatur zur Eingabe nutzen
kann.
Slates hingegen beschränken sich auf das Display und einige Funktionstasten zur Eingabe.
Laufwerke sind meist nicht eingebaut und nur über eine Dockingstation anschließbar. Dadurch
sind diese Geräte kompakt und extrem leicht, was die Mobilität und auch Arbeiten
im Stehen sehr erleichtert. [Micro1]
Tablet PCs stellen die dritte von vier Eingabemethoden dar, die im Rahmen dieser Arbeit
untersucht wurden (siehe Teil III). Die bei diesem Experiment verwendeten Tablet PCs
sind der Gruppe der Convertibles zuzuordnen. Als Betriebssystem lief das zuvor schon erwähnte
Windows XP Tablet PC Edition 2005.
Die vierte Methode, Papier und Bleistift, bedarf keiner weiteren Erläuterung.
22

4. Einführung in die empirische
Sozialforschung
In den heutigen Gesellschaften werden für viele unterschiedliche Problemstellungen “systematische
Informationen über gesellschaftliche Zusammenhänge und das Handeln von Menschen
benötigt” [SHE05], wie beispielsweise über die demografische Entwicklung, Konsumgewohnheiten
oder Wahlverhalten. Diese Informationen werden mit Methoden der empirischen
Sozialforschung gewonnen.
Der Begriff “Empirie” ist aus dem griechischen und steht für “Erfahrung”. Empirisches
beschreibt somit etwas, dass aus der Erfahrung, Beobachtung oder einem Experiment entnommen
ist. [BWF04] Empirische Sozialforschung ist “als eine Sammlung von Techniken
und Methoden zur korrekten Durchführung der wissenschaftlichen Untersuchung menschlichen
Verhaltens und gesellschaftlicher Phänomene” [SHE05] zu verstehen. Die empirische
Sozialforschung verfolgt dabei im Wesentlichen zwei Ziele. Das praktisches Ziel, durch Problemlösungen
ein rationales und humaneres Leben der Menschen zu ermöglichen, und das
theoretische Ziel, die Konstruktion eines objektiven und nachprüfbaren theoretischen Modells
der Realität.
“Nahezu jede Gesellschaft, die nur irgendeine Art von Bürokratie entwickelte, benötigte Daten,
um effizient zu verwalten, um Steuern zu erheben oder auch, um genügend Bevölkerung
für Kriege bereitzustellen.” [SHE05] Die ältesten Belege gehen auf China, Ägypten, Persien,
sowie das römisches Reich zurück, in denen Daten für Agrar-, Gewerbe-, Handelsstatistiken
und Volkszählung gesammelt wurden. Von England gingen die stärksten Impulse zur
Entwicklung der empirischen Sozialforschung (um das Jahr 1085) aus. Wilhelm der Eroberer
ließ in England die erste ökonomisch motivierte Untersuchung durchführen. Zum
Gegenstand hatte diese: Besitzverhältnisse, Wert und Größe der Bewohnerschaft, und war
im Grunde nichts anderes als eine “Staatsbeschreibung”. Im frühen 19. Jahrhundert kam
der Enthüllungsjournalismus auf. Dabei wurde in Zeitungen das Elend bestimmter Klassen
dargestellt. Die verwendeten Methoden zum Sammeln der Daten sind mit der heutigen
“teilnehmenden Beobachtung” vergleichbar [Atte95]. Einer der ersten Versuche einer unmittelbaren
Befragung von Betroffenen ging 1880 von Karl Marx mit der Veröffentlichung
eines Fragebogens in der Zeitschrift “Revue Socialiste” für Arbeiter über deren konkrete
Arbeits- und Lebenssituation aus. Obwohl der Fragebogen kaum beantwortet wurde und
eine Auswertung deswegen nicht lohnte, war die Untersuchung kein Misserfolg, da sie die
Abkehr von Expertenbefragungen einläutete. Erste methodische Durchbrüche gab es im
Jahr 1915 mit der Untersuchung: “The Measurement of Social Phenomena” von Arthur
L. Bowley. Neben präzise gestellte Fragen und der Definition des Gegenstandsbereiches
kamen dabei Auswahlverfahren (Zufallsstichprobe) zum Einsatz.
Die gegenwärtige Sozialforschung bietet kein einheitliches Bild. Die Entwicklungen in den
60er bis 80er Jahren waren immer auf Auswertungsaspekte von Umfrageforschung bezogen.
Die Erhebungstechniken sind auf dem Stand der 40er Jahre. [SHE05]
23

4.1. Ablauf empirischer Sozialforschung
Der Forschungsprozess bei empirischen Untersuchungen kann gemäß [SHE05] in neun Phasen
unterteilt werden (siehe Abbildung 4.1). Die erste Phase ist die Wahl des Forschungsproblems.
Man unterscheidet zwischen selbst initiierter und Auftragsforschung, die sich
hauptsächlich im Spielraum für den Forscher unterscheiden.
Der nächste Schritt ist die Theoriebildung, bei der die Theorie zu einem bestimmten
Gegenstandsbereich entweder entwickelt werden muss oder bereits in Literatur vorliegt.
Eventuell können auch Theorien verwandter Gegenstandsbereiche adaptiert werden. Der
größte Teil der Theoriebildung besteht aus Literaturanalyse, die zeitlich nicht unterschätzt
werden darf.
In der Phase der Konzeptspezifikation und Operationalisierung müssen zum einen,
die zur Erklärung verwendeten Konzepte und Begriffe genau präzisiert werden (= Konzeptspezifikation)
und zum anderen, beobachtbare Sachverhalte (Indikatoren) den theoretischen
Begriffen und Konstrukten so zugeordnet werden, dass Messungen möglich sind (= Operationalisierung).
Es erfolgt auch die Konstruktion der Messinstrumente, welche meistens
Fragebögen oder Beobachtungskategorien sind.
Abbildung 4.1.: Phasen des Forschungsprozesses bei empirischen Untersuchungen [SHE05]
Sehr eng mit der Art der Operationalisierung hängt die Festlegung der Untersuchungsform
zusammen. Die Untersuchungsform ist abhängig von Messzeitpunkten, Personengruppen
und von den zur Verfügung stehenden Mitteln. Diese und andere Aspekte bestim-
24

men, ob man z.B. am besten ein Laborexperiment oder eine Befragung durchführt.
Nach dem Abschluss dieser Design- und Konstruktions-Phasen geht es um die Auswahl
der Untersuchungsobjekte. Durch die Definition des Gegenstandsbereiches und die
Anwendung von Auswahlverfahren wird die Frage geklärt, ob alle oder nur ausgewählte
Elemente des Gegenstandsbereiches untersucht werden sollen.
Für die Datenerhebung werden Methoden wie z. B. Interviews, Beobachtungen, Inhaltsanalysen
usw. genutzt. Je nach Datenerhebungsmethode sind hier verschiedene Arbeiten
nötig.
Bei der Datenerfassung werden die zuvor erhobenen Daten gespeichert und aufbereitet.
Dies umfasst auch die Strukturierung und ggf. Bereinigung der Daten.
Die Datenanalyse besteht überwiegend aus dem Einsatz statistischer Methoden unter
Verwendung von Computern und speziellen Programmen, den Datenanalysesystemen. Es
wird geprüft, ob theoretisch vorhergesagte Beziehungen aus den erhobenen Daten ableitbar
sind. Teilweise kann dies auch zur Revision der ursprünglichen Theorie führen.
Den Abschluss stellt die Publikation der Untersuchung dar. Dies ist in der Regel der
Endbericht an den Auftraggeber sowie Zeitschriftenveröffentlichungen. Die Dauer sozialwissenschaftlicher
Forschungsprojekte kann zwischen sechs Monaten und mehreren Jahren
liegen. [SHE05]
Die nächsten Kapitel geben einen Einblick in jede dieser Phasen (Quelle: [SHE05]).
4.2. Wissenschaftstheorie und empirische Sozialforschung
“Jede Wissenschaft bemüht sich darum, die vielfältigen Ereignisse in der Natur oder im
menschlichen Zusammenleben zu sammeln, zu ordnen, und Aussagen über ihre innere Verbundenheit
zu machen.” [SHE05] Sie erhebt darüber hinaus den Anspruch, dass die Resultate
daraus nicht nur von demjenigen als richtig anerkannt werden, der sie erbringt,
sondern für alle am Wissenschaftsprozess Beteiligten nachvollziehbar und kritisierbar
und darüber hinaus “wahr” sind. Bei einer wissenschaftlichen Aussage über die Realität
bedeutet “Wahrheit” die Übereinstimmung dieser Aussage mit der Realität. Wissenschaftstheorie
versucht, Vorschläge zu entwickeln, wie dieses Ziel zu erreichen ist.
Das Ziel dieses Kapitels ist es, die wichtigsten Begriffe der empirischen Sozialforschung zu
erklären.
Unter einer Hypothese versteht man eine Aussage die einen Zusammenhang zwischen
mindestens zwei Variablen postuliert (“Wenn-Dann-Aussage”, “Je-Desto-Aussage”). Der Zusammenhang
kann in beliebigen mathematischen Formen vorliegen. Quantitative Hypothesen
beschreiben nicht nur annäherungsweise den Verlauf der Funktion, sondern geben auch
die entsprechende Funktionsgleichung an.
Variable ist der Name für die Menge von Merkmalsausprägungen (z.B. Geschlecht), die
einem Objekt (z.B. Person) zugeschrieben werden kann.
Ein Gesetz ist strukturell identisch mit einer Hypothese. Der Begriff wird dann verwendet,
“wenn sich die entsprechende Aussage bereits häufig in der Realität “bewährt” hat.” [SHE05]
Eine Theorie ist ein “System von Aussagen, dass mehrere Hypothesen oder Gesetze umfasst.”
[SHE05] Die Komponenten einer Theorie sind:
• Definitionen: Unter Verwendung dieser werden Aussagen formuliert, die die logi-
25

sche Form von Hypothesen/Gesetzen haben und nach dem Grad ihrer Allgemeinheit
geordnet sind.
• Axiome: Dies sind Aussagen mit der höchsten Allgemeinheit. Sie müssen untereinander
widerspruchsfrei und logisch unabhängig sein. Die Richtigkeit ist innerhalb des
Systems als gegeben anzusehen.
• Theoreme bzw. Propositionen: Dies sind aus den Axiomen zusammen mit den
Definitionen ableitbare Aussagen.
Da die Hauptaufgabe der empirischen Sozialforschung in der Erklärung von sozialen Ereignissen
bzw. Tatsachen liegt, ist es wichtig zu definieren, was eine Erklärung ist. Eine
wissenschaftliche Erklärung muss dabei Standards wie einer eindeutigen Struktur der
Argumentation, logischer Korrektheit und einer empirischer Begründung genügen. Hypothetische
oder auch potentielle Erklärungen sind “Vermutungen, deren empirischer Wahrheitsgehalt
bzw. Bestätigungsgrad noch weitgehend unklar ist”. [SHE05] Gesetze können
allerdings niemals endgültig verifiziert werden, da denktheoretisch nicht alle zukünftigen
Ereignisse gesetzeskonform sein müssen. Das Falsifikationsprinzip wird hier als Motor für
Erkenntniszuwachs gesehen. Dies geschieht mit der systematischen Eliminierung falscher
Aussagen durch die empirische Falsifikation, also “durch den empirischen Nachweis eines
einzelnen Falles bzw. Ereignisses welches im Widerspruch zur Hypothese steht.” [SHE05]
Voraussetzung dafür ist das richtiges Erfassen/Messen der empirischen Wirklichkeit.
Durch die Falsifikation ist somit ein Instrument gegeben, dass als Kriterium zur Beurteilung
von Hypothesen und auch zum Vergleich von Hypothesen geeignet ist. In der empirischen
Sozialforschung besteht eine Hypothese im einfachsten Fall aus:
• Dem Geltungsbereich, der im Idealfall keinen spezifischen Raum-Zeit-Bezug hat;
• Dem Objektbereich/Individuenbereich (Bsp.: Menschen, Frauen, Männer...);
• Einem Allquantor, der beschreibt, dass die Aussage für alle Objekte des Objektbereiches
Geltung haben soll;
• Zwei Prädikaten, Eigenschaften der im Objektbereich angegebenen Individuen;
Besonders wichtig ist dabei der Objektbereich, denn dieser umschreibt die Menge der “potentiellen
Falsifikatoren”. Eine zu prüfende Hypothese sollte so formuliert werden, dass die
Widerlegung möglichst “einfach” ist. Erreichbar ist dies durch einen großen Objektbereich.
Wenn es nun um das Testen geht, müssen dafür theoretische Begriffe mit der Realität
verbunden werden. “Theorien bestehen [...] aus logischen Ausdrücken (Zeichen) und allgemeinen
Grundausdrücken, sogenannten theoretischen Konstrukten, die mit Hilfe von “Korrespondenzregeln”
(auch: Zuordnungsregeln) mit konkreten Beobachtungssätzen in Verbindung
gesetzt werden.” [SHE05]
Das Problem, das dabei auftreten kann, ist das Korrespondenzproblem, d.h. die richtige
Zuordnung empirischer Indikatoren zu theoretischen Konstrukten. Dafür sind zwei Fragen
zu beantworten:
1. Was sind Korrespondenzregeln und welchen Status haben sie Sind es willkürliche
Definitionen, logische Ableitungen oder empirische Hypothesen (die selbst wahr oder
falsch sein können)
26

2. Wie ist es möglich, dass man sicherstellen kann, dass bestimmte Indikatoren zu einem
bestimmten Konstrukt gehören
Es gibt zwei verschiedene Verfahrensweisen, um dieses Problem zu lösen:
• Operationalismus und
• Bilaterale Reduktionssätze
Der am weitesten verbreitete Lösungsvorschlag zum ersten Fragenkomplex ist der Operationalismus.
Hierbei wird das theoretische Konstrukt durch Beobachtungsbegriffe und
Beobachtungsverfahren definiert. Alle Konstrukte werden in konkrete Mess- und Beobachtungsanleitungen,
also eindeutig nachvollziehbare Operationen übersetzt. Beispielsweise
wird die Einordnung in eine bestimmte soziale Schicht durch das Erfragen des Einkommens
oder der Schulbildung ermittelt. Der Vorteil dieses Vorgehens ist, dass bei der Verwendung
theoretischer Terme auch über Operationalisierung nachgedacht wird. Der daraus entsteht
Nachteil ist, dass zwei Untersuchungen nur schwer miteinander verglichen werden können,
da sich die Messverfahren mitunter stark unterscheiden.
Der extreme Operationalismus verlangt sogar, dass operationale Definitionen sich auf direkt
beobachtbare (mit einem der fünf Sinne wahrnehmbare) Eigenschaften/Ereignisse beziehen
und nicht erst durch den Einsatz von Messgeräten. Dies führt natürlich zu großen Problemen
bei Eigenschaften, die nur unter bestimmte Bedingungen zu ermitteln sind.
Abhilfe schaffen da Bilaterale Reduktionssätze. Diese erfassen Begriffe, die nur situativ
zu ermitteln sind. Dafür wird zunächst die Messsituation hergestellt, in der der entsprechende
Aspekt vorkommt und durch indirekte Frage eine Reaktion provoziert. Je nach
dieser Reaktion wird einer befragten Person dann das entsprechende Prädikat zugesprochen.
Als Beispiel sei hier “Ausländerfeindlichkeit” genannt. Diese könnte durch die Frage:
“Sollten Ausländer bei gleicher Leistung weniger Lohn als Inländer erhalten” erfragt werden.
Je nach Antwort (ja/nein) kann man somit auf eine ausländerfeindliche Gesinnung
schließen.
Da man aber je nach verwendetem Indikator zu unterschiedlichen Ergebnissen kommen
kann, müssen Korrespondenzregeln selbst als empirische Hypothesen betrachtet werden.
Die Zuordnung eines Indikators zu einem theoretischen Konstrukt ist somit nicht endgültig
beweisbar, sondern nur mehr oder weniger gut empirisch zu bestätigen.
Ein weiteres Problem ist das Basissatzproblem: Wie ist die korrekte Erfassung des Beobachteten
zu bewerkstelligen
Die Lösung des Basissatzproblems ist, dass Beobachtungssätze auch nur vorläufige Gültigkeit
haben. Sie müssen sich auf intersubjektiv beobachtbare Ereignisse beziehen, dürfen
nicht mit anerkannten Basissätzen in Widerstreit stehen und müssen methodisch richtig
erfasst worden sein. Empirisch gültige (valide) Beschreibungen müssen also korrekte Zuordnungen
von Indikatoren zu Konstrukten vornehmen und auf die fehlerfreie Erhebung
von Daten achten.
Das Gesamtproblem der Prüfbarkeit von Theorien ist, dass “Sätze der Beobachtungssprache
(Indikatoren) und ihre Zuordnung zu theoretischen Konstrukten [...] keine absolute sichere
Basis zur Theoriebeurteilung” [SHE05] sind.
27

4.3. Konzeptspezifikation
Die Operationalisierung eines theoretischen Begriffs beginnt mit der Klärung, “welche theoretischen
Aspekte eines bestimmten Gegenstandsbereiches (“Dimension”) durch den theoretischen
Begriff bezeichnet werden, bzw. welche Dimension das Konzept anspricht.” [SHE05]
Dieser theoretische Klärungsprozess wird Konzeptspezifikation genannt, und stellt die
exakte Definition aller verwendeten Begriffe dar.
Die Operationalisierung eines theoretischen Begriffs ist die Angabe einer Anweisung,
“wie Objekte mit Eigenschaften (Merkmalen), die der theoretische Begriff bezeichnet,
beobachtbare Sachverhalte zugeordnet werden können.” [SHE05] Es ist somit die Angabe
von Korrespondenzregeln, also Anweisungen, wie ein Sachverhalt, der von einem Begriff
bezeichnet wird, zu messen ist. [Atte95]
Es sind verschieden Arten von Merkmalen zu unterscheiden. Konstanten sind Eigenschaften,
die allen jeweils betrachteten Objekten zukommen. Variablen sind Eigenschaften, die
bei verschiedenen Merkmalsträgern in mehr als einer Ausprägung vorkommen. Dabei unterscheidet
man wiederum mehrere Arten von Variablen:
• dichotome Variablen: nehmen nur zwei verschiedene Werte an (Bsp.: lebend-tot)
• diskrete Variablen: nehmen wenige verschiedene Werte an (Bsp.: rot-gelb-grün)
• kontinuierliche/stetige Variablen: nehmen jeden beliebigen Wert an (Bsp.: reelle
Zahlen)
Auch eine andere Unterscheidung von Variablen ist möglich. Diese richtet sich danach, ob
die Ausprägung direkt oder nicht direkt wahrnehmbar ist:
• manifeste Variablen: direkt beobachtbare Variablen (Bsp.: Körpergröße)
• latente Variablen: nicht direkt beobachtbare Variablen (Bsp.: Abstraktionsvermögen)
[Atte95]
Die direkt beobachtbaren (manifesten) Variablen werden Indikatoren genannt. Das zentrale
Problem der Operationalisierung ist die Rechtfertigung der Zuordnung eines Indikators
zu einem theoretischen Begriff. Dies kann beispielsweise durch die definitorische
Gleichsetzung des Indikators mit dem theoretischen Konstrukt (operationalistische Lösung)
erreicht werden. Grundsätzlich kann man sagen, dass zur Operationalisierung eines
Begriffs mehrere Indikatoren genutzt werden sollten. Durch diese unabhängigen Messungen
des gleichen Sachverhaltes kann die Genauigkeit erhöht werden, da durch unsystematische
Fehler der Messwert bei jeder der Messungen etwas abweicht. Der Mittelwert der Messungen
der verschiedenen Indikatoren ist somit genauer als jeder einzelne Wert.
Sozialwissenschaftliche Messungen verbinden drei Ebenen miteinander: Konzepte, Indikatoren
und die empirische Realität. Die empirische Realität existiert unabhängig von
Konzepten und Indikatoren. Die Indikatoren beziehen sich auf bestimmte Aspekte der
Realität. Die theoretischen Konzepte definieren die Auswahl dieser Aspekte. Durch eine
Verwechslung dieser drei Ebenen kann es zu einer Reihe von Missverständnissen kommen.
Dies passiert, wenn empirische Aussagen ohne Vorbehalte auf Konzepte übertragen werden.
Beispielsweise sagen Variablen wie “Alter” oder “Geschlecht” nur indirekt etwas über
28

“Erfahrung in sozialen Kontakten” aus. Meist kann die interessierende Dimension direkter
gemessen werden als durch diese so genannten Globalvariablen.
Es kann auch vorkommen, dass Theorien dazu führen, dass Konstrukten der Theorie ein
Wirklichkeitscharakter gegeben wird, den sie nicht besitzen können. Ein Beispiel ist der
Begriff “Vorurteile”, der nicht im selben Sinne wie materielle Gegenstände existiert. Denn
das Problem mit dieser Art von Begriffen ist, dass sie wiederum von der Operationalisierung
abhängen, was dazu führt, dass der Begriff unterschiedlich verstanden werden kann.
Messungen
Nach der Konzeptspezifikation und der Operationalisierung geht es darum, das Durchführen
von Messungen genauer zu betrachten. Die empirische Sozialforschung dient ja, wie
schon festgestellt, “der Beschreibung sozialer Sachverhalte und der Überprüfung sozialwissenschaftlicher
Theorien zur Erklärung sozialer Sachverhalte. Beide Aufgaben können nur
mit Hilfe von “Messungen” erfüllt werden” [Stev46].
Messungen dienen also der Überprüfung von Theorien. Ein Messergebnis ist ein Kriterium,
anhand dessen über die Beibehaltung oder Verwerfung von Theorien geurteilt wird.
Unter Messen an sich versteht man die Zuordnung von Zahlen, also Messwerten, zu
Objekten entsprechend festgelegten Regeln. Ziel ist immer eine möglichst präzise Messung.
Darüber hinaus müssen die Messwerte aber auch die Beziehungen wiedergeben, die zwischen
den gemessenen Objekten bestehen. Es muss sich also um eine strukturtreue Abbildung
handeln, was beispielsweise bei einer Längenmessung sich darin widerspiegelt,
dass der größte Messwert dem längsten Objekt und der kleinste Messwert dem kürzesten
Objekt entspricht. Die Definition der Messung erfordert für die Angabe der Messanweisung,
dass Objekte gemäß der Eigenschaft sortiert werden können. Eine abgegrenzte Ansammlung
von Objekten (“Menge”) kann durch verschieden Kriterien sortiert werden. Je nach
Kriterium ist die Relation, also Beziehung der Objekte zueinander (Bsp.: Länge), anders
definiert. Beim empirischen Relativ ist es die Menge von Objekten, über die eine Relation
definiert wurde (Bsp.: eine nach der Länge sortierte Menge von Objekten). Eine
Menge von Zahlen, über die eine Relation definiert wurde, wird als numerisches Relativ
bezeichnet (Bsp.: eine nach der Größe sortierte Menge von Zahlen). Eine Messung
muss nun eine Zuordnung der Zahlen zu den Objekten finden, dass sich die Ordnungen
im numerischen und im empirischen Relativ entsprechen. Es muss demnach eine Regel gefunden
werden, die eine strukturtreue Abbildung erlaubt. Kann man aus einer durch eine
Messung zugeordneten Zahl wieder eindeutig das Objekt bestimmen, spricht man von einer
umkehrbar eindeutigen Abbildung, einem Isomorphismus. Sind hingegen einer Zahl
mehrere Objekte zugeordnet, handelt es sich um eine nicht umkehrbar eindeutige Abbildung,
einen Homomorphismus.
Eine Skala ist nun definierte als eine “homomorphe Abbildung eines empirischen Relativs
in ein numerisches Relativ” [SHE05] Da nicht jede Abbildung eine homomorphe Abbildung
ist, muss die Existenz einer Skala erst bewiesen werden. Dies wird durch das Repräsentationstheorem
nachgewiesen, das Bedingungen (“Axiome”) im empirischen Relativ angibt,
die erfüllt sein müssen, damit eine homomorphe Abbildung möglich ist. Der zweite Schritt
ist dann die empirische Überprüfung, ob die Axiome erfüllt sind, also ob die geforderten
Eigenschaften zwischen den Objekten auch tatsächlich bestehen.
29

Wenn dies erfüllt ist, ist aber noch lange nichts über die Einheiten der Messung gesagt,
denn diese werden durch die Messung selber festgelegt. So kann man beispielsweise die
Temperatur in Celsius, Fahrenheit oder auch Kelvin messen. Das Eindeutigkeitstheorem
gibt nun an, welche Beziehung zwischen verschiedenen Skalen besteht. Genauer gesagt
definiert es, “welche mathematischen Operationen im numerischen Relativ “zulässig” sind”
[SHE05], also durchführbar sind, ohne dass die Strukturtreue der Abbildung verloren geht.
Man unterscheidet dabei zwischen zulässigen und unzulässigen Transformationen.
Eine Klassifikation von Skalen ist nach den jeweils zulässigen Transformationen möglich.
Dies wird als Skalenniveau oder Messniveau bezeichnet. Die meistverwendete Klassifikation
von Skalen geht auf eine Veröffentlichung von S. S. Stevens [Stev46] zurück. Demnach
wird unterschieden zwischen (siehe auch Tabelle 4.1):
• Nominalskalen: Einer einfachen Klasseneinteilung, die jedes Objekt genau einer
Klasse zuordnet. Die Klassen stellen nur Kennzeichnungen dar, denen beliebige Zahlen
zugeordnet werden können. Es dürfen daher nur mathematische Transformationen
durchgeführt werden, die die Eindeutigkeit der Zuordnung erhalten.
• Ordinalskalen: Diese erfordern neben der Prüfung der Gleichheit von Objekten
auch die Möglichkeit der Festlegung der Rangordnung der Objekte, in Bezug auf die
interessierende Dimension. Zugeordnete Zahlen müssen die Rangordnung wiedergeben.
Es sind keine mathematischen Transformationen zulässig, die die Abfolge der
Zahlen verändert.
• Intervallskalen: Hierbei ist zusätzlich zur Unterscheidungsmöglichkeit und Rangordnungsfestlegung
die Angabe, dass die Unterschiede zwischen zwei beliebigen aufeinander
folgenden Objekten gleich groß ist, gefordert. Dies bedeutet also Intervalle
gleicher Größe. Aufeinanderfolgende Zahlen müssen stets die gleiche Differenz haben,
demnach sind nur solche Transformationen zulässig, die dies nicht verändern.
• Ratioskalen: Diese verlangen zusätzlich die Existenz eines “natürlichen Nullpunktes”.
Der Messwert “Null” entspricht der tatsächlichen Abwesenheit des gemessenen
Merkmals. Die Skala ermöglicht Aussagen über Quotienten zweier beliebiger Objekte
(Objekt “X” hat doppelt soviel “A” wie Objekt “Y”). Nur bei dieser Skala sind
Multiplikation und Division erlaubt.
Skalentyp Festgelegte Eigenschaft Beispiel
Nullpunkt Abstände Ränge Identität
Nominalskala nein nein nein ja Familienstand
Ordinalskala nein nein ja ja Zufriedenheit
Intervallskala nein ja ja ja Temperatur in C.
Ratioskala ja ja ja ja Länge
Tabelle 4.1.: Eindeutigkeit der Skalentypen [SHE05]
Je höher das Messniveau desto mehr mathematische Verfahren können auf die gewonnenen
Daten angewendet werden. Deswegen ist ein möglichst hohes Messniveau das Ziel.
30

Da das Messniveau einer Messung durch den Beweis der Axiome in Repräsentations- und
Eindeutigkeitstheorem bestimmt wird, und dies mit sehr viel Aufwand verbunden ist, wird
in der Forschungspraxis ein solcher Nachweis kaum angewendet. Zudem basieren in den
Sozialwissenschaften die meisten Messungen auf vermuteten Zusammenhängen. Dabei liegen
weder Repräsentations- noch Eindeutigkeitstheorem vor und ein Beweis ist somit nicht
möglich.
4.3.1. Gütekriterien der Messung
“Das Ziel einer Messung besteht in der Erhebung möglichst exakter und fehlerfreier Messwerte.”
[SHE05] Das Problem dabei sind Messfehler. Die klassische Testtheorie, eine
aus wenigen Axiomen bestehende statistische Theorie, bildet die Grundlage für viele Verfahren
zum Umgang mit Messfehlern. Das Grundmodell besteht aus der Annahme, dass
der realisierte Messwert gleich der Summe aus dem wahren Wert und dem Messfehler ist.
Der wahre Wert ist der Mittelwert einer großen Zahl von unabhängigen Messungen. Vier
weiter Annahmen werden zusätzlich als erfüllt angesehen:
• Mittelwert des Messfehlers ist gleich Null;
• Messfehler korrelieren nicht mit den wahren Werten einer Messung (also: Größe des
Messfehlers darf nicht vom wahren Wert abhängen);
• Messfehler zweier Messwertreihen sind unkorreliert;
• Messfehler einer Messwertreihe korrelieren nicht mit den “wahren Werten” einer anderen
Messung;
Aus diesen Axiomen sind zahlreiche Aussagen über Messgenauigkeit ableitbar. Ausserdem
erlauben sie die einfache Definition von Gütekriterien für Messungen, wie etwa die Zuverlässigkeit
einer Messung (Reliabilität) oder die Gültigkeit einer Messung (Validität).
Reliabilität
Reliabilität ist definiert als das Ausmaß, in dem “wiederholte Messungen eines Objektes
mit einem Messinstrument die gleichen Werte liefert” [SHE05] Sie gibt also Auskunft darüber,
inwieweit das Verfahren einer Messung zuverlässig ist. Um dies zu überprüfen, gibt
es mehrere Methoden.
Mit der Test-Retest-Methode wird die zeitliche Stabilität von Messergebnissen (ein
Aspekt der der Reliabilität) durch zweimalige Messung ein und desselben Objektes mit
demselben Messinstrument gemessen. Die Korrelation zwischen beiden Messungen wäre
dann eine Schätzung der Reliabilität. Dieser Test basiert auf der Annahme, dass die wahren
Werte zwischen beiden Messungen die gleichen bleiben. Da diese Annahme aber zweifelhaft
ist, findet die Methode kaum Verwendung in der Praxis.
Die Paralleltest-Methode nutzt zwei vergleichbare Messungen zum selben Zeitpunkt,
mit zwei verschiedenen Messinstrumenten, die dieselbe Dimension messen. Die Korrelation
der beiden Messergebnisse wird zur Schätzung der Reliabilität verwendet. Das Problem
31

dabei ist es, wirklich parallele Tests zu finden. Deswegen wird auch dieses Verfahren in der
Praxis kaum verwendet.
Eine weitere Methode ist die der interne Konsistenz. Ein Messinstrument aus mehreren
Indikatoren (“Items”) wird als Ansammlung äquivalenter Tests interpretiert, wenn alle Indikatoren
dieselbe Dimension messen. Das Maß der internen Konsistenz gibt den Umfang
an, in welchem alle Einzelindikatoren dasselbe Konstrukt messen.
Zusammenfassend ist festzuhalten, dass eine Reliabilitätsabschätzung abhängig vom jeweiligen
Instrument und den untersuchten Objekten ist.
Validität
Validität ist definiert das das Ausmaß, in dem “das Messinstrument tatsächlich das misst,
was es messen soll.” [SHE05] Die Validität ist das zentrale Gütekriterium einer Messung.
Ein Instrument ist umso valider, je weniger systematische Fehler die Messung beeinflussen.
Die Empirische Validität eines Instrumentes ist die “Korrelation zwischen diesem
Instrument und einer anderen beobachteten Variablen, die als Kriterium dient.” [SHE05]
Die Theoretische Validität ist die “Korrelation zwischen beobachteten und wahren Werten.”
[SHE05] Allgemein verbreitet sind drei Arten der Validität, die Inhaltsvalidität, die
Kriteriumsvalidität und die Konstruktvalidität.
Die Inhaltsvalidität bezieht sich darauf, dass möglichst alle Aspekte der Dimension, die
gemessen werden sollte, auch berücksichtigt wurden. Objektive Kriterien, anhand derer
diese beurteilt werden könnte, existieren nicht. Vielmehr ist sie als Idee zu verstehen, die
bei der Konstruktion von Instrumenten beachtet werden soll. Jeder Aspekt eines theoretischen
Begriffs soll bei der Operationalisierung berücksichtigt werden.
Die Kriteriumsvalidität bezieht sich auf Zusammenhang zwischen “den empirisch gemessenen
Ergebnissen des Messinstrumentes und einem anders gemessenen empirischen
(“externen”) Kriterium.” [SHE05] Eine Form ist die “prädikative Validität”, die ein Instrument
besitzt, wenn “Voraussagen, die auf einer ersten Messung mit diesem Instrument
beruhen, durch spätere Messungen mit einem anderen Instrument bestätigt werden können.”
[SHE05] Die zweite Form ist die “Concurrent validity”. Vorhersagen sind hierbei auf
zu beurteilende Messungen zum selben Zeitpunkt bezogen. Diese Art der Validität ist aber
selten anwendbar, da häufig keine hinreichend genau gemessene Kriteriumsvariable für die
Validierung einer Messung vorliegt. Falls sie doch vorliegen sollte stellt sich die Frage, worin
der Anlass einer neuen Messung bestehe.
Von großer Bedeutung in der Sozialforschung ist die Konstruktvalidität. Unter Konstrukt
werden theoretische Eigenschaftsdimensionen (latente Variablen) verstanden. Konstruktvalidität
liegt dann vor, wenn: “aus dem Konstrukt empirisch überprüfbarer Aussagen
über Zusammenhänge dieses Konstruktes mit anderen Konstrukten theoretisch hergeleitet
werden können und sich diese Zusammenhänge empirisch nachweisen lassen.” [SHE05]
32

4.3.2. Indexbildung und Skalierungsverfahren
Es kommt vor, dass zur Operationalisierung eines theoretischen Begriffs (also: eines Konstrukts)
ein einzelner Indikator nicht ausreicht. Dies ist beispielsweise dann der Fall, wenn
dieser keine ausreichend genaue Messung erlaubt. Dem kann man entgegen wirken, indem
man mehrere Indikatoren zu einer neuen Variablen zusammenfasst. Das erfolgt entweder
durch Indexbildung oder durch Skalierungsverfahren. Beide Verfahren sind Auswahlverfahren
und keine Datenerhebungs- oder Messverfahren.
Indizes
Ein Index ist die “Zusammenfassung von mehreren Einzelindikatoren zu einer neuen Variablen”
[SHE05]. Er wird dann verwendet, wenn Begriffe einer sozialwissenschaftlichen
Theorie mehrere Dimensionen ansprechen, aber eine gemeinsame latente Variable postulieren.
Die Bildung eines Index kann dann aus Indikatoren für jede einzelne Dimension
gebildet werden. Probleme, die bei der Indexkonstruktion gelöst werden müssen, sind:
1. Welche Dimensionen sollen in den Index eingehen
2. Wie sollen die Dimensionen kombiniert werden
Für die Festlegung der Dimension des Index kann man einen Merkmalsraum nutzen. Die
Dimensionen eines Begriffs bilden die Achsen dieses Raumes und jedes Untersuchungsobjekt
kann durch die Position im Raum genau eingeordnet werden.
Wenn die Variablen, die den Merkmalsraum aufspannen, nur wenige verschiedene Werte
annehmen können, kann man eine Tabelle zur Darstellung der Kombinationen nutzen. Diese
Typologie besteht aus der Gesamtheit aller verschiedenen Kombinationen (Typen) der
zugrundeliegenden Variablen. Die Tabelle 4.2 zeigt den theoretischen Aufbau einer Typologie.
Ein Beispiel, wie dies in der Praxis aussehen kann, ist in Tabelle 4.3 zu sehen.
Dimension2
Dimension1
Ausprägung 1 Ausprägung 2
Ausprägung 1 Typ11 Typ12
Ausprägung 2 Typ21 Typ22
Tabelle 4.2.: Allgemeiner Aufbau einer Typologie (bei zwei Dimensionen mit je zwei
Ausprägungen)[SHE05]
Parteimitglied
politisch aktiv
ja
nein
ja “Funktionär” “Karteileiche”
nein “Aktivist” “Apathischer”
Tabelle 4.3.: Beispiel für eine Typologie “politischen Engagements” [SHE05]
Für die Nutzung dieser Begriffe (Typen) in der empirischen Forschung müssen die zugrunde
liegenden Dimensionen theoretisch hergeleitet werden. Diese Herleitung wird als
33

“Rekonstruktion des Merkmalsraumes” oder “Substruktion” bezeichnet. Objektive
Gütekriterien, die eine Beurteilung erlauben würden, gibt es nicht.
Nach der theoretischen Analyse, die die Frage, welche Dimensionen in den Index eingehen
sollen, geklärt und die Indikatoren für die Dimensionen bestimmt hat, ist die Frage
nach der richtige Kombination der verschiedenen Werte der Indikatoren zu einem Index zu
beantworten.
Alle möglichen Kombinationen sollen durch den Index so zusammengefasst werden, dass
nur wenige verschiedene Indexwerte entstehen und die Abfolge einer vorher bestimmten
Variablen entspricht. Ein Index fasst also einige Kombinationen des Merkmalsraumes zu
neuen Kombinationen zusammen. Die Indexkonstruktion wird deswegen auch Reduktion
des Merkmalsraumes genannt. Gründe für die Zusammenfassung sind:
1. Bestimmte Typen kommen gar nicht oder sehr selten vor. Eine getrennte Behandlung
kann dadurch nicht gerechtfertigt werden (“functional reduction”).
2. Durch den Einsatz unterschiedliche Gewichtung der Indexvariablen werden verschiedene
Kombinationen zusammengefasst (“arbitrary numerical reduction”).
3. Eine Zusammenfassung erscheint als theoretisch sinnvoll (“pragmatic reduction”).
Die meisten Indizes werden durch Addition der Indikatorenwerte berechnet. Ein eventuelles
Problem dieser additiven Indizes ist, dass ein niedriger Punktewert eines Indikators
durch anderen ausgeglichen werden kann.
Wenn Abwesenheit eines Merkmales den niedrigsten Wert auf der Skala bedingen soll, also
das soeben genannte Problem gelöst werden soll, kommen multiplikative Indizes zum
Einsatz. Hierbei ergibt sich zwangsläufig der Wert “0” sobald nur ein Indikator diesen Wert
hat.
Gewichtete additive Indizes erlauben die sinnvolle Gewichtung eines “Beitrages” zum
Indikator. Ein Index könnte beispielsweise so aufgebaut sein:
Index = a ∗ Indikator1 + b ∗ Indikator2 + c ∗ Indikator3...
Die Gewichte (a, b, c, ...) selbst können empirisch gewonnen werden, beispielsweise durch
Expertenschätzungen. Eine stärkere Gewichtung erscheint dann sinnvoll, wenn bestimmte
Indikatoren mehr mit dem Gesamtindex zusammenhängen. In der Praxis wird, außer bei
sehr guten Gegenargumenten, eher gleiche Gewichtung verwendet.
Indizes aus kontinuierlichen Variablen werden dann verwendet, wenn die Variablen
beliebige Werte annehmen können. Hierbei wird meist eine einfache Formel angegeben für
die Bildung des Index (Bsp.: Mittelwert, Quotient zweier Variablen). Mit zunehmender
Komplexität ergeben sich allerdings rasch Interpretationsprobleme.
Skalierungsverfahren
“Skalierungsverfahren sind Methoden zur Konstruktion von Messverfahren.” [SHE05] Das
Resultat der Durchführung eines Skalierungsverfahrens ist eine “Skala”. In der Praxis der
Sozialforschung ist eine Skala eine Reihe von “Items” entlang einer Dimension. Items wiederum
sind Aussagen (Statements), denen die Befragten zustimmen oder die sie ablehnen.
34

Es gibt keine formalen Regeln, wie man Items für eine Skala bildet. Meist werden sie aus
bereits verwendeten Skalen entnommen oder durch Vorstudien gewonnen. Oft entspringen
sie auch der Phantasie des Skalenkonstrukteurs. Es gibt aber einige Faustregeln, so z.B. für
die Formulierung von Statements einer Einstellungsskala. Vermieden werden sollten nach
[Edwa57] Statements, die:
1. sich auf die Vergangenheit statt auf die Gegenwart beziehen;
2. Tatsachen beschreiben oder so aufgefasst werden können;
3. vom Befragten nicht eindeutig interpretiert werden können;
4. sich nicht auf die Einstellung beziehen, um die es geht;
5. denen alle oder kein Befragter zustimmen kann;
Statements sollten:
1. den gesamten Bereich der interessierenden Einstellung abdecken;
2. einfach, klar und direkt formuliert sein;
3. kurz sein und möglichst nur selten mehr als 20 Worte umfassen;
4. aus einfachen Sätzen und nicht aus Satzgefügen und Satzverbindungen bestehen;
5. keine Worte enthalten, die den Befragten unverständlich sein könnten;
6. immer nur einen vollständigen Gedanken umfassen ;
7. keine doppelte Verneinung aufweisen;
8. keine Worte wie “alle”, “immer”, “niemand” und “niemals” enthalten;
9. nur in Ausnahmefällen Worte wie “nur”, “gerade” und “kaum” enthalten;
“Skalierungsverfahren können auch als Technik bei der Datenauswertung angesehen werden,
da nicht mehr viele einzelne Variablen, sondern nur noch eine ausgewertet werden muss.”
[SHE05] Skalen sind Spezialfälle von Indizes, ein prinzipieller Unterschied ist nicht auszumachen.
Skalierungsverfahren erlauben allerdings die Überprüfung, ob ein bestimmtes
Item Bestandteil der Skala ist oder nicht. Die Konstruktion eines Index erfolgt unabhängig
von erhobenen Daten und kann somit immer erfolgen. Bei Skalierungsverfahren kann es
sich anhand der erhobene Daten herausstellen, dass keine Messung erfolgte (im Sinn des
Skalierungsverfahrens).
In der empirischen Sozialforschung werden Skalierungsverfahren überwiegend zur Messung
von Einstellungen verwendet. Diese werden dabei als latente Variablen aufgefasst. Ziel der
Einstellungsmessung ist es, die Ausprägung der latenten Variable bei den Befragten festzustellen.
Dazu werden den Befragten Aussagen (Statements, Items) vorgelegt, auf die sie
mit Zustimmung bzw. Ablehnung reagieren sollen. Je nach Verfahren werden dann auf
unterschiedliche Art und Weise die einzelnen Antworten zu einem Skalenwert verrechnet.
Dieser lässt dann einen Rückschluss auf die Einstellung des Befragten zu.
Für einen tieferen Einstieg in die Materie sei an dieser Stelle auf [SHE05] verwiesen.
35

4.4. Forschungsdesign und Untersuchungsformen
“Das Ziel sozialwissenschaftlicher Arbeit besteht in der Erklärung bzw. Prognose von sozialen
Ereignissen” [SHE05] also der Überprüfung von Hypothesen und Theorien. “Dieser
Nachweis von theoretisch vermuteten Zusammenhängen erfolgt auf der Ebene von beobachtbaren
Indikatoren.” [SHE05] Dazu ist die Entscheidung nötig: wann, wo, wie und wie oft die
empirischen Indikatoren an welchen Objekten erfasst werden sollen. Unter Forschungsdesign
versteht man die Gesamtheit dieser Entscheidungen.
Das Ziel bei der Ausarbeitung eines Forschungsdesigns ist es, möglichst viele alternative Erklärungen
durch die Wahl des Designs auszuschließen, denn für jedes Phänomen sind viele
Erklärungsmöglichkeiten vorhanden. Durch die Realisierung der Untersuchungsanordnung
werden Erklärungen überprüft und gegebenenfalls bestimmte Erklärungen ausgeschlossen.
Experiment ist der allgemeine Begriff für eine Untersuchungsanordnung, die der Überprüfung
von Hypothesen dient.
Das Design der einmaligen Messung untersucht die Einwirkung eines bestimmten Stimulus
(“X”) (auch Treatment, Treatmentfaktor oder unabhängige Variable genannt) und
misst die mögliche Wirkung von “X” (“O”) (siehe Tabelle 4.4).
Das Problem dieses Designs ist, dass kein Vergleichswert vorhanden ist. Daten aus anderen
Quellen müssen herangezogen werden. Diese sind aber aus anderen Untersuchungen und
somit mitunter “zweifelhaft”.
X
t1
O
t2
Tabelle 4.4.: Design einer einmaligen Messung [SHE05]
Bei einer Vorher-Nachher-Messung erfolgt eine zufällige Zuweisung zu zwei Gruppen
(“Randomisierung”). Bei Experimentalgruppe und Kontrollgruppe wird dann eine Vorhermessung
(“Pretest”) durchgeführt. Danach erfolgt ein Stimulus für die Experimentalgruppe.
Die Nachhermessung (“Posttest”) geschieht wieder für beide Gruppen (siehe Tabelle 4.5).
R: O X O Experimentalgruppe
R: O O Kontrollgruppe
t1 t2 t3
Tabelle 4.5.: Design einer Vorher-Nachher-Messung mit Kontrollgruppe [SHE05]
Damit hat man eine deutliche Verbesserung der Beurteilungssituation, da sowohl Vorherals
auch Nachherwerte vorliegen und so ein direkter Vergleich möglich ist. Wenn das Treatment
die vermutete Wirkung hat, dann ist der zweite Messwert deutlich anders als der erste
und außerdem ist der Wert der Kontrollgruppe gleich geblieben. Falls dies der Fall ist, kann
mit großer Sicherheit auf die Wirkung von “X” geschlossen werden.
Das Survey Design ist die Befragung einer (hinreichend) großen Zahl von zufällig ausgewählten
Personen hinsichtlich Stimulus und Wirkung, die in Experimental- und Kontrollgruppe
je nach Vorhandensein des Stimulus eingeteilt werden. Die Analyse der Daten
36

erfolgt nachträglich (“ex post”). Problematisch ist dabei, dass es keine Vorherwerte gibt
und der Stimulus nicht durch die Forscher gezielt gesetzt ist (siehe Tabelle 4.6).
X O Experimentalgruppe
O Kontrollgruppe
t1 t1
(gemeinsam zu t1 gemessen)
Tabelle 4.6.: Survey-Design [SHE05]
Das zentrale Problem ist also die Beziehung zwischen Ursache und ihrer Wirkung. Bei
einem Experiment kann nicht schon daraus, dass eine Wirkung eintritt, geschlossen werden,
dass eine vermutete Ursache tatsächlich die Ursache dafür ist. Ein Objekt kann sich
alleine durch den Test (oder auch Nicht-Test) verändern, es kann reifen etc. Diese Einflüsse
werden Störfaktoren genannt. In der Forschungspraxis werden deswegen Störfaktoren eines
Experimentes identifiziert und man versucht, sie so weit wie möglich zu kontrollieren.
4.4.1. Störfaktoren
Die Güte eines Designs bemisst sich daran, inwieweit Alternativerklärungen bzw. der Einfluss
von Störfaktoren möglichst weitgehend ausgeschlossen werden kann. Man unterscheidet
Störfaktoren, die die interne Validität (Gültigkeit) beeinflussen und die, die die externe
Validität beeinflussen. Störfaktoren der internen Validität sind:
• Zwischenzeitliches Geschehen (“history”, Zeiteinflüsse): Ereignisse die zusätzlich
zum Stimulus die abhängige Variable beeinflussen können.
• Reifungsprozess der Probanden (“maturation” bzw. “decay”, biologisch-psychologische
Veränderungen): Varianz wird durch interpersonale Prozesse bedingt, also
nicht durch Einwirkung des Stimulus (Bsp.: Hunger).
• Messeffekte (“testing”, Testen): Veränderungen werden als Auswirkung des ersten
Messvorgangs auf den zweiten erzeugt. (Bsp.: bei IQ-Test mit denselben Fragen bei
Pre- und Posttest - eventuell Lernen aus den Fehlern des ersten Tests).
• Hilfsmittel (“instrumentation”, Veränderungen im Messinstrument): Verwendung
von unterschiedlichen Messinstrumenten (Bsps.: andere Fragen, Versuchsleiter...).
• Verzerrte Auswahl und Ausfälle (“selection”, “mortality”): wenn sich Experimentalund
Kontrollgruppe nicht nur hinsichtlich des Stimulus, sondern auch in anderen
Merkmalen unterscheiden, die Einfluss auf die abhängige Variable haben. Auch Ausfälle
können den Test beeinflussen.
Interne Gültigkeit ist dann gegeben, wenn das Treatment tatsächlich für die Variation der
abhängigen Variable verantwortlich ist. Die interne Gültigkeit ist verletzt, wenn ein oder
mehrere Störfaktoren den Messwert verändern. Man spricht von Konfundierung, wenn
sowohl Stimulus als auch Störfaktoren für Veränderung verantwortlich sind. (siehe auch
[Muel06])
37

Die externe Validität gibt Auskunft über die Möglichkeit der Generalisierung der experimentellen
Resultate auf andere Personen(-gruppen) und Situationen. Störfaktoren der
externen Validität sind:
• Reaktivität oder reaktive Effekte des Messens: Die Durchführung des Pretests
kann die Empfänglichkeit der Versuchspersonen für den Stimulus anregen. Der Einfluss
des Stimulus wird dadurch verstärkt oder verringert.
• Reaktive Effekte der experimentellen Situation: Eine experimentelle Situation
kann gravierend von “der” Alltagssituation abweichen. Die Übertragung in Alltagskontext
ist deswegen fraglich. Das Hauptproblem der experimentellen Situation ist
dabei, dass sie einen “Aufforderungscharakter” hat. D.h. die Versuchspersonen überlegen,
was der Versuchsleiter von ihnen erwartet, und handeln dann dementsprechend
(siehe auch [Muel06])
Externe Validität liegt bei einem Design also dann vor, wenn die ermittelten Ergebnisse
auf andere Personen/Kontexte übertragbar sind.
Techniken zur Kontrolle von Störfaktoren
“Ziel eines jeden Experimentes ist es nunmehr, alle genannten Störfaktoren soweit irgend
möglich auszuschließen bzw., da dies kaum zu realisieren ist, sie zu kontrollieren.” [SHE05]
Nachfolgende Techniken dienen genau diesem Ziel.
Durch Elimination werden denkbare Störgrößen bei der Durchführung des Experimentes
ausgeschaltet. Dies ist vor allem sehr gut in speziell für das Experiment hergerichteten
Örtlichkeiten (Labor/Laborexperiment) zu erreichen.
Mit Konstanthaltung werden mitunter unvermeidliche Einflüsse in beiden Gruppen möglichst
gleichartig zugelassen. Es wird versucht, eine maximale Angleichung der Versuchsbedingungen
für beide Gruppen, bis auf das Treatment, zu schaffen.
Darüber hinaus gibt es Techniken zur variablen Bildung von Kontrollgruppen, die auch
helfen, den Einfluss von Störfaktoren zu minimieren. Dabei dienen zur Rekrutierung von
vergleichbaren Gruppen zwei Techniken: Matching und Randomisierung. Matching, oder
auch Parallelisierung, ist der Versuch, bezüglich bestimmter Merkmalsausprägungen “gleiche”
Personen auf Experimental- und Kontrollgruppe aufzuteilen. In der Praxis ist dies
aber recht schwierig, da viele Variablen zu beachten sind. Deswegen ist die Randomisierung
immer noch die wichtigste und grundlegendste Technik zur Vermeidung von Störfaktoren.
Durch Zufallszuweisung zur Versuchs- und Kontrollgruppe wird der systematische
Zusammenhang zwischen den personellen Merkmalen und der Zugehörigkeit zu einer bestimmten
Gruppe ausgeschlossen. Jede Person hat die gleiche Chance, einer der beiden
Gruppen zugeordnet zu werden. Alle Drittvariablen wirken in beiden Gruppen gleichartig.
Gegebenenfalls vorliegende Veränderungen in den abhängigen Variablen sind mit großer
Wahrscheinlichkeit auf den Stimulus zurückzuführen. [Muel06]
38

4.4.2. Forschungsdesigns
Die Interpretationsmöglichkeiten eines Experimentes sind abhängig von der Beachtung der
Störmöglichkeiten und ihrer Ausschaltung. Nur echte Experimente erlauben die systematische
Kontrolle von Störfaktoren und “schalten damit eine Vielzahl möglicher Alternativerklärungen
aus.” [SHE05] Echte experimentelle Designs sind solche Untersuchungen,
die:
• “eine Hypothese prüfen
• Diesen Test durch eine kontrollierte Setzung eines Treatments durchführen
• und die Versuchsbedingungen mit Hilfe der Techniken der Elimination, Konstanthaltung
und Randomisierung kontrollieren” [SHE05]
Von den bisher genannten, wird nur die Vorher-Nachher-Messung mit Kontrollgruppe den
genannten Kriterien gerecht. Aber selbst dabei sind Probleme mit Alternativerklärungen
vorhanden. Um beispielsweise eine Wechselwirkung zwischen Stimulus und vorheriger Messung
auszuschließen, kann man zwei weitere Gruppen hinzunehmen. Dieses experimentelle
Design wird SOLOMON-Viergruppenversuchsplan genannt (siehe Tabelle 4.7).
R: O X O Experimentalgruppe 1
R: O O Kontrollgruppe 1
R: X O Experimentalgruppe 2
R: O Kontrollgruppe 2
t1 t2 t3
Tabelle 4.7.: SOLOMON-Viergruppenversuchsplan [SHE05]
Mit echten Experimenten lassen sich alle genannten Störfaktoren der internen Validität
kontrollieren. Da diese allerdings meist in einem Labor stattfinden, kommt es zwangsläufig
zu dem Problem, dass die externe Validität leidet. Dies ist auf Störeffekte durch die experimentelle
(Labor-) Situation zurückzuführen. Die Daten sind eventuell nicht auf Personen
außerhalb dieses Kontext übertragbar.
Abhilfe schaffen da Feldexperimente, die in der für die Versuchsperson gewohnten Umgebung
stattfinden. Dabei werden praxisrelevante Resultate gewonnen, die eine höhere
externe Validität zur Folge haben. Neben dem hohen Aufwand haben diese allerdings das
Problem, dass die interne Validität, durch zahlreiche Störfaktoren, in Mitleidenschaft gezogen
wird.
Letztendlich muss man sich je nach den zu untersuchenden Objekten entscheiden, welche
der Untersuchungssituationen für diese weniger mit Störeffekten behaftet ist. Ein Student
hat vermutlich weniger Probleme mit einer Laborsituation als beispielsweise ein Stahlarbeiter.
Oft entzieht sich aber zufällige Zuweisung von Merkmalen weitgehend den Einflussmöglichkeiten
der Untersuchenden (Bsp.: bei Merkmalen wie Intelligenz). Dann müssen Quasiexperimentelle
Designs angewendet werden. Dabei existieren zwar Kontroll- und Untersuchungsgruppe,
die Zuordnung zur jeweiligen Gruppe geschieht aber durch die untersuchten
Objekte selbst. Durch diese Selbstselektion ist das Design allerdings anfällig für
Störfaktoten, durch verzerrte Auswahl und Ausfälle.
39

Häufig sind weder die Bedingungen für Experiment noch für Quasi-Experiment gegeben.
Dann muss versucht werden, die soziale Realität mit Hilfe eines Ex-post-facto-Designs
nachträglich zu ordnen, ohne dass irgendwelche experimentelle Kontrolltechniken eingesetzt
werden können. In Datenerhebungsprozess (meist Befragung) werden unabhängige
und abhängige Variablen gemessen. Durch eine große Zahl von Versuchspersonen und die
Anwendung entsprechender Auswahlverfahren sind dann die Generalisierungen möglich.
Ein typisches Beispiel dafür ist das Survey-Design.
Mit Ex-post-facto-Anordnungen sind allerdings schwerwiegende, gleichwohl unvermeidliche
methische Probleme verbunden. Zum einen kann es bei der nachträglichen Klassifizierung
passieren, dass eine interessierende Merkmalsausprägung relativ selten anzutreffen ist. Ohne
besondere Vorkehrungen bei der Auswahl der Untersuchungspersonen wären so nicht
genügend Fälle vorhanden, um sinnvolle Vergleiche durchzuführen. Um dies zu lösen, müssen
Informationen über potentielle Verteilungen aus anderen Untersuchungen gewonnen
oder eventuell Voruntersuchungen durchgeführt werden. Dann kann sich aus der Tatsache
der einmaligen, gleichzeitigen Erhebung aller Daten ergeben, dass unklar ist, welche
Variable kausal von einer anderen abhängt, also was Ursache und was Wirkung ist. Die
Lösung dafür ist, dass sich die erhoben Variablen auf einen früheren Zeitpunkt beziehen.
Als drittes Problem ergibt sich bei dieser Anordnung, dass Einwirkungen unabhängiger
Variablen nicht nach dem Zufallsprinzip auf die Versuchspersonen verteilt werden können,
da sie schon ohne Zutun des Forscher vorliegen. Es müssen also möglichst viele sinnvolle
Drittvariablen mit erhoben werden, um die Verhältnisse der Variablen untereinander klären
zu können.
Die oben aufgezeigten Schwächen der einmaligen, gleichzeitigen Messung können mit Hilfe
des Paneldesigns abgemildert werden. Dabei werden in Erhebungswellen zwei oder mehr
Datenerhebungen zu unterschiedlichen Zeitpunkten auf der Grundlage des Survey-Designs
durchgeführt. Das Grundmodell des Panels ist, dass an denselben Personen, dieselben Variablen
(mit derselben Operationalisierung) zu verschiedenen Zeitpunkten erhoben werden.
Durch Vergleich der Messungen kann man intraindividuelle und interindividuelle Veränderungen
feststellen. Methodische Probleme des Panels sind die Ausfallrate (“Panelmortalität”)
und Veränderungen der Teilnehmer durch die Teilnahme (“Paneleffekte”). Die Wahl
der richtigen Zeitabstände zwischen den Erhebungen ist deswegen äußerst wichtig.
Zur Kontrolle des Einflusses von Panelmortalität und anderen Paneleffekten gibt es eine
Vielzahl von speziellen Paneldesigns. Zu diesen zählen beispielsweise alternierende Panels,
bei denen die Subgruppen abwechselnd befragt werden, rotierende Panels, bei denen die
Subgruppen in Wellen ausgetauscht werden, oder geteilte Panels, bei denen nur eine Gruppe
über die gesamte Dauer der Untersuchung teilnimmt.
Für weitergehende Informationen hierzu sei auf die Quelle [SHE05] verwiesen.
Untersuchungsformen
Im folgenden Abschnitt sollen Kombination von unterschiedlichen Techniken bei der Operationalisierung,
Bestimmung der Auswahlelemente und der Datenerhebung, die bei sozialwissenschaftlichen
Studien üblich sind, betrachtet werden.
Die Einzelfallstudien (auch: Einzelfallanalyse, case study oder Fallstudie) betrachtet eine
40

singuläre Untersuchungseinheit. Man unterscheidet vier typische Untersuchungseinheiten:
• einzelne Person ist Gegenstand der Analyse: Bsp.: Medizin (Patient);
• Personengruppe: Bsp.: Sekte, die Weltuntergang vorhersagt;
• Organisation: Bsp.: Organisationsstruktur des Deutschen Sportbundes, DSB;
• Gesellschaften oder Kulturen: Bsp.: soziale Schichtung des deutschen Volkes;
Die Untersuchungsobjekte bilden in Hinblick auf das Untersuchungsziel eine Einheit. Wenn
auf Auswahlverfahren verzichtet wird, leidet diese Form der Untersuchung an einem gravierenden
Mangel bezüglich der Generalisierungsfähigkeit. In den Sozialwissenschaften kommt
die Einzelfallstudie als Mittel der Beschreibung und Erklärung bzw. des Hypothesentests
zum Einsatz.
Die Sekundäranalyse greift zur Deskription bzw. zum Hypothesentest auf bereits bestehende
Daten(-bestände) zurück. Dadurch entfällt der Datenerhebungsprozess, was erhebliche
Einsparungen an finanziellen Mitteln und Zeit zur Folge hat. Im akademischen
Kontext ist die Sekundäranalyse eher die Regel als die Ausnahme. Als Datenquellen dienen
dafür das sozialwissenschaftliche Datenarchiv, das statistische Bundesamt, internationale
Organisationen (EU, UN,...), kommerzielle Organisationen (Banken,...) usw.
Die Netzwerkanalyse ist eine Forschungsstrategie, deren Anliegen in der Beschreibung
und Erklärung von sozialen Beziehungen und daraus resultierenden Handlungen ist. Das
Ziel ist Erfassung aller ein Netzwerk bildenden Einheiten und die Relationen der Einheiten
untereinander.
Durch die Kontrollmöglichkeiten der einzelnen Untersuchungsanordnungen, kann man die
Aussagefähigkeit einer Studie bestimmen. Durch den kombinierten Einsatz verschiedener
Erhebungstechniken, Auswahlverfahren, Versuchanordnungen und Messtechniken können
die Schwächen der einzelnen Strategien durch die Stärken einer anderen kompensiert werden.
4.5. Auswahlverfahren
Im Verlauf der Untersuchung muss die Entscheidung getroffen werden, über welche Menge
von Personen oder Sachverhalte Aussagen gemacht werden sollen. Solange dies eine eng
abzugrenzende Menge betrifft, ist das recht einfach. Bei Aussagen, die über die tatsächlich
untersuchte Menge hinaus Gültigkeit haben sollen, ist dies weitaus problematischer. Im
Folgenden sollen die Definition des Objektbereiches und Arten der Auswahl der Untersuchungsobjekte
betrachtet werden.
Der Objektbereich wird durch die Definition der Grundgesamtheit, einer Menge von
Objekten, für die die Aussagen der Untersuchung gelten sollen (“target population”), festgelegt.
Die exakte Definition ist für die Durchführung wissenschaftlicher Untersuchungen
unerlässlich. Meist wird ein Kompromiss zwischen Gegenstandsbereich der zu testenden
Theorie und den zur Verfügung stehenden Ressourcen gemacht.
41

Eine Vollerhebung liegt dann vor, wenn die Daten aller Elemente einer Grundgesamtheit
erhoben werden. Von einer Teilerhebung wird dann gesprochen, wenn nur eine Teilmenge
der Grundgesamtheit untersucht wird. Die Elemente der Teilerhebung sind eine Stichprobe/Auswahl,
wenn sie durch vor der Untersuchung festgelegte Regeln bestimmt werden.
Eine Klassifikation von Stichproben erfolgt auf Basis der Art der Auswahl der Elemente,
also auf Zufallsbasis oder nicht auf Zufallsbasis (“willkürliche Auswahl”, “bewusste Auswahl”).
Zufallsstichproben (“random samples”) sind Stichproben, “deren Auswahlregeln es dem
Untersuchenden ermöglichen, vor der Durchführung einer Auswahl für jedes Element der
Grundgesamtheit die Wahrscheinlichkeit zu berechen, dass dieses Element der Grundgesamtheit
Teil der Stichprobe wird.” [SHE05].
Vollerhebungen können durchgeführt werden, wenn die Grundgesamtheit klein ist. Sie haben
dann den Vorteil, dass die gesamte Verteilung der Merkmale ihrer Elemente und auch
“Parameter” (wie z.B. Mittelwert) bekannt sind. Der Nachteil der Vollerhebung ist, dass die
Kosten mit Größe der Grundgesamtheit überproportional steigen. Sie können nicht angewendet
werden, wenn die Untersuchung zur Zerstörung der Elemente der Grundgesamtheit
führt (Bsp.: “destruktive Tests”, wie bei der Untersuchung des gesamten Ausstoßes einer
Brauerei auf Geschmack und Qualität).
Stichproben haben demgegenüber den Vorteil, dass sie in der Regel schneller durchzuführen
sind. Die Ergebnisse können u.U. genauer sein, was in der besseren Ausbildung des
Erhebungspersonals und besseren Kontrollmöglichkeiten begründet ist. Der Nachteil der
Stichproben liegt darin, dass die Parameter aus der Stichprobenstatistik ermittelt werden
müssen und Stichprobenstatistiken durch zufällige Fehler vom “wahren Wert” abweichen.
Im Rahmen empirischer Sozialforschung werden meist Stichproben verwendet, da zumeist
Aussagen über große Grundgesamtheiten gemacht werden sollen.
Auswahlverfahren sind Verfahren, die die Regeln zur Konstruktion einer Auswahl angeben.
Bevor auf diese Stichproben genauer eingegangen wird, sollen einige Begriffe geklärt
werden.
Ein Element bzw. eine Untersuchungseinheit ist das Objekt, an dem die Messung vorgenommen
wird. Die Grundgesamtheit bzw. Population ist die Menge der Elemente, über
die Aussagen gemacht werden sollen. Die angestrebte Grundgesamtheit (“target population”)
umfasst als Konzept alle Elemente, über die Aussagen beabsichtigt sind. Die
Auswahlgesamtheit (“frame population”) hingegen umfasst alle Elemente, die prinzipiell
eine Chance haben, in eine Stichprobe zu gelangen. Im Idealfall haben alle Elemente eine
Chance gezogen zu werden.
Man spricht nun von Undercoverage, wenn Elemente nicht in der Auswahlgesamtheit
erscheinen, wodurch Fehler möglich sind. Overcoverage tritt dann ein, wenn Elemente
aufgeführt sind die nicht zur Grundgesamtheit gehören. Eine weitere Fehlerquelle sind Elemente
die mehrfach aufgeführt sind.
Auswahlregeln können dazu führen, dass die gezogene Stichprobe nicht alle Elemente enthält,
die darin enthalten sein sollten, da sich bestimmte Elemente der Erhebung entziehen
(Bsp.: nicht erreichbar, Verweigerung), oder da durch Fehler bei der Datenverarbeitung
Elemente zerstört werden. Die Inferenzpopulation ist die tatsächliche Stichprobe, “die
diejenige Grundgesamtheit darstellt, über die auf der Basis der vorliegenden Stichprobe tat-
42

sächlich Aussagen gemacht werden können: Die Inferenzpoplation stellt (konzeptionell) die
Grundgesamtheit dar, aus der die vorliegende Stichprobe tatsächlich eine Zufallsstichprobe
darstellt.” [SHE05]
Das Ziel eines Auswahlverfahrens ist es nun, möglichst große Übereinstimmung zwischen
angestrebter Grundgesamtheit und Inferenzpopulation zu erreichen.
4.5.1. Zufallsstichproben
Zufallsstichproben sind Auswahlen, bei denen ein Zufallsprozess über die Aufnahme eines
Elementes zur Stichprobe entscheidet. Die Auswahlwahrscheinlichkeit muss dabei angebbar
und größer Null sein.
Die einfache Zufallsstichprobe ist statistisch gesehen die beste Lösung, bringt aber
in der Realität einige Probleme mit sich. Die Voraussetzung wäre, dass die Grundgesamtheit
komplett bekannt ist, jede Person in einer Liste vermerkt ist und dann per Zufall
gezogen wird. Dies ist aber gerade bei größeren Umfragen nicht möglich, da nicht jedes
Land über ein Einwohnerregister verfügt, und wenn es denn doch vorhanden ist, nicht unbedingt
aktuell ist (Wegzug, Todesfälle, usw.). [Hoepf2]
Verfahren, um nun diese Zufallsstichprobe zu ziehen sind:
• Lotterieverfahren/Urnenmodell: Die einfachste Form der Auswahl, bei der für jedes
Element der Grundgesamtheit eine Kugel in einer Mischtrommel existiert. Die Kugeln
werden gemischt, zufällig gezogen und man hat eine Stichprobe. Dies ist nur bei
kleinen Grundgesamtheiten praktikabel.
• Zufallszahlen: Jedes Element der Grundgesamtheit hat eine eindeutige Identifikationsnummer.
Für Stichprobe der Größe n werden n Zufallszahlen benötigt, die beispielsweise
per Computer generiert werden.
• Systematische Auswahlverfahren: Hierunter versteht man die Zusammenfassung einer
Reihe von praktischen Techniken, wie: “Ziehen jeder n-ten Karte”, “Buchstabenverfahren”
(jeder mit einem bestimmten Buchstaben im Namen), “Geburtstagsauswahlverfahren”,
usw. Diese Verfahren besitzen alle Probleme in Bezug auf die meist
systematische Anordnung der zugrunde liegenden Liste und Verteilung der Auswahlmerkmale.
Deshalb ist eine Anwendung der Verfahren mit Vorsicht zu genießen.
Bei einer geschichteten Zufallsstichprobe werden die Elemente der Grundgesamtheit in
Gruppen (“Schichten”) eingeteilt. Jedes Element gehört zu einer oder zu mehreren Schichten,
aus denen dann die Zufallsstichproben gezogen werden.
Im Allgemeinen werden Merkmale geschichtet, die mit dem Untersuchungsziel eng zusammenhängen.
Varianten dieses Verfahrens sind proportional geschichtete Stichprobe und
disproportional geschichtete Stichprobe. Bei einer proportional geschichteten Stichprobe
entspricht die Verteilung der in der Grundgesamtheit. Bei einer disproportional geschichteten
Stichprobe spricht man von “Oversampling”, was beispielsweise dann sinnvoll ist, wenn
man genügend Befragte einer ganz spezifischen Gruppe bekommen möchte (um beispielsweise
Minderheiten zu erreichen). [Hoepf2]
In der Praxis sind geschichtete Stichproben von Vorteil gegenüber Zufallsstichproben, da
43

sie fast immer genauere Schätzungen (kleinere Standardfehler) bei gleichen Kosten liefern.
Außerdem sind sie unumgänglich, wenn bestimmte Fragestellungen und Auswertungstechniken
Mindestfallzahlen für bestimmte Gruppen von Elementen benötigen.
Wenn eine Befragung ein ganzes Land abdecken soll, ergibt sich das Problem, dass die
Stichproben ein fein verteiltes Netz von Interviews bedeuten würde. Dies wäre gerade unter
dem Kostenaspekt (Reisekosten usw.) nur schwer durchführbar. Aus diesem Grund
setzt man, gerade bei mündlichen Interviews, auf das Klumpenverfahren um die regionale
Verteilung einzugrenzen. Dabei ist natürlich darauf zu achten, dass die regionale
Verteilung der Stichprobe der Bevölkerungsverteilung entspricht. Beispielsweise wählt man
bei einer Befragung der Bevölkerung eines Landes zuvor eine gewisse Anzahl von Gemeinden
aus, in denen man die Untersuchungen durchführt. [Hoepf2]
Klumpenverfahren haben dann Vorteile gegenüber anderen Auswahlverfahren, wenn keine
Liste der Elemente der Grundgesamtheit vorliegt oder die Kosten der Erhebung mit der
Entfernung zwischen den Elementen steigen. Das zentrale Problem dieser Verfahren ist
aber, dass wenn sich die Cluster sehr stark voneinander unterscheiden, sich die Elemente
innerhalb dieser Klumpen viel ähnlicher sind als die Elemente einer einfachen Zufallsstichprobe.
Daraus folgen ungenauere Ergebnisse als bei der Verwendung einer einfachen
Zufallsstichprobe, so genannte “Klumpeneffekte”.
Verfahren, die Zufallsauswahlen in mehreren “Stufen” vornehmen sind mehrstufige Auswahlverfahren.
Die Grundgesamtheit wird dabei zunächst in Gruppen von Elementen
eingeteilt, die “Primäreinheiten”, die als Auswahlgrundlage der ersten Stufe dienen. Aus
diesen wird dann eine Zufallsstichprobe gezogen, die dann die “Sekundäreinheiten” darstellen,
die entweder die Erhebungseinheiten bilden oder auch Auswahlgrundlage einer weiteren
Stufe sind.
Diese Verfahren finden Anwendung, wenn keine Liste der Grundgesamtheit zur Verfügung
steht, aber Listen zusammengefasster Elemente der Population. Problematisch ist dabei,
dass die Primäreinheiten bei mehrstufigen Auswahlverfahren fast immer unterschiedlich
viele Einheiten haben. Die Wahrscheinlichkeit, in die Auswahl zu gelangen, ist daher nicht
wie gefordert für alle Elemente gleich. Deswegen müssen Auswahlwahrscheinlichkeiten verwendet
werden, die proportional zur Größe der Primäreinheiten sind.
Für einen tieferen Einstieg in die Thematik sei hier neben [SHE05] auf [Hoepf2] verwiesen.
4.5.2. Willkürliche und bewusste Auswahlen
“Obwohl nur Zufallsstichproben die Anwendbarkeit der Inferenzstatistik garantieren, finden
sich neben den durch einen Zufallsprozess gesteuerten Auswahlverfahren weitere Auswahlverfahren
in der sozialwissenschaftlichen Literatur, die als “willkürliche Auswahlen” oder
“bewusste Auswahlen” bezeichnet werden.” [SHE05]
Willkürliche Auswahlen sind Auswahlen, bei denen die Entscheidung über die Aufnahme
eines Elementes der Grundgesamtheit in die Stichprobe nicht durch einen Auswahlplan
festgelegt ist, sondern nur im Ermessen des Auswählenden liegt. Da weder die
Grundgesamtheit sinnvoll definiert ist noch Auswahlwahrscheinlichkeiten angebbar sind,
44

sind willkürliche Auswahlen nicht für wissenschaftliche Zweck geeignet. Begrenzten Sinn
haben sie in der Vorbereitungsphase zu einer Erhebung, um eventuelle Probleme der Erhebung
oder der Verarbeitung der Daten im Vorfeld zu klären.
Bewusste Auswahlen erfolgen zwar nach Auswahlplan, inferenzstatistische Techniken
sind aber nicht anwendbar, d.h. sie lassen keine Aussage zu Verallgemeinerung zu. Beispiele
für bewusste Auswahlen sind: die Auswahl extremer Fälle (Selektion von Fällen, die in
einem bestimmten Merkmal eine “extreme” Ausprägung haben.), die Auswahl typischer
Fälle (Selektion von Fällen, die als besonders “charakteristisch” für die Grundgesamtheit
angesehen werden.), die Auswahl nach dem Konzentrationsprinzip (Auswahl derjenigen
Fälle, “bei denen ein interessierendes Merkmal so stark ausgeprägt ist, dass diese
Fälle nahezu die gesamte Verteilung in der Grundgesamtheit bestimmen”. [SHE05] Dieses
Verfahren ist für spezielle und eingeschränkte Fragestellungen geeignet und findet gelegentliche
Anwendung in der amtlichen Statistik.), das Schneeball-Verfahren (Selektion bei
der ausgehend von einer Person alle von dieser Person benannten Personen befragt werden.
Das Verfahren dient der Analyse von sozialen Netzwerken.) und das Quota-Verfahren.
Quota-Verfahren werden vor allem in der Markt- und Auftragsforschung verwendet. Sie
basieren auf der Auswahl von Personen in der Art und Weise, dass bestimmte Merkmale in
der Stichprobe in exakt derselben Häufigkeit wie in der Grundgesamtheit vorkommen. Die
endgültige Auswahl der Personen bleibt dem Interviewer überlassen. Dem Interviewer werden
nur “Quotenvorgaben” gemacht. Das Verfahren hat den Vorteil, dass es meist billiger
und schneller als Zufallsauswahlen ist. Sie sind vor allem dann billiger, wenn keine Liste
vorliegt aus der eine Zufallsstichprobe gezogen werden kann. Die Kritikpunkte sind aber,
dass es keine Zufallsauswahl darstellt und somit wieder die Anwendung der Inferenztechniken
erschwert oder unmöglich macht und dass die Gefahr einer erheblichen Verzerrung
durch die Interviewer besteht, da diese vor allem Personen auswählen werden, die sich kooperativ
verhalten.
“Falls exakte Ergebnisse, deren Genauigkeit angebbar ist, wichtiger sind als scheinbar “kostengünstige”
Lösungen, gibt es im Allgemeinen keine Alternative zu Zufallsstichproben.”
[SHE05]
Repräsentativität
“Zufallsstichproben stellen die einzige Gewähr dafür dar, dass aus Ergebnissen einer Stichprobe
in Bezug auf die Verteilung aller Merkmale (innerhalb bestimmter statistischer Fehlergrenzen)
auf die Verteilung dieser Merkmale in der Grundgesamtheit geschlossen werden
kann.” [SHE05] Dieser “Repräsentationsschluss” kann also nur dann gezogen werden, wenn
eine Zufallsauswahl der Auswahlmechanismus ist.
Um Untersuchungen in Bezug auf ihre Güte beurteilen zu können, sind genaue Angaben
zu Grundgesamtheit, Ziehungsprozess, Ausfälle und verwendete Instrumente nötig.
Nonresponse
Bei sozialwissenschaftlichen Untersuchungen sind meist Personen Untersuchungseinheiten.
Eines der Probleme, die bei den in der Stichprobe vorgesehenen Fällen auftreten können.
sind Ausfälle. Dies wird “Nonresponse-Problem” genannt. Man unterscheidet da-
45

ei zwischen einem völligen Ausfall (“Unit-Nonresponse”) und einem teilweisen Ausfall
(“Item-Nonresponse”), bei dem nur einige Variablen fehlen.
Wichtig ist es, das Ausmaß der Unit-Nonresponse, die so genannte “Nonresponsequote”,
zu kennen. Statt einer Zahlenangabe sollte ein Bericht genaue Angaben zum Umfang der
“tatsächlich realisierten” Stichprobe, wie auch der “zu realisierenden” Stichprobe (Anzahl
der tatsächlich gezogenen Elemente) enthalten, sowie die Gründe für die Ausfälle.
Mögliche Ausfallursachen sind: nicht aufgefundene Adressen, Personen die nicht zur Grundgesamtheit
gehören, Interviewerausfälle, Nichterreichbarkeit von Kontaktpersonen, Nichterreichbarkeit
der Zielperson, Krankheit der Zielperson, Verweigerung der Kontaktperson,
Verweigerung der Zielperson, Abbruch während des Interviews, Interviewertäuschungen,
Interviewerfehler und Datenerfassungs- und Datenaufbereitungsfehler. Typische Quoten
für Nonresponse liegen zwischen 20-30%, Tendenz steigend. Vor allem der Anteil von Verweigerung
steigt.
Die meisten Verfahren, um mit Nonresponse umzugehen (Ignorieren oder Gewichtungsverfahren),
führen lediglich zur Verdeckung der Nonresponse. Gemäß [SHE05] wird demnach
nur die Anwendung von “multipler Amputationen” als die richtige Technik angesehen. Dabei
werden die fehlenden Daten von Nonrespondenten auf Basis theoretischer Annahmen
über den Ausfallmechanismus mehrfach ersetzt.
4.6. Datenerhebungstechniken
Grundsätzlich unterscheidet man drei Instrumente bzw. Verfahren der Datenerhebung:
• Befragung
• Beobachtung
• Inhaltsanalyse
Die Unterscheidungsmerkmale der Erhebungsverfahren sind dabei:
• Reaktivität: Hier ist von Belang, inwiefern der Einsatz einer bestimmten Erhebungstechnik
Reaktionen oder Veränderungen bei den Untersuchungsobjekten hervorruft.
Ein Befragter reagiert beispielsweise nicht nur auf die gestellte Frage, sondern
auch auf den Fragesteller.
• Ausmaß der “Standardisierung”: Es ist zu kontrollieren, inwieweit die Untersuchungs-
und Erhebungsinstrumenten standardisiert sind. (Bsp.: der exakt gleiche
Fragebogen für alle Befragten vs. ein nur thematisch festgelegtes Gespräch)
Es gibt jeweils viele Argumente die für oder gegen die einzelnen Techniken sprechen. Als
“Königsweg der empirischen Sozialforschung” wird das standardisierte Interview angesehen.
Aber auch die Analyse von Zeitungen kann viel besser als eine Befragung sein, wenn es
beispielsweise um Ereignisse im Verlauf der letzten 20 Jahre geht, an die sich ein Befragter
dann erinnern müsste.
Im folgenden wird ein genauer Einblick in die drei zuvor genannten Techniken der Datenerhebung
gegeben. Ein Schwerpunkt wird dabei auf die “schriftliche Befragung” gelegt,
da diese im Rahmen des Experimentes dieser Arbeit Anwendung findet.
46

4.6.1. Befragung
Die Befragung gilt als Standardinstrument empirischer Sozialforschung für die Ermittelung
von Fakten, Wissen, Meinungen, Einstellungen oder Bewertungen im sozialwissenschaftlichen
Anwendungsbereich.
Die Formen der Durchführung einer Befragung sind:
• Mündliche Befragung
• schriftliche Befragung
• Telefoninterview
• Internetgestützte Befragung
Mündliche Befragung
Jede Befragung stellt eine soziale Situation dar und erhält insbesondere über die Kommunikation
ihre Struktur. Das standardisierte Interview versucht, den sozialen Prozess der
Befragung so zu gestalten, “dass valide und substantielle Ergebnisse erwartbar werden”
[SHE05]. Man unterscheidet einzelne Formen der mündlichen Befragung nach dem Ausmaß,
in welchem die Interviewsituation vom Forscher und vom Interviewer strukturiert
wird (siehe Tabelle 4.8).
Strukturierungsgrad Einzelbefragung Gruppenbefragung
Wenig Experteninterview, Gruppendiskussion
Teilweise Leitfadengespräch Gruppenbefragung
Stark Einzelinterview Gruppeninterview
Tabelle 4.8.: Formen mündlicher Befragung [SHE05]
Wenig strukturierte Interviewsituationen sind mündliche Interviews ohne Fragebogen.
Die Anordnung und Formulierung der Fragen bleibt dem Interviewer überlassen. Der
Interviewer hat eine eher passive Rolle, der Befragte bestimmt den Gang des Gesprächs.
Diese Form findet vor allem Anwendung in der frühen Phase einer Untersuchung zu Vorbereitungszwecken,
wenn der genaue Forschungsgegenstand noch nicht in allen Dimensionen
umrissen ist.
Teilstrukturierte Interviewsituationen sind Gespräche, die als Grundlage vorbereitete
und vorformulierte Fragen haben. Die Abfolge der Fragen ist vom Interviewer je nach
Situation zu wählen. Es muss aber der gesamte Fragenkatalog abgearbeitet werden.
Stark strukturierte Interviewsituationen werden Gespräche auf der Grundlage eines
vorgegebene “standardisierten Fragebogens” genannt. Alle Befragten erhalten die gleichen
Fragen in gleicher Formulierung und Reihenfolge. Der Interviewer nimmt dabei eine
neutrale, freundliche Haltung des Gewährenlassens an. Dadurch wird eine Gleichheit
der Interviewsituationen erreicht und die Ergebnisse werden vergleichbar. Dies stellt die
hauptsächliche Erhebungsform in der empirischen Sozialforschung dar. Tabelle 4.8 zeigt
die verschiedenen Formen der Befragung hinsichtlich ihrer Strukturiertheit.
47

Konstruktion von Fragen und Antwortvorgaben
Im Folgenden sollen die Grundlagen zur Konstruktion von Fragen und Antwortvorgaben
erklärt werden. Dabei werden die Art der Informationen die gesucht sind, die
formale und die inhaltliche Struktur der Fragen und Antwortvorgaben betrachtet.
Bei den Arten von Informationen, die erfragt werden, unterscheidet man zwischen:
• Einstellungs- / Meinungsfragen: Diese “beziehen sich auf den Aspekt der Wünschbarkeit
oder der negativen bzw. positiven Beurteilung, den Befragte mit bestimmten
Statements verbinden.” [SHE05]
Charakteristische Wendungen: erwünscht/unerwünscht, lehne ab/stimme zu
• Überzeugungsfragen: Diese zielen darauf ab, was Befragte für wahr oder falsch
halten. Charakteristische Wendungen: falsch/richtig, wahr/falsch
• Verhaltensfragen: beziehen sich auf Handlungen und Verhalten von Befragten
“bzw. eigentlich auf Überzeugungen der Befragten bezüglich ihres eigenen Verhaltens”.
[SHE05] Es wird dabei nur über Verhaltensweisen berichtet. Diese im Interview berichteten
Handlungen sind allerdings etwas anderes als die tatsächlich ausgeführten
Handlungen. Besonders unsicher sind dabei Aussagen über zukünftige Handlungen.
• Fragen nach Befragteneigenschaften: Allgemeine Fragen nach persönlichen und
demografischen Daten (Alter, Geschlecht, Ausbildung, Beruf, usw.). Diese werden in
den meisten Fragebögen “routinemäßig” erhoben. Ihr Zweck ist, “(statistisch) Zusammenhänge
zwischen demographischen Eigenschaften von Personen und ihren Einstellungen,
Überzeugungen und Verhaltensweisen zu ermitteln.” [SHE05]
Fragen nach hypothetischem Verhalten sollten generell vermieden werden. Stattdessen sollten
eher Fragen zu aktuellem Verhalten gestellt werden.
Bei der Struktur von Fragen und Antwortvorgaben unterscheidet man zwischen offenen
und geschlossenen Fragen. Offene Fragen bieten keine vorgefertigten Antwortmöglichkeiten.
Die Antwort ist in den eigenen Worten des Befragten niederzuschreiben.
Bei geschlossenen Fragen (“Multiple-Choice-Questions”) muss sich der Befragte zwischen
Antwortalternativen entscheiden. Dies beginnt bei zwei Alternativen (Bsp.: “ja/nein”, “stimme
zu/lehne ab”) und geht bis zu beliebig vielen Antwortvorgaben. Weiterhin unterscheidet
man geschlossene Fragen danach, ob die Antwortkategorien eine Rangordnung darstellen
oder sie “ungeordnet” sind. Übliche Antwortvorgaben mit Rangordnung (“Antwortskalen”,
“Ratingskalen”) sind:
• Häufigkeiten: “nie/selten/gelegentlich/oft/immer”
• Intensitäten: “nicht/wenig/mittelmäßig/ziemlich/sehr”
• Bewertungen: “stimmt nicht/stimmt wenig/stimmt mittelmäßig/stimmt ziemlich/
stimmt sehr”
• Wahrscheinlichkeiten: “keinesfalls/wahrscheinlich nicht/vielleicht/ziemlich wahrscheinlich/ganz
sicher”
48

Der Vorteil offener Fragen ist, dass ein Befragter innerhalb seines eigenen Referenzsystems
antworten kann. Er wird nicht durch den Fragebogen in eine bestimmte Richtung gelenkt.
Der schwerwiegende Nachteil offener Fragen besteht darin, dass die Antworten der Befragten
abhängig von ihrer Artikulationsfähigkeit sind. Nicht jeder kann seine Meinung richtig
in Worte fassen. Des Weiteren sind mögliche Fehler beim Notieren der Antwort durch den
Interviewer möglich und für die Auswertung der offenen Fragen ist ein erheblicher zusätzlicher
Aufwand nötig. Diese Probleme können bei geschlossenen Fragen nicht auftreten.
Nachteilig bei diesen ist aber, dass dem Befragten Antwortalternativen vorgeben werden,
an die er möglicherweise selbst noch nie gedacht hat.
In der Praxis werden häufig Kombinationen von offenen und geschlossenen Antwortvorgaben
verwendet. Ebenso kommen Hybridfragen zum Einsatz, bei denen bei Bedarf (also
wenn keine der vorgegebenen Antworten passt) eine andere Antwort angegeben werden
kann.
Bei der Formulierung von Fragen und Antwortvorgaben sind einige Punkte zu beachten.
Folgende Liste von Faustregeln zur Formulierung ist dabei hilfreich: Fragen und Antwortvorgaben
sollten ...
• einfache Worte enthalten: keine ungebräuchlichen Fachausdrücke, Fremdworte, Abkürzungen,
Slangausdrücke;
• möglichst kurz formuliert sein;
• konkret sein: keine abstrakten Begriffe;
• keine bestimmte Beantwortung provozieren: keine “Suggestivfragen”;
• neutral formuliert sein: keine “belasteten” Worte wie: Kommunist, Freiheit usw.;
• nicht hypothetisch formuliert sein;
• sich nur auf einen Sachverhalt beziehen: Vermeidung von Mehrdimensionalität;
• keine doppelte Negation enthalten;
• den Befragten nicht überfordern: keine Fragen nach Prozentsätzen und Durchschnitt;
• zumindest formal “balanciert” sein: alle negativen und auch positiven Antwortmöglichkeiten
sollten enthalten sein;
Zusätzlich sollte bei den Antwortvorgaben eine “weiß-nicht”-Kategorie vorhanden sein.
Ohne diese Kategorie würde eine Antwort erzwungen werden, die Auswahl dieser geschieht
dann nach dem Zufallsprinzip und hat keinerlei Aussagekraft. Eine Filterung von Non-
Attitudes kann auch durch eine zweistufige Fragestellung geschehen (siehe Tabelle 4.9):
... Haben Sie eine Meinung zu dieser Aussage Nein O - - - Ja O
Falls ja: Stimme Zu O - - - Lehne ab O
Tabelle 4.9.: Beispiel einer zweistufigen Fragestellung [SHE05]
49

Bei Fragen, die als Antwortvorgabe “stimme zu/lehne ab” vorsehen, kommt es zu dem Effekt
der so genannten Zustimmungstendenz. Unabhängig vom Inhalt wird diesen Fragen
eher zugestimmt. Je niedriger das Bildungsniveau der Befragten desto ausgeprägter ist diese
Tendenz. Deswegen sollte auf solche Formulierungen verzichtet werden und stattdessen
durch Fragen mit klaren Aussagealternativen ersetzt werden, so genannten “Forced-Choice-
Questions”. Dabei müssen die Befragten sich konkret zwischen inhaltlichen Alternativantworten
entscheiden. Dieses Verfahren ist allerdings sehr aufwendig und lässt, gerade in
Bezug auf dieses Experiment, kaum Platz für Ideen von Seiten der Befragten. [Stan1]
Probleme können auch beim Anbieten einer “mittleren” Antwortkategorie auftreten.
Grund dafür ist, dass Versuchspersonen, selbst wenn die Mitte explizit mit Worten beschrieben
ist, diese als neutrale Antwort annehmen oder sie als eine “Weiß-nicht”- bzw.
“Irrelevanz”-Antwort ansehen. Dies passiert dann, wenn jemand sich bei der Antwort nicht
festlegen will oder auch die Frage als nicht wichtig ansieht. Die einfachste Lösung für dieses
Problem ist, die mittlere Kategorie einfach wegzulassen und so den Probanden keine
Ausweichmöglichkeit zu bieten. Sie sind so dazu gezwungen sich eine Meinung in die eine
oder andere Richtung zu äußern. [Stan1]
Konstruktion eines Fragebogens
Die Konstruktion eines Fragebogens erfordert darüber hinaus die Beachtung einiger Kriterien.
Ein Effekt der auftritt, ist der Ausstrahlungseffekt oder Halo-Effekt. Jede Frage
und ihre dazugehörige Antwort kann die nachfolgende Frage so beeinflussen, “dass sich die
Beantwortung der Folgefragen entweder an der vorhergehenden Frage orientiert oder an
der bereits gegebenen Antwort.” [SHE05] Grund dafür ist der Sinnzusammenhang zwischen
den Fragen. Es liegt im Bemühen des Befragten, seine Antworten konsistent zu halten.
In diesem Zusammenhang kommt auch der Einleitungsfrage besondere Bedeutung zu, da
sich an ihr das “Engagement des Befragten zur Beantwortung des gesamten Fragebogens”
[SHE05] entscheidet. Sie sollte interessant in das gesamte Thema einführen, leicht zu beantworten
sein, Ängste mildern und von jedem zu beantworten sein. Wird hier bereits ein
“trifft nicht zu” angegeben, kann der Befragte der Meinung sein, dass die gesamte Befragung
sich nicht an ihn richtet. Es sollte vermieden werden, hier demografische Daten zu erheben.
Außerdem sollten zu jedem Themenbereich immer mehrere Fragen gestellt werden (Konzept
der multiplen Indikatoren). Fragen, die denselben Aspekt des Themas behandeln,
sollten auch nacheinander abgefragt werden. Zur Einleitung in einen neuen Fragenkomplex
sollten “Überleitungsfragen” verwendet werden. Sollten einige Fragen oder ganze
Fragenkomplexe für einen Befragten nicht relevant sein, sollten Filterfragen eingesetzt
werden, damit ein Befragter nicht unnötig viele Fragen nur mit “trifft nicht zu” beantworten
muss (Bsp.: falls “nein” weiter mit Frage 20).
Zum Umgang mit “schwierigen” oder “sensiblen” Fragen sei gesagt, dass diese immer gegen
Ende des Fragebogens zu stellen sind, um nicht einen frühzeitigen Abbruch zu provozieren.
Wenn der Kontext wichtig für die entsprechende Frage ist, dann ist diese an das Ende des
Fragenkomplexes zu stellen.
50

Das Design, Format und Layout eines Fragebogens muss bei der mündlichen Befragung so
gewählt sein, dass der Interviewer keine formalen Schwierigkeiten bei der Durchführung
der Befragung hat. “Nicht der Interviewer, der Fragebogen muß schlau sein.” [Schm62] Der
Fragebogen muss also eine leichte Unterscheidung zwischen Fragen und Anweisungen ermöglichen
und eine klare Filterführung aufweisen.
Es empfiehlt sich vor der eigentlichen Befragung einen Pretest durchzuführen um alle
Punkte der Konstruktion zu überprüfen. Hier sollte das Verständnis der Fragen durch den
Befragten, die Schwierigkeit der Fragen, Effekte der Fragenanordnung, Güte der Filterführung,
Kontexteffekte, Dauer der Befragung, usw. getestet werden. Selbst wenn bereits Teile
des Fragebogens in früheren Erhebungen verwendet wurden, sind Pretests unverzichtbar
bei der Entwicklung zuverlässiger Erhebungsinstrumente.
Neben einem Pretest empfiehlt es sich, auch eine Interviewerschulung durchzuführen.
Diese ist besonders dann notwendig, wenn nicht auf einen professionellen Interviewerstab
zurückgegriffen werden kann, sondern “freiwillige” Laien-Interviewer eingesetzt werden
müssen. Neben theoretischen Abhandlungen sollten Übungsinterviews und Rollenspiele
durchgeführt werden.
Methodische Probleme des Interviews
“Erhebungstechniken, bei denen sich die “Untersuchungsobjekte‘” bewusst darüber sind, dass
sie Gegenstand einer Untersuchung sind und die Möglichkeit haben, auf den Datenerhebungsvorgang
selbst zu reagieren, werden als “reaktive” Messverfahren bezeichnet.” [SHE05]
Durch diese “Reaktivität”, also dem Reagieren von Personen in der Interviewsituation auf
den Interviewer/Fragestellung, entstehen “Artefakte”.
Die Formen der Antwortverzerrung im Interview (Response Error), die sich daraus ergeben
sind:
• Item-Nonresponse: explizite Verweigerung einer Antwort;
• Meinungslosigkeit: Abgabe einer “weiß-nicht” Antwort;
• Non-Attitudes: Abgabe einer Antwort, obwohl keine Meinung vorhanden ist;
• Social-Desirability-Response-Set: Abgabe sozial erwünschter Antworten;
• Interviewereffekte: Reaktionen auf Merkmale des Interviewers;
• Frageeffekte: Reaktionen auf formale Aspekte der Fragen;
• Positionseffekte: Reaktionen auf die Abfolge der Fragen;
• Anwesenheitseffekte: Reaktionen auf die Anwesenheit von Dritten beim Interview;
• Sponsorship-Effekte: Reaktionen auf die Auftraggeber der Untersuchung;
• Zustimmungstendenz: Zustimmung unabhängig vom Inhalt der Frage;
Abgesehen von Frage-, Positionseffekten und Meinungslosigkeit lassen sich alle Effekte als
Spezialfälle von Zustimmungstendenz und sozialer Erwünschtheit auffassen.
51

Reaktivitätseffekte lassen sich nicht völlig ausschalten, da sie durch den sozialen Charakter
der Erhebungssituation bedingt sind. Bedeutsame Verzerrungseffekte sind aber nur unter
bestimmten Bedingungen zu befürchten. Durch eine explizite, theoriegeleitete Untersuchung
könne solche Effekte berücksichtigt werden. “Nur eine äußerst sorgfältige theoretische
Vorbereitung und empirische Absicherung durch Voruntersuchungen des Interviews
kann Ergebnisse erbringen, die das Potential dieser Erhebungstechnik voll nutzen.” [SHE05]
Schriftliche Befragung
Schriftliche Befragungen sind Befragungen, bei denen einen Gruppe von gleichzeitig
anwesenden Befragten Fragebögen in Anwesenheit eines Interviewers ausfüllen. Der Begriff
wird auch für Befragungen verwendet, bei denen die Fragebögen postalisch verschickt
werden, mit der Bitte sie ausgefüllt zurückzuschicken. Bei der postalischen Befragung
ist natürlich kein Interviewer anwesend.
Gründe für eine postalische Befragung sind vorwiegend technischer und ökonomischer Natur.
Der Verwaltungsaufwand bei persönlichen Interviews ist recht hoch, ebenso wie die
Kosten bei Befragungen mit z.B. mehr als 200 Befragten.
Generell haben die schriftlichen Befragungen den methodischen Vorteil, dass Interviewerfehler
vermieden werden und, dass die Antworten “ehrlicher” sind als bei Anwesenheit
eines Interviewers. Die Antworten sind zudem “überlegter”, da mehr Zeit zum Ausfüllen
des Fragebogens gegeben ist. Auch ist die Zusicherung der Anonymität glaubwürdiger.
Einen großen Nachteil stellt aber die höhere Ausfallquote als bei persönlichen Interviews
dar. Zudem können die Ausfälle systematisch erfolgen, da beispielsweise Personen, die
stark an dem jeweiligen Thema interessiert sind, eher den Fragebogen beantworten. Auch
ist kein Interviewer anwesend (zumindest bei der postalischen Befragung) der durch weitere
Erklärungen eine Teilnahme herbeiführen könnte. Dadurch kommt es zu einer Stichprobenverzerrung
durch “Selbstrekrutierung”. Von Nachteil ist auch, dass die Datenerhebungssituation
nicht auf mögliche externe Einflüsse kontrolliert werden kann. Die “Ernsthaftigkeit”
des Ausfüllens und wer den Fragebogen tatsächlich ausgefüllt hat ist, nicht angebbar. Die
schriftliche Befragung erlaubt auch nicht die Erfassung spontaner Antworten. Ein Befragter
kann sich vor dem Ausfüllen des Fragebogens einen Überblick verschaffen, wodurch eine
Reihe von “Konstruktionstricks” zum Abfangen verzerrter Antworten wirkungslos sind.
Konstruktion eines Fragebogens für die schriftliche Befragung
Die Konstruktion eines Fragebogens für eine schriftliche Befragung erfordert mehr Sorgfalt
als die Konstruktion jedes anderen Fragebogens, da der Befragte weitestgehend ohne die
Hilfe eines Interviewers die Fragen beantworten muss. Die zuvor beschriebenen Grundlagen
zur Konstruktion der Fragen und Antwortvorgaben und des Fragebogens sind auch hier
gültig.
Grundvoraussetzung eines schriftlich zu beantwortenden Fragebogens ist, den Eindruck
einer echten Gesprächssituation zu erzeugen und dabei ein gutes und klares Layout zu
bieten. Um einen Ermüdungseffekt zu vermeiden, sollte der Fragebogen nicht zu lang sein.
Es soll der Eindruck von Vielfalt und Kurzweile beim Teilnehmer erweckt werden. Dies ist
durch einen Wechsel von Fragetechniken möglich. Andererseits sollte aber auch auf eine
52

gewisse Einheitlichkeit der Antwortvorgaben und auch des Layouts geachtet werden. Der
Befragte sollte sich an eine spezifische Form des Ankreuzens gewöhnen können und nicht
andauernd erneut die Bewertungen studieren müssen. [Stan1]
Der erste Eindruck sollte Seriosität, Wichtigkeit und leichte Handhabbarkeit vermitteln
und ästhetischen Maßstäben genügen. Wesentlich für die Beantwortung eines Fragebogens
ist dessen Einleitung. Dieser vorangestellt Einleitungstext (je nach Umfang des Fragebogens
auf einem eigenen Deckblatt) sollte einige Merkmale unbedingt aufweisen. Zu diesen
gehören [Pils1]:
• eine knappe Vorstellung der Einrichtung, die die Befragung durchführt;
• eine Erklärung zur Fragestellung, also, was genau das Ziel der Umfrage ist;
• Hervorhebung der Wichtigkeit jedes einzelnen beantworteten Fragebogens;
• eine Bitte um die ehrliche Beantwortung;
• eine Versicherung, dass es keine “richtigen” und “falschen” Antworten gibt;
• eine Zusicherung der Anonymität;
• einen Dank an alle teilnehmenden Personen für die Opferung von etwas Zeit;
• ev. gesonderte Instruktionen zu einzelnen Fragen, falls dies nötig ist (beispielsweise
bei Fragen die mehr verlangen, als lediglich Ankreuzen);
Weiterhin sollte beachtet werden, dass die einmal ausgewählte Art der Antwortkennzeichnung
für den ganzen Fragebogen gültig sein sollte. Die Antwortkategorien müssen in entsprechender
(gleich bleibender) Weise identifizierbar sein. Fragen sollten beispielsweise in
Kleinbuchstaben, Antworten in Großbuchstaben geschrieben, oder zumindest in irgendeiner
Art und Weise hervorgehoben werden. Filterführungen müssen deutlich ersichtlich sein.
Die letzte Seite sollte eine Danksagung enthalten und zur Kommentierung der Untersuchung
einladen. Dementsprechend muss Platz für Bemerkungen freigehalten sein.
Durchführung einer schriftlichen Befragung
Für den Fall, dass eine Gruppe von anwesenden Personen gleichzeitig befragt wird, ist
die Durchführung trivial. Anders verhält sich dies bei der postalischen Befragung.
Hier sollte ein Begleitschreiben zur Darstellung des Zwecks der Untersuchung, mit einem
Hinweis auf die Wichtigkeit der Befragten, Nützlichkeit und Vertraulichkeit der Untersuchung
verschickt werden. Weiter sollten Schreiben mit Danksagung bzw. Erinnerungen an
diejenigen, die noch nicht geantwortet haben, folgen.
Telefoninterviews
Vor allem bei Markt- und Meinungsforschung werden Telefoninterviews verwendet [Atte95].
Gründe für die Durchsetzung von Telefoninterviews sind vor allem die steigenden Kosten
bei mündlichen Interviews vor Ort und, dass fast die gesamte Bevölkerung per Telefon
erreichbar ist (Telefondeckung von Deutschland und USA bei über 98%).
53

Oft verwendete Methoden zur Stichprobenziehung sind dabei die Generierung von Telefonnummern
aus Zahlenkombinationen (RDD: Random-Digit-Dailing) oder die Auswahl aus
dem Telefonbuch unter Verwendung eines einfachen Zahlenschlüssels (Bsp.: Ab Position X
jede 3-te Nummer). Die Ausschöpfungsquote wird durch Schwer-Erreichbare und Verweigerer,
wie auch bei anderen Verfahren, gesenkt. Generell liegt die Verweigerungsquote bei
dieser Art von Befragung bei etwa 28%.
Für Fragenformulierung und Fragebogenkonstruktion gelten die allgemeinen Grundsätze
wie auch bei der persönlichen mündlichen Befragung. Problematisch ist allerdings, dass
visuelle Hilfen, wie Diagramme usw., entfallen. Eine Einschätzung, ob der Befragte die
Frage versteht, gelangweilt ist usw., ist schwer.
Ein besonders großes Problem bei Telefoninterviews ist der “Response-Order-Effekt“. Dies
ist die bevorzugte Auswahl der ersten oder letzten Antwortvorgabe. Dies ist darin begründet,
dass der Befragte keine vollständige Erinnerung an alle Antwortvorgaben hat. Die
Lösung dieses Problems ist die Reduzierung der Anzahl der Antwortvorgaben oder die
“zwei-Stufen-Technik”. Dabei wird in der ersten Stufe die Zustimmung oder Ablehnung
erfragt und dann das Ausmaß dieser festgestellt.
Die Datenqualität ist kaum beeinträchtigt, da Verweigerung von Einzelfragen vom Umfang
her bei Telefoninterview und mündlicher Befragung in etwa gleich ist. Bei sensiblen Fragen
kommen jedoch mehr ausweichende und nicht-substantielle Antworten.
Internetgestützte Befragung
Befragungen über das Internet werden zunehmend populärer, da sie schnell durchführbar
sind, kaum Personalaufwand erfordern, die Einbindung von Video usw. möglich machen
und wesentlich geringere Kosten verursachen. Dafür haben sie aber schwerwiegende methodische
Probleme aller Formen.
Die Formen der internetgestützten Befragung sind “E-Mail-Befragung” (Fragebogen per
E-Mail) und “Web-Survey” (Fragebogen in Form eines Formulars auf einer Webseite).
Um die Ergebnisse dieser Befragung verallgemeinern zu können, muss auch hier mit einer
Stichprobe aus der Grundgesamtheit gearbeitet werden. Wird die Grundgesamtheit als:
“Gesamtheit der Internetnutzer” (wie es häufig der Fall ist) definiert, ist dies aber keine
vernünftige Abgrenzung, da keine räumlichen, sprachlichen und zeitlichen Beschränkungen
gegeben sind. Die Ergebnisse dieser “willkürlichen Auswahlen” lassen sich nicht verallgemeinern.
Um allerdings ein internetgestütztes Survey auf der Basis echter Zufallsstichproben
durchführen zu können, muss eine vollständige Liste von E-Mail-Adressen einer Population
vorhanden sein. Dies schließt nahezu alle Populationen bis auf einige wenige hoch organisierte
Gruppen (z.B. Fachverbände für Hochschullehrer eines Fachgebietes) aus. Dieses
kaum lösbare Problem der unvollständigen E-Mail-Listen gilt auch für die Befragung per
E-Mail.
Zusätzlich führen technische Probleme, wie die Kompatibilität von Fragebögen je nach
System auf dem sie betrachtet werden (gerade in Bezug auf Layout), dazu, dass internetgestützte
Befragungen fast immer untragbar hohe Nonresponse-Raten haben. Befragungen
dieser Art sind nur innerhalb homogener Organisationen mit vollständigen E-Mail-Listen,
standardisierter Hard-/Software und hoher Motivation möglich.
54

Sonderformen der Befragung
Zum Abschluss der Behandlung der Arten der Befragung sollen noch zwei Sonderformen
der Befragung betrachtet werden. Diese sind das Leitfadengespräch und das narrative Interview.
Dem Leitfadengespräch liegt der sogenannten “Leitfaden” und nicht ein standardisierter
Fragebogen zugrunde. Es kommt hauptsächlich als Pretest, zur Hypothesenentwicklung,
zur Analyse seltener Gruppen und als Ergänzung zur Validierung andere Forschungsergebnisse
zum Einsatz. Ziel und Vorteil dieser Form der Befragung ist die Miterfassung des
Bezugsrahmens des Befragten durch offene Fragen und Erweiterung von Antwortspielräumen.
Der Leitfaden stellt dabei sicher, dass alle forschungsrelevanten Themen angesprochen
werden und eine zumindest rudimentäre Vergleichbarkeit der Ergebnisse der Interviews
gewährleistet ist. Nachteile dieser Befragungsform sind höhere Anforderungen an
den Interviewer, stärkere Interviewereinflüsse, ein höherer Zeitaufwand und geringere Vergleichbarkeit
der Ergebnisse.
Das narrative Interview ist die Extremform einer offenen Befragung. Weder Fragebogen
noch Leitfaden liegt diesem Verfahren zugrunde. Das Ziel des Interviews ist das Verstehen
von Sicht- und Handlungsweisen des Befragten. Es ist die “Erzählung eigenerlebter Geschichten”.
Dem Befragten wird nur ein grobes Thema vorgegeben. Hauptproblem ist, dass
das Ergebnis im Wesentlichen von der Sprachkompetenz des Befragten abhängig ist.
4.6.2. Beobachtung
Die Beobachtung wird i.a. als die “ursprünglichste” Datenerhebungstechnik betrachtet. Die
wissenschaftliche Komponente der Beobachtung als empirische Datenerhebungstechnik ist
dann gewährleistet, wenn: die Beobachtung “a) einem bestimmten Forschungszweck dient,
b) systematisch geplant und nicht dem Zufall überlassen ist, c) systematisch aufgezeichnet
und auf allgemeinere Urteile bezogen wird, nicht aber eine Sammlung von Merkwürdigkeiten
darstellt, und d) wiederholten Prüfungen und Kontrollen hinsichtlich der Gültigkeit,
Zuverlässigkeit und Genauigkeit unterworfen wird...”. [JDK65]
Eine grobe Einteilung der Beobachtungsverfahren erfolgt danach, ob sie direkt oder
indirekt sind. Die direkte Beobachtung ist die Verhaltensbeobachtung im engeren Sinne.
Mit indirekter Beobachtung werden Verfahren bezeichnet, die Spuren, Auswirkungen von
Ereignissen untersuchen.
Einzelne Verfahren der direkten Beobachtung grenzt man ab nach:
• offen vs. verdeckt: ob die Beobachtungsobjekte Kenntnis von der Beobachtung
haben;
• Teilnehmend vs. nicht-teilnehmend: Teilnahme des Beobachters an der Interaktion;
• Strukturiert vs. unstrukturiert: ob gemäß genauem Beobachtungsschema;
• Beobachtungen in künstlichen Beobachtungssituationen vs. natürliche: Feldoder
Laborbeobachtungen;
55

• Selbstbeobachtung vs. Fremdbeobachtung: Beobachtung des Verhaltens der eigenen
Person oder anderer Personen;
In der empirischen Sozialforschung werden vor allem strukturierte Verfahren angewendet
(siehe Tabelle 4.10)
Distanz zur Untersuchungssituation:
Strukturierungsgrad: nicht-teilnehmend teilnehmend
unstrukturiert “nicht-wissenschaftliche” Anthropologische /
Alltagsbeobachtung ethnologische Beobachtung
strukturiert
Beobachtungsverfahren der empirischen Sozialforschung
Tabelle 4.10.: Beobachtungstypen [SHE05]
“Bei einer systematischen Beobachtung selektiert, klassifiziert und codiert ein “Beobachter”
Handlungsabläufe und Elemente von Handlungen nach den Anweisungen eines “Beobachtungssystems”.”
[SHE05] Hierzu ist die Konstruktion eines Beobachtungssystems nötig.
Man unterscheidet drei Arten von Beobachtungssystemen:
• “Zeichen-Systeme”: Der Beobachter zeichnet lediglich das Auftreten eines oder
mehrerer Ereignisse auf. Der größte Teil des ablaufenden Handlungsprozesses ist uninteressant.
• “Kategorien-Systeme”: Die Handlungen werden nach festgelegten Kategorien klassifiziert.
Die Hauptschwierigkeit ist die Entwicklung dieses Kategoriensystems.
• “Schätz-Skalen” (“Rating-Verfahren”): Der Beobachter beurteilt die Ausprägung eines
beobachteten Verhaltens. Dieses Verfahren wird meist in Kombination mit einem
der beiden anderen Verfahren genutzt.
In der Praxis werden mitunter alle drei Formen gleichzeitig verwendet.
Hauptaufgabe bei der Konstruktion eines Kategoriensystems ist die Auswahl der theoretisch
adäquaten Verhaltenseinheiten, nach denen das beobachtete Geschehen klassifiziert
werden kann. Diese Verhaltensweisen bzw. Kategorien stellen die Variablen in einem Kategoriensystem
dar. Die formalen und inhaltlichen Anforderungen an ein Kategoriensystem
sind dabei:
• Eindimensionalität der Messung;
• Ausschließlichkeit der Kategorien: jedes Ereignis darf nur einer Kategorie zugeordnet
werden können;
• Vollständigkeit der Kategorien: für alle möglichen zum Forschungsgegenstand gehörenden
Beobachtungen;
• Begrenzung der Anzahl der Kategorien: schon aus rein praktischen Gründen;
Typische Konstruktionsfehler sind Unvollständigkeit, Unanwendbarkeit und das Auseinanderklaffen
von Kategorien, was allerdings durch einen Pretest gemindert werden kann.
56

Weitere Probleme ergeben sich aus dem Einsatz eines Beobachters. Beobachter “entdecken”,
“verarbeiten” und “zeichnen Daten auf”. Sie nehmen also Daten auf, beurteilen und
vercoden die Daten und protokollieren sie schließlich. Die Qualität, d.h. Zuverlässigkeit der
Beobachtungsleistung, hängt somit nahezu vollständig vom Beobachter ab. Dem einzelnen
Beobachter wird es überlassen, den Trennstrich zwischen Ereignissen zu ziehen. Das bedeutet,
dass die Genauigkeit auch jeweils vom Beobachter abhängt. Und je nach Zahl der
zu beobachtenden Zeichen/Kategorien und ihres Vorkommens können selten vorkommende
leicht übersehen werden.
Die häufigsten Urteilsfehler sind:
• zentrale Tendenz: verschobene Wahrnehmung extremer Ereignisse;
• Neigung zu Milde;
• Einflüsse der zeitlichen Abfolge: Festlegung aufgrund des “ersten Eindrucks”;
• Halo-Effekt: Verzerrung des Urteils aufgrund eines besondern Merkmals einer Person;
• Tendenz, Eigenschaften, Verhaltensweisen und Elemente von Situationen nach der
“Logik” ihrer Zusammengehörigkeit/zugrunde gelegter Theorie des Beobachteten zu
beurteilen.
Die Anwesenheit eines Beobachters hat hingegen kaum gravierende Effekte, abgesehen von
eventuellen Effekten in der Anfangsphase.
Um diesen Fehlern entgegenwirken zu können, müssen die Beobachter geschult werden.
Die Codierung der verschiedenen Beobachter muss zudem gleich oder zumindest ähnlich
sein. Um dies zu gewährleisten, werden Pretests unter “Ernstbedingungen” und Prüfungen
der Übereinstimmung der Beobachter durchgeführt. Außerdem wird getestet ob, die Codierung
eines Beobachters konsistent über die Zeit ist. Auch während der Feldphase empfiehlt
sich eine kontinuierliche Kontrolle und Überwachung.
Die Beobachtung wird vor allem genutzt, um Einblicke in wenig bearbeitete Forschungsgebiete
zu bekommen und Hypothesen zu ermitteln, wie auch für die Erlangung ergänzenden
Materials. Meist wird es auch angewendet, wenn andere Methoden der Datenerhebung in
bestimmten Forschungsfeldern ausgeschlossen sind, wie etwa bei der Erfassung komplexer
Interaktionen.
Wegen der Probleme, die mit dem Verfahren der Beobachtung verbunden sind, wird es in
der Praxis nur in wenigen Gebieten verwendet.
4.6.3. Inhaltsanalyse
Eine Methode, die hauptsächlich Texte aller Art (auch Rundfunk-, Fernsehsendungen
usw.) einer quantifizierenden Analyse unterzieht, wird Inhaltsanalyse genannt. Die Methode
zeichnet sich dadurch aus, dass sie nicht-reaktiv ist, da die Produzenten der Texte
nichts von der Analyse wissen. Weitere Vorteile sind das umfangreiche zur Verfügung stehende
Material und die disziplinübergreifende Verwendbarkeit dieser Methode.
57

Hauptverwendungsbereich in der empirischen Sozialforschung ist die Erforschung politischer
Kommunikation, die Analyse von Massenmedien und der Wandel von Einstellungen
und Lebensstilen.
Vier gebräuchliche Formen der empirischen Inhaltsanalyse sind:
• Frequenzanalyse: Textelemente werden klassifiziert und die Häufigkeit ihres Vorkommens
wird gezählt;
• Valenzanalyse: spezifischere Beschreibung von Inhalten mit Bewertungen (negativ,
neutral, positiv) im Zusammenhang mit der Nennung bestimmter Begriffe;
• Intensitätsanalyse: zusätzliche Erfassung der Intensität von Bewertungen;
• Kontingenzanalyse: Überprüfung des Auftretens bestimmter sprachlicher Elemente
im Zusammenhang mit anderen Begriffen;
Unabhängig von der Form erfolgt eine Inhaltsanalyse in vier Phasen:
1. Schritt: Analyse der Art oder Klasse von Texten hinsichtlich eines spezifischen Forschungsproblems.
Die Texte müssen relevant für den Zweck der Untersuchung und
zugänglich sein.
2. Schritt: Ziehen einer Stichprobe aus der Klasse der relevanten Texte (Vollerhebung
oder Zufallsstichprobe).
3. Schritt: bei quantitativer Inhaltsanalyse: Vorgabe der Zähleinheiten (zu zählende
Texteinheiten, Merkmalsträger).
4. Schritt: Entwicklung eines Kategorienschemas: Definition von “Kategorien” im Sinne
von Oberbegriffen, “die mit dem definierten Begriff für die problemrelevanten Dimensionen
identisch sind oder sie in Teildimensionen untergliedern”. [SHE05] Dann
folgt die Bildung von “Unterkategorien”, die angeben, “welche Art von Aussage je
Kategorie unterschieden werden soll” [SHE05] (entspricht der Merkmalsausprägung
von Variablen).
Das zentrale methodische Problem der Inhaltsanalyse ist der Prozess der Datenreduktion,
d.h. die Klassifizierung einer Vielzahl von Wörtern eines Textes in nur wenige
Kategorien. Hauptproblem sind dabei die Konsistenz und die Zuverlässigkeit dieser Klassifikation,
da es sehr schnell zu Mehrdeutigkeit kommen kann.
Kriterien für die Zuverlässigkeit bei Inhaltsanalysen sind:
• Stabilität: inwieweit Inhaltsklassifikationen im Laufe der Zeit unverändert bleiben;
• Wiederholbarkeit: Ausmaß, in dem gleiche Klassifizierungen vorgenommen wurden,
wenn der gleiche Text von mehr als einem Coder vercoded wurde;
• Genauigkeit: Übereinstimmung eines von Hand codierten Fragebogens mit einer
bekannten “Standardcodierung”;
Zusammenfassend kann gesagt werden, dass der empirischer Ertrag und die theoretische
Bedeutung von Inhaltsanalysen i.a. eher gering sind.
58

4.6.4. Nicht-reaktive Messverfahren
Reaktivität ist, wie schon zuvor definiert, der “Einfluss des Messvorgangs auf die Reaktionen
von Versuchpersonen” [SHE05] bzw. auf Befragte. Nicht-reaktive Messverfahren sind
diejenigen Untersuchungssituationen, bei denen die untersuchten Personen nicht wissen,
dass sie sich in einer solchen befinden. Das Problem der Reaktivität, also der “Rückwirkung
der Erhebung auf die Reaktion der untersuchten Personen” [SHE05] wird so ausgeschlossen.
Der folgende Abschnitt soll einige übliche Verfahren kurz vorstellen.
So können physische Spuren als Datenquelle für vergangenes Verhalten genutzt werden.
Beispielsweise gibt die Abnutzung von Fliesen um einen Ausstellungsgegenstand Auskunft
über die Popularität desselben.
Bei der nicht-reaktiven Beobachtung werden nur äußerliche Erscheinungsmerkmale eines
Objektes (Bsp. Kleidung, Tätowierungen, usw.) registriert.
Die Analyse laufender Berichte, öffentlich zugänglicher Berichte aller Art, ist eine weitere
Datenquelle, die bei nicht-reaktiven Verfahren genutzt werden kann. Gerade in Industriestaaten
bilden diese Quellen kontinuierlich vergleichbare Daten über lange Zeiträume.
Allerdings existieren für kaum eines der nicht-reaktives Verfahren klare Gütekriterien.
Größte Schwierigkeit bereitet auch das so genannte Auswahlproblem. Gerade bei der Untersuchung
von physischen Spuren ist kaum angebbar, welche Population untersucht wird.
Auch die unterschiedlichen Verfallszeiten von Spuren sind mitunter problematisch.
Nicht-reaktive Verfahren sind deswegen nur bei wenigen Forschungsgebieten einsetzbar.
Zudem gibt es auch rechtliche und ethische Probleme, die nicht gerade für diese Art von
Verfahren sprechen (Bsp.: Abhören von Telefonen).
4.7. Datenaufbereitung
Nachdem für jede Untersuchungseinheit die Variablen erhoben wurden, müssen für die weitere
Bearbeitung die Daten zu einer bestimmten Struktur aufbereitet werden, die für die
spätere Analyse dienlich ist. Hierzu ist die Erstellung einer Datenmatrix nötig. Sämtliche
erhobenen Daten (z.B. alle erhaltenen Antworten eines Befragten) werden in einer
Tabelle dargestellt. Die Zeilen dieser “Datenmatrix” genannten Tabelle (siehe Tabelle 4.11)
stellen jeweils eine Untersuchungseinheit (Befragte Person) und die Spalten jeweils eine
Variable (Antworten auf eine Frage) dar (siehe auch Anhang C).
Durch die Angabe der Nummer einer Untersuchungseinheit und der Nummer einer Variablen,
kann ein Datenelement genau bezeichnet werden. Das Vorgehen, um aus ungeordneten
Daten (ausgefüllte Fragebögen) eine Datenmatrix zu erstellen, ist:
1. Erstellung einer Liste aller erhobenen Variablen mit ihren jeweiligen Ausprägungen.
Jeder Kategorie jeder Variablen wird ein spezieller Wert (“Code”) zugeordnet (“Codeplan”).
2. Umsetzung (“Codierung”) aller erhobenen Informationen gemäß diesem Codeplan.
3. Speicherung der codierten Daten in einer für die Verarbeitung sinnvollen Form.
59

Untersuchungs Variable
-einheit 1 2 ... m
1 X11 X12 ... X1m
2 X21 X22 ... X2m
... ... ... ... ...
n Xn1 Xn2 ... Xnm
Tabelle 4.11.: Beispiel für eine Datenmatrix [SHE05]
Für die Erstellung eines Codeplans wird zunächst zu Kontrollzwecken jedem Befragten
eine Identifikationsnummer zugeordnet (erste Variable in der Datenmatrix). Für jede
Variable wird dann ein Kürzel bestimmt und jeder Ausprägung ein Code zugeordnet. Für
fehlende Werte müssen spezielle Codes verwendet werden, die den Sachverhalt (fehlend)
und die Ursache (weiß nicht, verweigert, usw.) genau beschreiben. Dies gilt auch für Leerstellen,
also Fragen die beispielsweise wegen eines Filters nicht anwendbar waren.
Offene Fragen sollten für eine sinnvolle Auswertung klassifiziert werden. Nach der Auswertung
aller Antworten werden sie in neuen Kategorien zusammengefasst. Den Kategorien
werden dann Zahlen zugeordnet, die später ausgewertet werden können. Der Aufwand für
offene Fragen ist dementsprechend sehr hoch.
Meist passiert es auch, dass Codes für bestimmte Variablen verwendet werden, die nicht
im Codeplan stehen. Ursachen für diese “wild codes” genannten Fehler können sein:
• nicht dokumentierte Codes;
• Vergabe unterschiedlicher Codes bei nicht eindeutigen Antworten;
• Eingabetippfehler;
• Spaltenfehler (überspringen von Spalten);
Das Auffinden und Beseitigen solcher Fehler wird als Datenbereinigung bezeichnet. Neben
der Bereinigung sollte auch ein Konsistenztest gemacht werden, d.h. überprüft werden,
ob unlogische Daten enthalten sind (Bsp.: schwangere Männer).
Nach dem Vercoden der Daten können diese mittels Computer und Statistikprogrammpaketen/Datenanalysesystemen
ausgewertet werden. Für die Auswertung sind auch Datenbanksysteme,
wie beispielsweise Access oder MySQL, möglich. Für den professionelle
Auswertungsprozess sind diese allerdings trotz weiter Verbreitung nicht geeignet. Üblicherweise
werden spezielle Programme verwendet, wie beispielsweise “EpiData” (weitere
Programme siehe [SHE05]).
60

4.8. Datenanalyse
Nach der Erhebung und Aufbereitung der Daten müssen diese ausgewertet werden. “Erst
durch die Auswertung der erhobenen Daten sind Aussagen über die Annahme oder Verwerfung
von Hypothesen möglich.” [SHE05] In der Praxis der empirischen Sozialforschung
ist die Datenanalyse fast immer ein iterativer Prozess. Die Analyse erfolgt nach einer bestimmten
theoretischen Vorstellung. Entsprechend den Ergebnissen wird die Hypothese
verworfen/modifiziert/verfeinert und eine neue Analyse mit eventuell veränderten Variablen
durchgeführt. Man spricht von qualitativen Daten, wenn diese in Form von Worten
und Bildern und nicht in Zahlen dargestellt sind. Den Gegenpol bilden die quantitativen
Daten, die als Zahlen oder diskreten Kategorien vorliegen. [Seam99]
Im Folgenden sollen zunächst quantitative Methoden der Datenauswertung beschrieben
werden. Danach bietet dieses Kapitel einen Überblick über qualitative Auswertungsverfahren
und schließlich einen Einblick in die Analyse mit unvollständigen Datensätzen.
Randauszählung
Erster Schritt einer Datenanalyse ist die Randauszählung. Diese ist das Ergebnis der Berechnung
der “Häufigkeitsverteilung” für jede Variable im Datensatz. Das Verfahren
gibt einen ersten Überblick über die gewonnenen Daten. Ebenso wird noch der arithmetische
Mittelwert für jede Variable berechnet. Damit ist die erste, rein deskriptive Analyse
der Daten abgeschlossen. Solche “univariaten”, also nur auf die Variablen bezogenen, rein
deskriptiven Darstellungen sind meist kaum von größerem Interesse. Deswegen wird im
Anschluss meist eine Subgruppenanalyse durchgeführt.
Subgruppenanalyse
Die einfachste Form der Subgruppenanalyse ist der Vergleich der deskriptiven Statistiken
(z.B. Mittelwerte) und der Häufigkeitsverteilung einer bestimmten Variablen, bei verschiedenen
Subgruppen. Die Darstellung kann mittels “Kreuztabelle” erfolgen (auch “Kontingenztabelle”
genannt): Als Beispiel sei hier die nachfolgende “bivariate Kreuztabelle”
(Tabelle 4.12) dargestellt, bei der die zwei gekreuzten Variablen je zwei verschiedene Werte
annehmen können. Eine Tabelle mit zwei Variablen, die je zwei Ausprägungen haben,
wird auch als “2*2-Tabelle” bezeichnet.
Variable 1:
Variable 2: männlich weiblich Row Total:
Kein Mitglied Total/Prozent Total/Prozent Total/Prozent
Mitglied Total/Prozent Total/Prozent Total/Prozent
Column Total: Total/Prozent Total/Prozent Total/Prozent
Tabelle 4.12.: Kreuztabelle mit Kreuzung zweier Variablen (2*2-Tabelle) [SHE05]
Die angegebenen Häufigkeiten beziehen sich bei der “Total Percentage” in einer Zelle auf
die Gesamtzahl der Fälle. Bei der “Row Percentage” beziehen sich die Häufigkeiten auf
die Gesamtzahl der Fälle einer Zeile der Tabelle und bei der “Column Percentage” auf die
Gesamtzahl der Fälle einer Spalte der Tabelle.
61

Am Kopf der Tabelle ist meist die unabhängige Variable. Die “Prozentsatzdifferenz”
wird als einfaches “Zusammenhangsmaß” interpretiert, d.h. es gibt die Stärke des Zusammenhangs
zwischen zwei Variablen an. Wenn beispielsweise 31% der Männer aber nur
21% der Frauen eine bestimmte Eigenschaft aufweisen, dann ist der Zusammenhang von
Männern und der Eigenschaft um 10 Prozentpunkte höher als der von Frauen und der
Eigenschaft.
Multivariate Analyse
Als weiteren Schritt findet die multivariate Analyse Anwendung, wenn eine größere Zahl
von Variablen betrachtet werden soll. Hierbei werden wieder Kreuztabellen zur Darstellung
verwendet, die aber aus verschiedenen Teiltabellen (“Partialtabellen”) bestehen. Durch die
gleichzeitige Berücksichtigung von beispielsweise drei Variablen können so weitere Ergebnisse
gewonnen und Schlussfolgerungen gezogen werden.
Im Folgenden sollen einige Verfahren der multivariaten Analyse kurz skizziert werden.
Für einen tiefer gehenden Einblick in multivariate Datenanalyseverfahren sei auf die Quelle
[SHE05] verwiesen.
Bei Log-linearen Modellen zur Analyse kategorialer Daten wird versucht, die Häufigkeiten
in einer Kreuztabelle durch eine lineare Gleichung, “die die Effekte einzelner Spalten
und Zeilen der Kreuztabelle wiedergibt, möglichst genau zu reproduzieren.” [SHE05] Angewendet
wird es für das Testen detaillierter Hypothesen, wie z.B. über Muster in Tabellen.
Die Lineare Regression beantwortet die Frage: “Wie wirkt sich die Veränderung einer Variablen
auf eine andere Variable aus” Die Werte der abhängigen Variablen jedes einzelnen
Falles werden als Summe aus einer Konstanten und der mit einem “Regressionskoeffizienten”
gewichteten unabhängigen Variablen vorhergesagt.
Die Grundidee der Multiplen Regression mit kategorialen abhängigen Variablen
ist, eine abhängige Variable durch eine lineare Funktion unabhängiger Variablen zu erklären.
Weitere Verfahren sind die Ereignisdatenanalyse, bei der die Länge einer Zeitspanne
bis zum Eintreten eines bestimmten Ereignisses untersucht wird, die Pfadanalyse, Klassifikationsverfahren
und dimensionsreduzierende Verfahren. Keines der Verfahren
ist immer angemessen, denn alle Verfahren haben Vor- und Nachteile. So muss von Fall zu
Fall entschieden werden, welches Verfahren Anwendung finden soll.
Signifikanztest
Verallgemeinerung auf die Grundgesamtheit werden bei echten Zufallsstichproben durch
die Anwendung der so genannten “Inferenzstatistik” durchgeführt. Ein wichtiger Teil
ist dabei die Frage, ob ein beobachteter Effekt zufällig entstanden ist. “Signifikanztests”
sind Verfahren zur Untersuchung dieser Frage.
Die beiden am häufigsten verwendeten Verfahren sind Signifikanztests zur Prüfung der
Unabhängigkeit in Kreuztabellen und Signifikanztests für Mittelwertdifferenzen.
Ein Signifikanztest der Prüfung der Unabhängigkeit in Kreuztabellen arbeitet
mit einer “Indifferenztabelle”. Diese Kreuztabelle zeigt die Verteilung zweier Variablen unter
der Annahme, dass die Variablen unabhängig voneinander sind (siehe Beispiel in Tabelle
4.13). Sollte tatsächlich kein Zusammenhang in der Grundgesamtheit bestehen, dann sollte
62

auch die Stichprobe keinen Zusammenhang zeigen. Kleine Abweichungen sind allerdings
erlaubt. Je weiter die Kreuztabelle von der Indifferenztabelle abweicht, umso stärker ist
das Argument gegen die Vermutung der Unabhängigkeit.
Männer Frauen Summe
Raucher 25 25 50
Nichtraucher 25 25 50
Summe 50 50 100
Tabelle 4.13.: Indifferenztabelle: kein Zusammenhang zwischen Geschlecht und Rauchern
[SHE05]
Ein Signifikanztest für Mittelwertdifferenzen ist ein Test für die beobachteten Mittelwertdifferenzen
(Experimental- und Kontrollgruppe) hinsichtlich der Frage der “Zufälligkeit”.
Wenn beide Gruppen derselben Grundgesamtheit angehören und beide Gruppen
unabhängige Zufallsstichproben darstellen, dann streuen deren Mittelwerte um den Mittelwert
der Grundgesamtheit. Bei Zufallsstichproben entspricht die Mittelwertedifferenz
einer bestimmten Verteilung und so kann darauf geschlossen werden, ob der Unterschied
zwischen Experimental- und Kontrollgruppe reiner Zufall ist oder eben nicht.
Die generelle Nützlichkeit von Signifikanztests in den empirischen Sozialwissenschaften ist
aber kontrovers. (siehe [HMS97])
Qualitative Auswertungsverfahren
Mit qualitativen Auswertungsverfahren sind Auswertungsstrategien gemeint, die weniger
strikte Anforderungen hinsichtlich Messniveau stellen und zu verbalen Interpretationen
kompatibel sind.
“Qualitativ” bezeichnet Verfahren, die nur auf Nominalskalen aufbauen oder die Art der
Datenauswertung, bei der keine statistisch-numerische Verfahren, sondern “EDV-gestützte
Strukturierungshilfen eingesetzt werden” [WoT03]. Außerdem kann auch der Verzicht auf
zählende bzw. rechnende Verfahren und die Nutzung der dann übrig bleibenden subjektiven
Interpretationen darunter verstanden werden. [WoT03]
Unter konfigurale Techniken sind diejenigen statistischen Auswertungstechniken zu verstehen,
die “nicht auf eine mathematisch-quantitative Beschreibung von Zusammenhangsstrukturen
ausgerichtet sind, sondern eigentlich nur Konfigurationen in den Daten (also
Kombinationen verschiedener Merkmalsausprägungen auf Nominalskalen) aufbauen.”
[WoT03] Der Vorteil gegenüber den zuvor schon erwähnten linearen Verfahren besteht
darin, dass die Konfigurationen strukturgleich mit “wenn-dann Sätzen” sind. Sie haben damit
den Vorteil, dass sie einer normalen Argumentation entsprechen, wie: “Ein bestimmtes
Ereignis “A” ist dann zu erwarten, wenn Bedingung “X” und/oder Bedingung “Y” gegeben
ist”. Für große Variablenmengen sind diese Verfahren allerdings nicht geeignet. [WoT03]
Zu den Verfahren, die eine Strukturierungshilfe bieten, gehören viele Verfahren der Inhaltsanalyse,
insofern sie mehr als eine einfache Zählung der Worthäufigkeit beinhalten.
Dabei können gerade für die Auswertung von offenen Fragestellungen, wie bei Interviews,
von Befragten geäußerte Zusammenhänge in (teil-)formalisierte Darstellungen überführt
63

werden. So können komplexe Sachverhalte übersichtlich dargestellt werden. Auf diesen
Daten lassen sich dann quantitative Auswertungen aufbauen. Bisher sind diese Verfahren
allerdings wenig verbreitet. [WoT03]
Der dritte Ansatz ist ein rein verstehend-interpretatorisches Vorgehen. Auch wenn
dieser Ansatz in vielen Bereichen der Geisteswissenschaften, wie auch bei der Interpretation
von Kunst, unverzichtbar ist, ist er im Rahmen der empirischen Evaluation wenig
akzeptiert. Auf nicht quantitativ erfasste Hinweise, wie beispielsweise Optimierungsmöglichkeiten,
sollte deswegen aber nicht verzichtet werden. Meinungen und Vorschläge sollten
lediglich als solche gekennzeichnet werden, um das Mißverständnis, dass diese auf objektiven
Fakten beruhen würden, zu vermeiden. [WoT03]
Datenanalyse mit unvollständigen Datensätzen
Gerade bei sozialwissenschaftlichen Datensätzen, sind unvollständige Datensätze ein Problem.
Üblicherweise fehlen dabei zwischen 1 und 10% der Daten einer Variablen (Datenfehler,
weiß-nicht-Antworten oder explizite Verweigerung).
Durch die Überprüfung wodurch das Fehlen der Daten zu erklären ist, kann man die Daten
eventuell ersetzten. Man unterscheidet zwischen:
• MCAR: “missing completely at random”: bedeutet, dass Daten völlig zufällig fehlen;
• MAR: “missing at random”: Das Fehlen von Daten auf einer Variable kann durch
eine andere Variablen erklärt werden. Fehlende Parameter können geschätzt werden
(Bsp.: Einkommen: fehlt umso häufiger, je höher es ist, und hängt auch mit der
Bildung des Befragten zusammen);
• MNAR: “missing not at random”: Fehlen von Daten kann nur durch die Variable
selbst, bei der sie fehlen, vorhergesagt werden;
Die übliche Behandlung durch Ignorieren des Problems basiert häufig auf einer falschen
MCAR-Annahme. Bei dem Verfahren der “multiplen Amputationen” werden fehlende
Werte “unter Annahme eines Prozesses, der zum Fehlen der Daten führte, mehrfach geschätzt
(typischerweise fünfmal), wobei die geschätzten Werte aus einer geeigneten Wahrscheinlichkeitsverteilung
stammen.” [SHE05] Alle so vervollständigten Datensätze werden
dann mit Standardmethoden analysiert und die Ergebnisse kombiniert.
Für einen tieferen Einstieg in die Materie der “empirischen Sozialforschung” sei auf die
Quellen [SHE05], [Atte95], [JDK65] und [WoT03] verwiesen. Für praxisnahe Informationen
ist die Internetpräsenz von [Stan1] zu empfehlen (URL: http://arbeitsblaetter.stangltaller.at/).
Werner Stangl ist Professor für Psychologie und Pädagogik an der Sozial- und
Wirtschaftswissenschaftlichen Fakultät der Johannes Kepler Universität Linz. Auf seinen
Internetseiten sind zahlreiche psychologische Fachtexte veröffentlicht, die auch den Bereich
“empirische Forschungsmethoden” abdecken.
Für weitere Informationen zu Forschungs- und Umfragemethodik sind die Seiten von
[Hoepf1] zu empfehlen (URL: http://www.mypage.bluewin.ch/hoepf/fhtop/). François Höpflinger
ist Professor am soziologischen Institut der Universität Zürich. Seine Seiten bieten
unter anderem Unterlagen zu methodischen Fragen sozialwissenschaftlicher Forschung.
64

5. Einführung in die empirische
Softwaretechnik
Die vorangehenden Kapitel haben einen Einblick in die Softwaretechnik (Kapitel 3) und
den in Aufbau sowie die Methodik von Untersuchungen in der empirischen Sozialforschung
(Kapitel 4) gegeben. Das vorliegende Kapitel stellt nun die Verbindung zwischen diesen
beiden Themenkomplexen dar. Es beschreibt den Einsatz von empirischen Methoden in
der Softwaretechnik.
Neben dem Vorgehen bei empirischen Untersuchungen in der Softwaretechnik sollen die
üblichen Methoden und Untersuchungsformen, die auch schon aus der empirischen Sozialforschung
bekannt sind, im Hinblick auf die Anforderungen in der Softwaretechnik,
betrachtet werden. Des weiteren soll auch noch ein Überblick über Methoden zur Evaluation
von Software gegeben werden.
5.1. Grundlagen
Der Begriff “Empirie” ist, wie schon zuvor erwähnt, aus dem Griechischen und steht für
“Erfahrung”. Es beschreibt somit etwas, dass “aus der Erfahrung, Beobachtung oder einem
Experiment” entnommen ist. Unter “empirischer Softwaretechnik” versteht man demzufolge
den Einsatz von empirischen Methoden bei der Softwareentwicklung. Vorher
aufgestellte Hypothesen werden durch Experimente, Fallstudien usw. überprüft. [BWF04]
Die empirische Softwaretechnik erkundet Phänomene bei der Erstellung und dem Einsatz
von Software und bewertet Werkzeuge und Methoden zur Software-Erstellung.
Außerdem testet sie Theorien über Software und ihre Erstellung und bewertet Eigenschaften
von Software. Fallstudien finden im Rahmen eines Projektes häufig Anwendung.
[TiM06]
Nach einer Einführung in den Aufbau empirischer Studien in der Informatik, oder genauer
gesagt in der Softwaretechnik, werden vier in der Softwaretechnik schon übliche Methoden
näher betrachtet. Dies sind Experimente, Fallstudien, Umfragen und Metastudien.
Der Aufbau von empirischen Untersuchungen in der Softwaretechnik ist im Grunde genommen
identisch mit dem in der Sozialforschung. Man unterscheidet i.a. sechs Phasen:
1. Definition
2. Planung und Design
3. Implementierung und Vorbereitung
4. Durchführung der Studie
65

5. Analyse der gewonnenen Daten
6. Aufbereitung und Interpretation der Daten sowie Veröffentlichung der Studie
In der Phase der Definition werden die Ziele der Studie identifiziert und präzise definiert.
Es sollte nicht nur der geplante Test beschrieben werden, sondern auch die Theorie, die
der zu testenden Hypothese zugrunde liegt. Nur so wird durch das Experiment auch neues
Wissen generiert.
Während der Planung und dem Design der Untersuchung werden die Variablen, Prozeduren,
Kontrollmechanismen und Auswahlverfahren für die zufällige Gruppenbildung (falls
dies erforderlich ist) festgelegt. Den Anfang dieser Phase bildet die Festlegung der Population,
aus der die Probanden ausgewählt werden sollen. Danach wird der Prozess festgelegt,
durch den die Subjekte/Objekte ihrem jeweiligen Treatment zugeordnet werden sollen.
Bei der Implementierung und Vorbereitung werden alle organisatorischen Maßnahmen
getroffen und die benötigten Materialien vorbereitet. Dies kann beispielsweise die Schulung
von Interviewern und/oder auch die Konstruktion eines Fragebogens sein.
Der nächste Schritt ist dann die Durchführung der Studie, bei der alle außergewöhnlichen
Vorfälle protokolliert werden und alle verwendeten Materialien gesammelt werden müssen.
Die Genauigkeit und Vollständigkeit der Datenerfassung muss sichergestellt werden. Ursachen
für Nicht-Antworten müssen ebenso festgehalten werden, wie auch die Anzahl der
Abbrecher bei Experimenten und die Gründe dafür.
In der Analyse-Phase werden die gewonnenen Daten organisiert und statistischen Verfahren
zur Untersuchung der Daten ausgewählt. Ausreißer werden untersucht und es erfolgt
eine Auswertung und Interpretation der gewonnenen Ergebnisse.
Der letzte Schritt ist die Aufbereitung, die Interpretation der Daten und die Veröffentlichung
der Studie. Wenn möglich, sollten dabei auch die Rohdaten veröffentlicht werden.
[BWF04]
5.2. Untersuchungsformen
Im Folgenden sollen nun verschiedene empirische Forschungsmethoden, die in der Softwaretechnik
eingesetzt werden können, beschrieben werden. Diese Strategien sind:
• Experiment,
• Fallstudie,
• Umfrage und
• Metastudie
Besonderes Augenmerk sei dabei auf die Methoden des Experiments und der Umfrage
gelenkt, da diese in besonderem Maße für die im Rahmen dieser Arbeit durchgeführte Untersuchung
relevant sind (siehe die nachfolgende “Anwendung der Methodik” in Teil III).
Nach einem kurzen Überblick über die verschiedenen Methoden, werden die sechs Phasen,
die man während der Durchführung der Untersuchung durchläuft, beschrieben. Das Vorgehen
richtet sich nach den in [BWF04] beschriebenen Grundlagen. Selbstverständlich muss
der gewählte Versuchsaufbau erlauben, die gestellte Forschungsfrage auch zu beantworten.
66

5.2.1. Experiment
Ein Experiment ist “eine detaillierte und formale Untersuchung, die unter kontrollierten
Bedingungen durchgeführt wird” [BWF04]. Dadurch ist es möglich, alle relevanten Variablen
direkt und präzise zu verändern. Man unterscheidet zwischen Feldexperimenten und
kontrollierten (oder auch Labor-) Experimenten.
Das Feldexperiment wird in einer realen Umgebung durchgeführt. Die Hauptkennzeichen
dieser Art von Experiment sind, dass die unabhängigen Variablen manipuliert (also
verändert) und die abhängigen Variablen beobachtet und gemessen werden. Störvariablen
werden so weit wie möglich konstant gehalten oder ihre Auswirkung neutralisiert (interne
Gültigkeit). So können die Wirkungen der unabhängigen Variablen auf die abhängigen
Variablen genau untersucht werden. Feldexperimente finden vor allem dann Anwendung,
wenn die interessierende Situation im Labor nicht nachgestellt werden kann. Sie haben den
Vorteil, dass sie aufgrund ihrer Realitätsnähe realistische Ergebnisse liefern. Leider geht
dies mit einem nur sehr schwer zu erfassenden Umfeld und hohen Kosten einher. Spezialfall
der Feldexperimente ist die so genannte “Software-Archäologie”. Dabei handelt es sich um
ein eingriffsfreies Feldexperiment, da alle Beobachtungen erst im Nachhinein erfolgen. Die
Analyse basiert auf Daten, die ein Projekt ohnehin gesammelt hat, wie etwa die Versionsdatenbank,
Fehlermeldungen oder Bearbeitungszeiten. Problematisch ist allerdings die
Qualität und die Vollständigkeit der Daten. [TiM06]
Ein kontrolliertes Experiment ist ein Experiment, bei dem die Beobachtungen verschiedener
Experimente miteinander verglichen werden. Diese verschiedenen Experimente
finden immer unter den gleichen Bedingungen statt und unterscheiden sich lediglich durch
eine veränderte Variable. Die Auswirkungen dieser einen manipulierten Variablen (Ursache-
Wirkung-Beziehung) können so genau analysiert werden. [TiM06]
Abbildung 5.1.: Unabhängige und abhängige Variablen [Muel06]
Den Beginn eines Experimentes stellt die Definitions-Phase dar. In dieser wird das Ziel
einer Untersuchung festgelegt. Hierzu kann eine Liste von vorläufigen Hypothesen aufgestellt
werden. Darüber hinaus wird der Kontext der Studie definiert. Das Ziel wird dann
beispielsweise mittels der GQM-Technik (“Goal-Question-Metric”) genauer definiert. Diese,
ursprünglich am “NASA Goddard Space Flight Center” von Victor Basili (siehe [BaWe84]
und [BaSe85]) entwickelte Technik wurde eingesetzt, um Ziele quantitativ zu definieren und
ihren Fortschritt zu beobachten. Heute hat sich diese Technik, in modifizierter Form, auch
im IT-Umfeld durchgesetzt. Das grundsätzliche Vorgehen ist dabei: für jedes Ziel, welches
man erreichen will, wird eine Reihe von Fragen formuliert, die ein genaueres Verständnis
ermöglichen, wann ein Ziel erreicht ist. Zu jeder dieser Fragen werden dann Metriken bestimmt,
Werte anhand derer die Fragen beantwortet werden können. [BaSL98]
67

Während der Design-Phase muss zunächst einmal das Design ausgewählt werden, dass
den Sinn und Zweck des Experimentes optimal erfüllt. Unabhängige und abhängige Variablen
müssen identifiziert werden. Die unabhängigen Variablen werden im späteren Verlauf
des Experimentes bewusst verändert und führen dann zu Abweichungen an den abhängigen
Variablen, die gemessen werden (siehe Abbildung 5.1).
Die Einschränkungen der Gültigkeit müssen ebenfalls berücksichtigt werden. Die interne
Gültigkeit (auch interne Validität) hängt, wie schon zuvor erwähnt, von der kausalen Beziehung
zwischen unabhängigen und abhängigen Variablen ab. Durch äußere Einflüsse, so
genannte Störeffekte, kann diese verletzt werden. Mögliche Störeffekte sind Historie, Reifung,
Selektion, Sterblichkeit, usw. Die externe Gültigkeit (auch externe Validität) gibt
Auskunft über die Übertragbarkeit der Ergebnisse auf andere Gruppen von Personen. Faktoren,
die diese einschränken können, sind Erfahrungen der Teilnehmer, das experimentelle
Umfeld, die Dauer der Studie oder auch die Selektion der Subjekte. Für die Behandlung
von Störeffekten kann folgendes Vorgehen empfohlen werden:
1. Versuch der Vermeidung von Störeffekten
2. Konstanthaltung für alle Subjekte
3. Gleichmäßige Verteilung auf Gruppen [Muel06]
Eine genauere Beschreibung dieser Methoden findet sich in der Einführung in die empirische
Sozialforschung unter dem Abschnitt: “Techniken zur Kontrolle von Störfaktoren”
(siehe Kapitel 4.4.1).
Des Weiteren werden in der Design-Phase die Kriterien für potentielle Subjekte festgelegt.
Dies beginnt bei der Definition der Grundgesamtheit und geht dann bis zum Verfahren,
mit dem bei einer Teilerhebung eine Stichprobe gezogen wird. Zuletzt wird dann die Datenerhebungsmethode
definiert. Grundsätzlich unterscheidet man hier zwischen Befragung,
Beobachtung und Inhaltsanalyse. Für einen Überblick über die Auswahlverfahren und die
Datenerhebungstechniken sei hier auf die gleichnamigen Teile des Kapitels “empirische Sozialforschung”
verwiesen (siehe Kapitel 4.5 und Kapitel 4.6).
Ziel der Implementierung ist die Vorbereitung aller Materialien, die nötig sind, um
das Experiment durchführen zu können. Werkzeuge, die für das Experiment benötigt werden,
sowie Tools zur Datenerfassung müssen vorbereitet werden oder, insofern noch nicht
vorhanden, implementiert werden. Ebenso müssen die Aufgaben, die die Subjekte lösen
müssen, so beschrieben werden, dass sie von allen Teilnehmern erledigt werden können.
Wenn für bestimmte Aufgaben ein Training nötig sein sollte, muss auch dieses oder etwaige
Pretests vorbereitet werden. Speziell im Fall des Einsatzes von Trainingseinheiten ist
dabei wieder auf Störeffekte zu achten, wie beispielsweise ein Lerneffekt, der dabei entstehen
und so die Ergebnisse verfälschen könnte.
Da die gesamte Vorbereitungsphase sehr viel Zeit in Anspruch nimmt, empfiehlt es sich,
auf bereits bestehende Materialien zurückzugreifen. Neben einer Zeit- und Kostensenkung
kann durch die Wiederverwendung meist auch die Qualität erhöht werden, da die Materialien
so einem zweiten Test unterzogen werden. Zum Abschluss der Vorbereitungen
sollte ein Pilotexperiment durchgeführt werden. Dieses Experiment in kleinem Maßstab
soll sicherstellen, dass die Messinstrumente hinreichend genau und die Aufgaben bzw. die
Materialien klar und verständlich sind. Wenn all diese Maßnahmen abgeschlossen sind,
68

müssen die zu untersuchenden Subjekte ausgewählt werden. Dies geschieht mit den zuvor
schon erwähnten Verfahren unter Berücksichtigung der Qualifikation der Subjekte für das
Experiment.
Anzumerken ist, dass die Phasen Design/Planung und Implementierung/Vorbereitung oft
iterative Prozesse sind.
Die nächste Phase ist die planmäßige Durchführung des Experimentes. Zunächst werden
etwaige Vorexperimente oder auch Trainingseinheiten durchgeführt. Als nächstes findet
dann das eigentliche Experiment statt. Alle Abweichungen vom ursprünglichen Plan
müssen festgehalten werden. Ebenfalls müssen alle unvorhergesehenen Ereignisse (Unterbrechungen,
Störungen, Ausfälle usw.) protokolliert werden.
Durch einen auf den Vortest abgestimmten Nachtest kann drüber hinaus auch ein Feedback
zu dem durchgeführten Experiment erlangt werden. Die Teilnehmer könne ihre Meinung zu
der eigenen Leistung, der Qualität der Materialien und zu verbesserungswürdigen Punkten
der Untersuchung nennen. Neben den quantitativen Ergebnissen erhält man so auch
qualitative Erklärungen für die Ergebnisse. Bereits während der Durchführung sollten die
gesammelten Daten hinsichtlich Vollständigkeit, Lesbarkeit und Konsistenz überprüft werden.
Sämtliche in dieser Phase fehlenden Daten können relativ einfach, beispielsweise durch
Rückfragen an die Probanden, ergänzt werden.
Die erste Aktivität in der Analyse-Phase ist die Überprüfung der gewonnenen Daten
hinsichtlich Konsistenz, Plausibilität und Gültigkeit. Des Weiteren werden die Daten gemäß
den in den Kapiteln 4.7 und 4.8 beschriebenen Methoden vercoded und analysiert.
Es werden also beschreibende Statistiken und Grafiken sowie eine Analyse der Ausreißer
erstellt. Der wichtigste Teil dieser Phase ist die Bewertung der zu Beginn aufgestellten Hypothese.
Darüber hinaus kann auch noch eine Analyse der Daten durchgeführt werden, die
zusätzlich erhoben wurden und für die Überprüfung der Hypothese selbst nicht benötigt
werden (siehe Kapitel 4.8).
Den letzten Schritt stellt schließlich die Veröffentlichung der Daten dar. Ziel ist es hierbei,
die gewonnenen Ergebnisse in der Art zu veröffentlichen, dass es anderen möglich
ist, diese zu verstehen und das Experiment wiederholen zu können. Dadurch kann gezeigt
werden, dass die Ergebnisse zu verallgemeinern sind und nicht nur für die untersuchte Population
gültig sind.
5.2.2. Fallstudie
Eine Fallstudie ist eine “detaillierte Untersuchung eines einzelnen Falls oder mehrere zusammenhängender
Fälle.” [BWF04] Es ist die genaue Beschreibung und Analyse eines
Vorgangs, einer Organisation oder auch eines Ereignisses. Genutzt werden dafür verschiedenste
Informationsquellen wie etwa Interviews, bestehende Dokumente oder Messungen.
Zum Einsatz kommen Fallstudien bei der Illustration eines Werkzeugs, Machbarkeitsstudien
oder bei der Abschätzung der Effizienz einer bestimmten Technik. Fallstudien sind
zwar relativ einfach durchzuführen, ihre Ergebnisse sind dafür umso schwieriger zu verallgemeinern.
[TiM06]
69

In der Definitions-Phase wird, wie bei empirischen Studien üblich, das Ziel der Untersuchung
definiert. Auch hier kann die aus dem Experiment bekannte GQM-Technik
angewendet werden. Das Ziel von Fallstudien im Software Engineering ist meist die Feststellung
der besseren von zwei Techniken.
Bei der Design-Phase einer Fallstudie wird, wie auch bei einem Experiment, sich zunächst
für ein Konzept entschieden und Variablen und ihre Beziehungen definiert. Dann werden
Auswahlstrategien für die Selektion der Informationen, die dem Projekt zugrunde liegen
sollen, festgelegt. Ebenso werden die Instrumente bestimmt, die zur Gewinnung der Daten
verwendet werden sollen. Störeffekten, die dabei auftreten könnten, muss mit adäquaten
Methoden entgegen gewirkt werden.
Die Implementierung umfasst, neben den schon bekannten Vorbereitungen, die Erstellung
eines Fallstudienplans. Dieser detaillierte Projektplan soll genaue Informationen zu
allen Aktivitäten, Zeitpläne, Meilensteine und Verantwortlichkeiten enthalten.
Die Durchführung beinhaltet, wie auch zuvor, die planmäßige Erhebung der Daten. Alle
Änderungen und Abweichungen gegenüber dem ursprünglichen Plan müssen protokolliert
werden.
In der Phase der Analyse werden die gewonnenen Daten quantitativ und qualitativ untersucht.
Bei der quantitativen Datenanalyse wird die Verteilung der Merkmale ermittelt, bei
der qualitativen Analyse werden Schlussfolgerungen aus den zuvor ermittelten Ergebnisse
gezogen.
Den Abschluss stellt die Aufbereitung und Veröffentlichung in Form eines Berichtes dar.
5.2.3. Umfrage
Umfragen sind meist relativ breit angelegte Untersuchungen, bei denen “Informationen mit
einem standardisierten Formular von einer Gruppe von Personen oder Projekten erfasst
werden.” [BWF04] Durch Fragen an Repräsentanten einer bestimmten Zielgruppe werden
Informationen gesammelt, die einen Einblick in den momentanen Zustand der Zielgruppe
geben sollen. Repräsentanten vertreten die interessierende Zielgruppe durch entsprechende
Merkmale oder Verhaltensweisen. Die Fragen werden entweder schriftlich (Fragebogen)
oder mündlich (Interview) gestellt. Zu beachten ist bei dieser Art von Untersuchung allerdings,
dass Antworten immer subjektiv und nur begrenzt zu überprüfen sind. Vorteilhaft
sind die geringen Kosten, nachteilig die Verlässlichkeit der Ergebnisse. [TiM06]
In der ersten Phase, der Definitions-Phase, wird zunächst das Thema des Surveys festgelegt.
Nachdem die Fragestellung definiert ist, muss eine Literaturrecherche durchgeführt
werden, um zu prüfen, ob eine Befragung überhaupt nötig ist. Falls nötig, können auch
Experteninterviews für einen Überblick über den aktuellen Stand der Forschung auf dem
interessierenden Gebiet eingesetzt werden. Diese Recherchen münden dann in die Feststellung
des genauen Ziels der geplanten Befragung. Des Weiteren ist auch die Machbarkeit der
Befragung zu untersuchen, also ob die Fragestellung der Studie auch tatsächlich durch eine
Befragung beantwortet werden kann, oder ob ein Experiment oder eine Fallstudie nicht
besser geeignet wäre.
70

Nach der Definition der Zielsetzung folgt die Design-Phase. In dieser erfolgt die Operationalisierung
des Studienziels. Dabei wird die Grundgesamtheit, was die Fragebögen
abfragen und wie die Daten erhoben und interpretiert werden, definiert. Wie auch zuvor
müssen dabei Störeffekte, die die Gültigkeit einschränken würden, beachtet werden.
In der Phase der Vorbereitung werden die Fragebögen dann ausgearbeitet. Mit Hilfe
von Testläufen können eventuelle Hürden, wie unverständliche Fragen, Mehrdeutigkeiten
usw. behoben werden und kritische Fragen rechtzeitig ausgetauscht werden. Außerdem erfolgt
die Schulung der Interviewer, falls solche eingesetzt werden, in dieser Phase.
Ist dies abgeschlossen, folgt die Durchführung der Befragung. Die interessierenden Daten
werden erhoben und verarbeitet. Je nachdem, ob hier der Fragbogen oder das Interview
zum Einsatz kommt, müssen unterschiedliche Tätigkeiten ausgeführt werden. Fragebögen
müssen eventuell verschickt und Daten der Befragten verwaltet werden. Die Rücklaufquote
muss, falls zu niedrig, durch zusätzlichen Aufwand erhöht werden (siehe hierzu in
Kapitel 4.6 “Datenerhebungstechniken” den Abschnitt “Durchführung einer schriftlichen
Befragung”.) Im Fall eines Interviews müssen zunächst Termine mit den zu Befragenden
vereinbart werden und die Befragung selbst durchgeführt werden. Dies sollte gemäß den
in Kapitel 4.6 “Datenerhebungstechniken” im Abschnitt “mündliche Befragung” genannten
Richtlinien geschehen. Das Ergebnis beider Arten der Befragungen (ob mündlich oder
schriftlich) ist ein ausgefüllter Fragebogen, der im Folgenden dann vercoded und zur Analyse
vorbereitet werden muss (siehe auch Kapitel 4.7).
Es existieren Werkzeuge, die die Phasen Durchführung, Analyse und Aufbereitung unterstützen.
Dies sind beispielsweise “JMP” oder auch “MS Access”. Vor allem die Ergebnisse
sind durch eine Visualisierung in grafischer Form am aussagekräftigsten. Programme die
dies können, sind beispielsweise “Open Office” oder “MS Excel”.
Die Analyse erfolgt dann in Form von Randauszählung, Subgruppenanalyse, usw. Für
das genaue Vorgehen und die verschiedenen Techniken sei auf das Kapitel 4.8 “Datenanalyse”
verwiesen.
Der letzte Schritt ist, wie auch bei den vorherigen Strategien, die Veröffentlichung.
5.2.4. Metastudie
Der Vollständigkeit halber soll auch noch kurz auf die Metastudie eingegangen werden. Die
Metastudie ist eine Studie über Studien. Bei dieser werden mehrere, bereits vorhandener
Studien zu einem Thema ausgewertet. Das Material wird dabei der Forschungsliteratur
entnommen und zusammengefasst, sowie einer umfangreichen Analyse unterzogen. Vorteil
einer Metastudie ist natürlich der vergleichsweise geringe Aufwand, um eine Studie dieser
Art durchzuführen. Problematisch ist, dass entsprechende empirische Studien schon vorhanden
sein müssen. Je nach Themengebiet kann das schwierig sein. Außerdem gibt es
keine Möglichkeit Lücken und Mängel in den vorhandenen Studien auszugleichen (siehe
auch Kapitel 4.6 Abschnitt “Inhaltsanalyse”). [TiM06]
71

5.3. Methoden zur Evaluation von Software
Da es in der folgenden empirischen Untersuchung (siehe Teil III) um die Evaluation, also
Bewertung von Software geht, sollen einige Punkte dazu genauer betrachtet werden. Deswegen
werden in diesem Abschnitt Methoden vorgestellt, die gerade im Hinblick auf die
Bewertung von Software von Vorteil sind.
Evaluation ist definiert als Prozeß “der Beurteilung des Wertes eines Produktes, Prozesses
oder eines Programmes, was nicht notwendigerweise systematische Verfahren oder datengestützte
Beweise zur Untermauerung einer Beurteilung erfordert.” [WoT03]
Neben der technischen Leistungsfähigkeit stellt die Anpassung von Systemen an den sie
benutzenden Menschen eine entscheidende Gestaltungsaufgabe dar. Bei der Umsetzung des
Gestaltungszieles “Benutzerfreundlichkeit” bzw. “Usability” helfen zwar internationale
Standards, in der Praxis sind aber Evaluationsmaßnahmen (in verschiedenen Entwicklungsstadien)
unverzichtbar, um hochwertige Benutzeroberflächen zu gestalten. Dabei wird
heute die Evaluation “hauptsächlich als Mittel der Informationssammlung mit gestaltungsunterstützender
Rolle innerhalb eines iterativen Software-Entwicklungsprozesses gesehen”
[Hegn03].
Bei der Beurteilung von Software kann man zwischen zwei Arten der Evaluation differenzieren:
Formative Evaluation ist die Bewertung von Software im Laufe ihres Entwicklungsprozesses.
Ziel ist die Optimierung der Nutzungsqualität noch vor Abschluss der Entwicklungsaktivitäten.
Hierfür werden in erster Linie qualitative Daten über die Schwächen eines
Produktprototyps gesammelt (beispielsweise durch “Usability-Tests”). Aus den Ergebnissen
werden dann Maßnahmen zur Verbesserung der Benutzbarkeit abgeleitet.
Die Summative Evaluation ist die “Analyse und Bewertung des Softwareentwicklungsprozesses
hinsichtlich der vorher formulierten Evaluationskriterien” [Hegn03]. Beispielsweise
werden mehrere Software-Applikationen hinsichtlich ihrer Qualität miteinander verglichen.
Daraus gewonnene Erkenntnisse finden in Nachfolgeprodukten Anwendung. Aufgestellte
Hypothesen werden meist mit quantitativen Verfahren getestet (Bsp.: Fragebögen).
[Hegn03].
Die Ziele der Evaluation können klassifiziert werden nach:
• Vergleichende Evaluation (Which is better)
• Bewertende Evaluation (How good)
• Analysierende Evaluation (Why bad)
Bei der vergleichenden Evaluation werden mindestens zwei Systeme miteinander verglichen.
Aufgrund der subjektiven Zufriedenheit der Benutzer oder objektiven Leistungsmessung
wird das Beste der Systeme bestimmt (siehe auch [NiTa94]).
Bei der bewertenden Evaluation wird eine “bestimmte oder geforderte Systemeigenschaft
geprüft” [Hegn03].
Die analysierende Evaluation hat zum Ziel, Hinweise auf Schwachstellen zu erhalten,
72

um so direkte Gestaltungsvorschläge zu liefern. Potentielle Benutzer testen dazu ein System,
wie es auch normalerweise zum Einsatz kommen würde. [Hegn03]
Zur Durchführung der Evaluation dienen die schon aus der empirischen Sozialforschung
bekannten empirischen Methoden (siehe Kapitel 4). Objektive Methoden ermitteln “harte”
Daten und werden dann eingesetzt, wenn Bearbeitungszeiten oder auch Fehlerzahlen
gemessen werden sollen. Zur Ermittelung wird die Beobachtung eingesetzt.
Subjektive Methoden dienen, bei der Evaluation von Software, in erster Linie zur Bewertung
der Benutzerschnittstelle durch den Benutzer. Die Befragung kann mit Fragebögen
oder auch durch Interviews erfolgen. Gerade bei der Nutzung von Fragebögen kann sie mit
verhältnismäßig geringem Aufwand durchgeführt werden. Die Akzeptanz eines Systems
lässt sich so optimal feststellen. [Hegn03]
Bei diesen Ergonomieprüfungen können Experten eingesetzt werden, die eine umfassende
Inspektion des Systems vollziehen. Experten sind aber keine wirklichen Benutzer. Deswegen
bieten sich nutzerbezogene Prüfungen an, wie Usability-Tests oder Befragungen.
Diese finden anhand von Prüfaufgaben mit “echten” Benutzern statt. [Hegn03]
Usability-Tests
Der Usability-Test dient der Simulation des Praxisfalls. Eine gestellte Aufgabe soll dabei
von Versuchspersonen mit dem zu untersuchenden System oder Werkzeug gelöst werden.
Ein Versuchsleiter ist anwesend, um im Notfall eingreifen zu können. Die Lösung erfolgt
normalerweise aber im Alleingang. Insoweit die Arbeitsumgebung wichtig ist, sollte der
Test auch in der entsprechenden durchgeführt werden. Um viele wesentliche Fehler zu entdecken,
reichen teilweise schon kleine Stichproben, von 3-6 Probanden, aus.
Maße für die Benutzbarkeit (Usability) sind: Effektivität, Effizienz und Zufriedenheit.
Die Effektivität ist gegeben, wenn die benötigten Ergebnisse einwandfrei erreicht werden.
Um dies zu erfassen, müssen der Umfang (Angabe in Prozent), in dem die Aufgabe erfüllt
wurde, und die Qualität des Ergebnisses miteinander in Verbindung gesetzt werden. Gemäß
[Hegn03] resultiert daraus die Aufgabeneffektivität. Die Formel dafür ist [Hegn03]:
(Umfang ∗ Qualitaet)%
Aufgabeneffektivitaet =
100
Die Effizienz beschreibt, ob ein Werkzeug die Arbeit auch erleichtert. Mit ihrer Hilfe kann
bestimmt werden, ob ein bestimmtes Werkzeug auch für eine Zielgruppe geeignet ist und
eine Unterstützung zur Erfüllung einer bestimmten Aufgabe darstellt. Hierzu werden die
Effektivität, und die Zeit, die zur Lösung der Aufgabe benötigt wurde, miteinander in Verbindung
gesetzt. Daraus resultiert die Aufgabeneffizienz [Hegn03]:
Aufgabeneffizienz = Effektivitaet
Zeit
Die Zufriedenheit misst schließlich die subjektive Einstellung der Benutzer im Hinblick
auf das System. “Diese Größe ist sehr bedeutungsvoll, da das subjektive Empfinden des Benutzers
oft entscheidend für die Akzeptanz eines Systems ist” [Hegn03]. Gemessen wird sie
in der Regel durch Fragebögen oder Interviews. Neben geschlossenen Fragen können auch
73

offene Fragen eingesetzt werden, um die Zufriedenheit zu erfassen. Den Benutzern soll dazu
genügend Platz gegen Ende des Fragebogens eingeräumt werden, um ihre Eindrücke
beschreiben zu können. Vorteile des Fragebogens sind in erster Linie, dass er standardisiert
ist, d.h. für alle Befragten gleiche Bedingungen vorliegen, und dass mögliche Interviewerfehler
ausgeschlossen werden. Nachteilig wirken sich unvollständige Daten und mangelnde
Flexibilität aus. Letzterem kann aber durch offene Fragestellungen entgegen gewirkt werden.
Für eine vollständige Erfassung der Zufriedenheit empfiehlt es sich außerdem die Körpersprache
der Probanden während der Durchführung des Tests zu beobachten und auszuwerten.
[Hegn03]
Zum Umgang mit den Versuchspersonen empfiehlt [Hegn03], sich an folgendem Vorgehen
zu orientieren:
• Begrüßung der Versuchsperson und, falls nötig, Mitteilen von Informationen über die
Umgebung (Toiletten, Ausgänge, etc).
• Erklärung von Ziel und Zweck des Tests. Insbesondere sollte hervorgehoben werden,
dass “das System und nicht die Versuchsperson getestet werden soll” [Hegn03].
Erläuterung der eingesetzten Methoden (Fragebogen usw.).
• Einführung in die eigentliche Aufgabe.
• Rückfragen der Benutzer ermitteln und beantworten.
• Durchführung der eigentlichen Aufgabe.
• Nachfragen, ob spezielle Probleme aufgetreten sind.
• Nach Beendigung Danksagung an alle Teilnehmer.
Alle weiteren Aspekte, wie Definition des Untersuchungsziels, Bestimmung der Versuchpersonen,
Bestimmung der Testumgebung, Methoden der Befragung, Auswahl der Variablen,
Kontrolle der Störfaktoren, Durchführung des Tests, Aufbereitung der Daten und Analyse
der Daten sind die aus der empirischen Sozialforschung (siehe Kapitel 4) bekannten Methoden.
Für weitere Methoden sei auf [Hegn03] verwiesen. Für zusätzliche Gesichtspunkte der Usability
sei auf [NiTa94] Bezug genommen.
74

Teil III.
Anwendung der Methodik
75

6. Evaluation von Werkzeugen zur
konzeptionellen Modellierung
Im Folgenden wird nun ein konkretes Experiment beschrieben, das die zuvor erarbeitete
Methodik benutzt. Hierzu werden die in den Kapiteln 3, 4 und 5 erarbeiteten Grundlagen
herangezogen. Empirische Methoden werden genutzt, um verschiedene Werkzeuge zur
konzeptionellen Modellierung zu untersuchen.
Das vorliegende Kapitel gliedert sich dabei in sechs Abschnitte.
Die erste Phase (Kapitel 6.1) ist die Definitionsphase, in der die Ziele der Untersuchung
festgelegt werden.
In der Phase der Planung (Kapitel 6.2) werden Untersuchungsform, Variablen und die
Auswahl der Untersuchungsobjekte bestimmt.
Die dritte Phase (Kapitel 6.3) dient der Implementierung der Materialien, die zur Durchführung
der Untersuchung benötigt werden.
Danach erfolgt die Erhebung der Daten (Kapitel 6.4). Die theoretische Durchführung und
der tatsächliche Ablauf der Befragung wird hier dokumentiert.
Die Datenerfassung (Kapitel 6.5) dient der Aufbereitung und Strukturierung der Daten
für die folgende Analyse.
Die letzte Phase stellt die Analyse der Daten dar (Kapitel 6.6). Hierbei werden die Ergebnisse
interpretiert und daraus Anforderungen an ein Werkzeug für die konzeptionelle
Modellierung ermittelt.
6.1. Ziel der Untersuchung
Das übergeordnete Ziel dieser Untersuchung ist die Verbesserung der Softwaretechnik-Lehre
durch ein Werkzeug, welches optimale Unterstützung bei der konzeptionellen Modellierung
bietet. Hierzu werden die Ergebnisse der Analyse von vier bestehenden Werkzeugen verwendet,
um Anforderungen an ein neues Werkzeug zu formulieren.
6.1.1. Kontext der Studie
Wie bereits in Kapitel 3.1 beschrieben, wird in der Softwaretechnik-Lehre der Aufbau
komplexer Softwaresysteme vermittelt. Dies geschieht meist unter Verwendung der Modellierungssprache
UML (siehe Kapitel 3.2). Ein wichtiger Aspekt in der Anfangsphase der
Lösung eines Problems ist die Modellierung eines groben Entwurfs. Aus diesen konzeptionellen
Modellen kristallisiert sich dann ein Lösungskonzept heraus (siehe Kapitel 3.4).
Um Studenten die Fähigkeiten zur konzeptionellen Modellierung zu vermitteln, werden im
76

Rahmen der Übung zu Softwaretechnik-Vorlesungen Aufgaben über Entwurfsmuster (siehe
Kapitel 3.3) gestellt. Diese sollen die Studenten in Form eines konzeptionellen Modells
lösen. Bei der Korrektur der Lösungen liegt dabei das Hauptaugenmerk auf die Konzeption.
Von untergeordneter Bedeutung sind die vollständige und fehlerlose Spezifikation von
Attributen und Methoden.
Als Werkzeug um diese Aufgaben zu erfüllen, sind verschiedenste Eingabemethoden denkbar
(siehe Kapitel 3.5 bis Kapitel 3.7). Dies beginnt bei Papier und Stift und geht bis zu
Tablet PCs. Auch sind Grafikprogramme oder CASE-Tools, die für den Einsatz mit UML
konzipiert sind, vorstellbar.
Wenn es nun aber darum geht, Aufgaben in großen Vorlesungen mit hunderten von Studenten
lösen zu lassen, wird ein Werkzeug benötigt, dass zugleich einfach wie Papier und Stift
ist und über die Funktionen verfügt, wie sie ein CASE-Tool bereitstellt. Dieser Bereich der
konzeptionellen Modellierung wurde bisher vernachlässigt, weshalb für den akademischen
Bereich adäquate Werkzeuge nicht verfügbar sind.
Deshalb wurde dieses Experiment durchgeführt, in dem Studenten eine Aufgabe zur konzeptionellen
Modellierung mit den Eingabemethoden Papier und Stift, Grafikprogramm,
CASE-Tool oder Tablet-PC lösen sollten, um die Vor- und Nachteile dieser Eingabemethoden
zu ermitteln.
Das Experiment fand im Rahmen der Vorlesung: “Software Engineering 1”, gehalten von
Professor B. Brügge an der TU München im Wintersemester 2005/2006, statt. Neben
der Motivation der Studierenden sollte deren Meinung zu unterschiedlichen Lehrmethoden
bzw. Werkzeugen für den Lösungsentwurf erfasst werden. Die Studenten haben nach Abschluss
der Aufgabe einen Fragebogen ausgefüllt, in dem sie die Eingabemethode, die sie
zur konzeptionellen Lösung der Aufgabe eingesetzt haben, nach verschiedenen Kriterien
bewertet haben. Aus den Ergebnissen dieser Bewertungen wurden die Vor- und Nachteile
der einzelnen Methoden ermittelt und Anforderungen für ein Werkzeug abgeleitet, das sich
besonders für diese Art der Modellierung eignet. Die Durchführung erfolgte in der Vorlesung
vom 13.12.2005 und in der Übung vom 15.12.2005.
6.1.2. Hypothese
Bei diesem Experiment wurden Papier und Stift, Grafikprogramme, CASE-Werkzeuge und
Tablet PCs hinsichtlich ihrer Eignung für die konzeptionelle Modellierung untersucht. Dabei
wurden folgende Ergebnisse erwartet:
• Es ist zu vermuten, dass gerade wenn es um die ersten Ideen geht, keines der Werkzeuge
diesen Prozess so gut unterstützt wie Papier und Stift. Da diese Hilfsmittel
von jedem ohne weiteres benutzbar und darüber hinaus nahezu immer und überall
verfügbar sind, kann keines der anderen Werkzeuge es bei der Intuitivität und
Leichtigkeit der Benutzung übertreffen.
• Gleich an zweiter Stelle, in Bezug auf Usability und Unterstützung im Lösungsprozess,
ist der Tablet PC zu erwarten, da er zusätzlich zu der von Papier und Stift
77

ekannten Eingabemethode noch die durch den Computer ermöglichten Modifikationsfunktionen
bereitstellt.
• CASE-Werkzeuge werden voraussichtlich im Mittelfeld abschneiden. Auch wenn sie
gerade in Bezug auf UML die “besten” Funktionen bieten, können die Komplexität
und die starre Bindung an die Regeln von UML anfänglich hinderlich bei der
konzeptionellen Modellierung sein.
• Die Grafikprogramme werden mit aller Wahrscheinlichkeit das Schlusslicht bilden. Da
sie nicht für diese Art des Zeichnens konzipiert sind, werden sie von den Studenten als
eher hinderlich und nicht unterstützend in der konzeptionellen Modellierung bewertet
werden.
• Da jedes der Werkzeuge Vorteile wie Nachteile hat, ist eventuell durch eine Kombination
der positiven Aspekte die Skizzierung einer neuen Werkzeuglösung möglich.
Diese Erwartungen zusammenfassend wurde, bezogen auf die Lösung von Aufgaben zur
konzeptionellen Modellierung im Rahmen einer Softwaretechnik-Vorlesung, folgende Hypothese
aufgestellt:
H1: Der Tablet PC bietet nach der Eingabemethode Papier und Stift die beste
Unterstützung für die konzeptionelle Modellierung. Der Tablet PC wird
besser abschneiden als die CASE-Tools, die ihrerseits wiederum besser zur konzeptionellen
Modellierung geeignet sind als die Grafikprogramme.
6.2. Design
Um die vorstehende Hypothese zu überprüfen, war es notwendig, ein Design zu wählen,
welches genau dazu im Stande ist. Hierzu wurden zunächst die Untersuchungsform festgelegt
und die Methoden bestimmt, die zur Erhebung der Daten verwendet werden sollten.
Als nächstes wurden die unabhängigen und die abhängigen Variablen bestimmt. Durch
die Auswahl der Untersuchungsobjekte und die Identifikation von möglichen Störeffekten
waren dann Aussagen über die Validität der Untersuchung möglich.
6.2.1. Untersuchungsform
Die Untersuchung erfolgte in Form eines Experimentes mit anschließender Umfrage.
Als Technik der Datenerhebung diente dabei in gewissem Umfang die Beobachtung, in
erster Linie aber die Befragung der Probanden.
Das Experiment erlaubte die Veränderung der relevanten Variablen unter kontrollierten
Bedingungen. Etwaige Probleme konnten dabei direkt beobachtet werden. Genauer gesagt
handelte es sich bei diesem Experiment um ein Feldexperiment, da es in der “realen
Umgebung” der Befragten, also im Hörsaal, der auch normalerweise der Übung diente,
durchgeführt wurde. Aufgrund der Realitätsnähe waren so realistische Ergebnisse zu erwarten
gewesen. Darüber hinaus war es sogar einem Laborexperiment sehr ähnlich, da
die Örtlichkeit relativ abgeschlossen war und sich so Störeffekte leicht kontrollieren ließen
78

(siehe Kapitel 6.2.4). So war es möglich, die Vorteile beider Arten von Experiment (Laborund
Feldexperiment) bei dieser Untersuchung zu nutzen.
Im Experiment wurden die Studenten in vier Gruppen eingeteilt. Jeder Gruppe wurde eine
der Eingabemethoden Papier und Stift, CASE-Tool, Grafikprogramm oder Tablet PC
zugewiesen, um dann eine Aufgabe zur konzeptionellen Modellierung zu lösen.
An dieses Experiment schloss eine Umfrage an, in der die Auswirkungen auf die abhängigen
Variablen erhoben wurden. Hierbei dienten Fragebögen zur Erhebung der Daten. Durch
den Einsatz von Fragebögen, die schriftlich zu beantworten waren, wurde gewährleistet,
dass jeder der Teilnehmer derselben Messsituation ausgesetzt war.
Neben dem Fragebogen zur durchgeführten Übung wurde im Rahmen dieser Arbeit auch
ein Fragebogen zur Vorlesung erarbeitet. Dieser sollte im Vorfeld die Grundstimmung unter
den Studenten und die Motivation der Studenten erfassen. Die daraus resultierenden
Ergebnisse sollen auch für spätere Untersuchungen verwendet werden. Die Durchführung
dieser Untersuchung erfolgte in der für die Evaluation typischen Form: durch einen Fragebogen
(siehe auch Kapitel 6.3.1).
6.2.2. unabhängige und abhängige Variablen
Die unabhängige Variable in dieser Untersuchung ist die Eingabemethode, die die Studenten
zur Lösung der Aufgabe nutzten. Die vier möglichen Ausprägungen dieser Variable
waren:
• Papier und Stift
• CASE-Tool
• Grafikprogramm
• Tablet PC
Die abhängigen Variablen sollten die Unterstützung durch das Werkzeug bei der Lösung
der Aufgabe erfassen und die Zufriedenheit der Probanden beim Umgang mit dem
Werkzeug messen.
Hierzu wurden die Probanden befragt, in welchem Umfang die jeweilige Eingabemethode
eine Hilfe dargestellt hatte. Die Skala reichte von “unterstützt” bis “behindert”.
Danach sollten die Teilnehmer die Frage beantworten, ob sie gerne auch in Zukunft Aufgaben
mit dem benutzten Werkzeug lösen wollten. Die vorgegebene Antwortskala reichte
von “immer” bis “nie”.
Durch die Frage “Ich hätte die Aufgabe lieber mit einem anderen Werkzeug gelöst”, sollten
außerdem Präferenzen für einer anderen Eingabemethode erfragt werden.
Die so gewonnen Daten ließen einen direkten Rückschluss auf die Güte der einzelnen Werkzeuge
zu.
Über offene Fragestellungen auf dem Fragebogen zur Übung konnten darüber hinaus subjektive
Meinungen zu den einzelnen Werkzeugen erfasst werden, die eine spätere qualitative
Auswertung erlaubten. Somit konnten auch Begründungen für die jeweiligen Bewertungen
gesammelt werden.
79

Sämtliche bei dieser Untersuchung gewonnen Ergebnisse basieren auf subjektiven Daten.
Diese sind zwar optimal für die Feststellung der Akzeptanz eines Systems und die Zufriedenheit
der Benutzer, für eine umfassende Untersuchung sollten allerdings auch objektive
Daten mit erhoben werden.
Objektive Daten die ermittelt werden könnten, also weitere abhängige Variablen, sind beispielsweise
die benötigte Zeit zur Erfüllung der Aufgabe, die Anzahl der Fehler und der
Umfang, in dem die Aufgabe erfüllt wurde. So wären Angaben über Effektivität und
Effizienz möglich (siehe Kapitel 5.3). Da eine vollständige und fehlerlose Spezifikation
von Attributen und Methoden bei der konzeptionellen Modellierung von untergeordneter
Bedeutung sind, wurde in diesem Fall auf die Erhebung der soeben benannten objektiven
Daten wie Anzahl der Fehler usw., verzichtet.
6.2.3. Auswahl der Untersuchungsobjekte
Da dieses Projekt der Verbesserung der Lehre der Softwaretechnik an der TU München
dient, waren genau die Studenten Teil der Grundgesamtheit, welche die Vorlesung “Software
Engineering 1” an der TU München im Wintersemester 2005/2006 besuchten. Als
problematisch wurde dabei im Vorfeld eine mögliche Abwesenheit und die Nichtteilnahme
einer größeren Zahl von Studenten gesehen. Diesen Problemen wurde zum einen durch
eine genauere Definition der interessierenden Population und durch die Schaffung einiger
Rahmenbedingungen entgegengewirkt.
Die Population wurde auf die “regelmäßig anwesenden Studenten der Vorlesung
Software Engineering 1” eingrenzt. Da die Chance, diese in der Vorlesung anzutreffen,
gemäß der Definition schon recht groß war, konnte man auch einen hohen Prozentsatz
dieser Gruppe bei einer einmaligen Befragung erreichen. Zudem wurde die Befragung während
der regulären Vorlesung bzw. Übung durchgeführt. Da diese Grundgesamtheit recht
überschaubar war, war es möglich, eine Vollerhebung zu machen und auf das Ziehen einer
Zufallsstichprobe zu verzichten.
Um das Problem der Ausfälle zu vermeiden und die Rücklaufquote der Bögen auf möglichst
100% zu bringen, wurden die Studenten zusätzlich durch die Auslosung eines Preises zur
Teilnahme motiviert (siehe Kapitel 6.3.2). Dieses wurde allerdings erst unmittelbar vor der
Umfrage verkündet um die Zusammensetzung des Teilnehmerfeldes nicht zu verfälschen.
Es sollten keine Personen nur wegen des Preises an der Untersuchung teilnehmen; also,
wenn sie mit der Vorlesung selbst nichts zu tun hatten.
Bei der Vorlesungsbefragung konnten so 59 auswertbare Datensätze gewonnen werden.
Am Experiment mit nachfolgender Befragung nahmen gemäß den ausgewerteten Fragebögen
34 Studenten teil.
6.2.4. Störeffekte
Dadurch, dass es sich bei diesem Versuch um ein Feldexperiment handelte, welches einer
Laborsituation sehr ähnlich war, ist sowohl die interne wie auch die externe Validität als
relativ hoch einzuschätzen.
80

Störeffekte, die bei dieser Art von Versuchsaufbau auftreten können und die interne Validität
stören, sind unter anderem zwischenzeitliches Geschehen, Reifungsprozess der Probanden,
verzerrte Auswahl und Ausfälle. Sowohl verzerrte Auswahl wie auch Ausfälle
kamen bei dieser Untersuchung vor. Aus technischen Gründen war es leider nicht möglich,
die Studenten völlig per Zufall den einzelnen Gruppen zuzuweisen, da man auf die von den
Studenten selbst mitgebrachten Notebooks angewiesen war. Die Zuteilung zur Eingabemethode
Tablet PC erfolgte zufällig. Die Zuweisung zu den Werkzeugen CASE-Tool und
Grafikprogramm erfolgte per Zufall unter den Studenten, die einen Notebook mitgebracht
hatten. Die Zuteilung zu Papier und Stift erfolgte ca. zur Hälfte zufällig und zur anderen
Hälfte nicht zufällig. Dieser nicht zufällige Teil waren diejenigen Studenten, die keinen Notebook
ihr eigen nennen konnten und nicht per Zufall der Gruppe Tablet PC zugewiesen
worden waren.
Ebenso waren Ausfälle und Wechsler (Studenten die selbständig die Gruppe gewechselt haben)
zu beklagen. Da es zu diesen Vorkommnissen aber nur in der Gruppe Grafikprogramm
gekommen war, ist davon auszugehen, dass diese Ausfälle die aufgestellte Hypothese unterstützen
(siehe auch Kapitel 6.6.2: “Ergebnisse der Übungsbefragung”).
Störeffekte der externen Validität bei diesem Experiment konnten reaktive Effekte
der experimentellen Situation und reaktive Effekte des Messens bedingt durch
Pretests sein. Da es aber keinen Pretest mit den letztendlich an der Untersuchung teilnehmenden
Probanden gab und es sich darüber hinaus um ein Feldexperiment in der gewohnten
Umgebung der Studenten handelte, ist mit nur geringen Einschränkungen an die externe
Gültigkeit zu rechnen.
Einer Übertragung der Ergebnisse auf Hörer von Softwaretechnik-Vorlesungen im Allgemeinen
ist demnach denkbar. Bedingt durch die Abgeschlossenheit des Hörsaals wurden
die gröbsten Störfaktoren von Außen eliminiert. Die Haupttechnik zur Kontrolle der Störfaktoren
war die Konstanthaltung aller Einflüsse auf die Teilnehmer.
Im Einzelnen wurden bei dieser Untersuchung Unterschiede in der Verfügbarkeit eines Internetzugangs
und von Lehrbüchern sowie der Intensität des Austauschs mit Sitznachbarn
während dieses Experimentes beobachtet. Außerdem wurde vereinzeltes Abschreiben und
Fragen an die Übungsleitung bzw. den Aufgabensteller festgestellt. Die aufgetretenen Fragen
bezogen sich auf die Aufgabenstellung, den Inhalt der Vorlesung, die Funktionalität
der Tablet PCs und spezifischen Funktionen in den CASE-Tools. Alle aufgetretenen Fragen
der Studenten wurden so weit wie möglich beantwortet.
Es wurden bei diesem Experiment keinerlei Einschränkungen über den Austausch der Studenten
untereinander oder die Verwendung von Quellen aufgestellt. Um die Aussagekraft
zukünftiger Experimente weiter zu erhöhen, sind zusätzliche Störfaktoren im Vorfeld zu
eliminieren oder zumindest sicherzustellen, dass sich diese auch einheitlich auf alle Teilnehmer
auswirken. Die meisten der genannten Faktoren sind sehr einfach zu kontrollieren,
so könnten beispielsweise nur Fragen zu einem bestimmten Thema gestattet oder auch die
Nutzung von Büchern untersagt werden.
Eine Randomisierung war aufgrund fehlender Notebooks nicht in vollem Umfang möglich.
Auch hier ist für zukünftige Untersuchungen zu empfehlen, sämtliches für das Experiment
nötige Equipment zu stellen. Damit ist es möglich, die Versuchspersonen völlig
frei zuzuordnen. Nur so können systematische Zusammenhänge zwischen den personellen
Merkmalen und der Zugehörigkeit zu einer bestimmten Gruppe ausgeschlossen werden.
81

6.3. Implementierung
Nachdem die Form der Untersuchung und die Methoden der Datenerhebung bestimmt
sind, müssen alle für die Durchführung benötigten Materialien vorbereitet werden. Dies
betrifft die Konstruktion der Fragebögen, die Ausarbeitung der Übungsaufgabe aber auch
die Beachtung der rechtlichen Rahmenbedingungen. Nach Abschluss all dieser Arbeiten
folgt die Prüfung der fertigen Unterlagen in einem Pretest.
6.3.1. Exkurs: Evaluation von Lehre
Zunächst soll aber noch ein Einblick in die Evaluation von Lehre gegeben werden. Da im
Rahmen dieser Untersuchung auch eine Befragung von Studenten zu der Vorlesung “Software
Engineering 1” durchgeführt wurde, soll ein kurzer Exkurs in die Evaluation von
Lehre durchgeführt werden.
“Evaluation ist die systematische und zielgerichtete Sammlung, Analyse und Bewertung
von Daten zu Qualitätssicherung und Qualitätskontrolle.” Sie dient der Beurteilung von
Planung, von Entwicklung, von Gestaltung und, gerade auch im Bildungsbereich, von verschiedenen
Angeboten. Beispielsweise wird der Einsatz von verschiedenen Medien oder
auch Methoden untersucht. [Eval05]
Die Lehrevaluation ist in den USA bereits seit den 20er Jahren verbreitet. Sie wird dort in
unterschiedlichen Formen an privaten wie auch staatlichen Universitäten eingesetzt. In den
60er bis 90er Jahren gab es rege Forschung auf dem Gebiet der studentischen Lehrevaluation.
In Deutschland gibt es sie seit Ende der 60er/Anfang der 70er Jahre. Auslöser waren
die Demokratisierung der Hochschule bzw. die Universitätsreform in diesen Jahren. Aber
erst in den 90er Jahren wurde sie flächendeckend eingesetzt. Grund dafür waren finanzielle
Einsparungen sowie die Auslastung der Universitäten, von Überlast bis zu Studentenknappheit,
und die damit verbundene Rechenschaftspflicht gegenüber der Öffentlichkeit.
Außerdem sollte die Qualität der universitären Ausbildung sichergestellt werden. [Rind04]
Lehrevaluation und Lehrveranstaltungsevaluation sind Instrumente zur Sicherung der Qualität
von Lehre und Ausbildung. [Rind04]
Neben einer treffenden Beschreibung und Bewertung, soll eine Evaluation auch bestehende
Prozesse optimieren. Über 90% aller US-amerikanischen Hochschulen verwenden studentische
Befragungen. Die Resultate sind laut Dr. Heiner Rindermann [Rind02]:
• Hilfe für Dozenten, Schwächen eigener Lehre zu erkennen und zu beseitigen (Qualifikationsmodell);
• Verbesserung der Kommunikation zwischen Lehrenden und Studenten über die Lehre
(Kommunikationsmodell);
• Unterstützung der Studenten bei der Kurswahl (Transparenzmodell);
• Einsatz bei Hochschulen als Qualifikationsmaß bei Bleibe-, Gehalts- und Berufungsverhandlungen
(Steuerungsmodell);
82

• Ermöglicht, zusammen mit den Forschungsleistungen einer Universität, einen Vergleich
zwischen Universitäten (Transparenzmodell);
Merkmale guter Lehre sind am besten auf dem direkten Wege zu finden, also durch Befragung
der an einer Veranstaltung teilnehmenden Personen.
Die Problematik bei Bildungs-Controlling-Ansätzen
Gerade wenn es um die Fachkompetenz der Dozenten geht oder die Inhalte der Vorlesung,
ist es kritisch, dies durch Studenten beurteilen zu lassen. Zumindest in den ersten
Semestern können diese die beiden Aspekte kaum adäquat einschätzen. [Rind02]
Wenn nun aber Studenten höherer Semester befragt werden, erreicht man in der Regel gute
durchschnittliche Beurteilungen von Lehrenden und Lehrveranstaltungen durch Studierende.
Die Mindeststichprobengröße bei der Durchführung einer Evaluation ist N = 10-15
Studenten. Der Einfluss eventuell auftretender Störvariablen ist somit minimal. [Rind02]
Für dieses Evaluationsexperiment ergeben sich daraus folgende wichtige Punkte:
• Die Evaluation dieser Vorlesung ist ein relativ aussagekräftiger Test, da es sich bei den
Teilnehmern der Vorlesung “Software Engineering 1” um Studenten im Hauptstudium
handelt. Diese Studenten höheren Semesters sind so, laut [Rind02], in der Lage zu
evaluieren.
• Die Mindeststichprobengröße wurde mit 59 Studenten, die den Fragebogen zur Vorlesung
ausgefüllt haben, deutlich überschritten. Man kann also von relativ zuverlässigen
Ergebnissen ausgehen. Die Durchführung der Evaluation erfolgte mit dem für
sie üblichen Instrument, dem Fragebogen.
6.3.2. Exkurs: Motivation zur Teilnahme
Um die Probanden zur Teilnahme an der Untersuchung zu motivieren und eine möglichst
hohe Zahl an auswertbaren Fragebögen zu erhalten, sind einige grundsätzliche Voraussetzungen
zu schaffen. Zum einen sollte der Fragebogen einen gewissen Umfang nicht überschreiten.
Er sollte kurz sein und über einen hohen Anteil an geschlossenen Fragen zum
Ankreuzen verfügen, um nicht länger als etwa zehn Minuten zur Beantwortung in Anspruch
zu nehmen. Die Umfrage sollte während der Vorlesung gemacht werden, um den Studenten
keinen Grund zum Verlassen der Lokalität zu geben. Würde der Fragebogen am Ende
ausgeteilt werden, wären weniger Studenten zur Teilnahme zu überreden.
Um nun fast alle der Anwesenden zu erreichen, wurde zudem auf einen Trick aus der Marktforschung
zurückgegriffen. Durch die Ausschreibung eines Gewinns bei der Teilnahme an
der Umfrage, wird eine relativ hohe Rücklaufquote erreicht. Der für diese Untersuchung
vom Lehrstuhl bereitgestellte Gewinn war ein “iPod shuffle”.
Die Rücklaufquote der Fragebögen zur Übung lag dadurch bei 94%. Von 36 ausgeteilten
Fragebögen wurden 34 beantwortet zurückgegeben. Über die Rücklaufquote der Fragebögen
zur Vorlesung kann keine genaue Aussage gemacht werden. Nach Schätzungen dürfte
sie aber auch bei über 90% liegen.
83

6.3.3. Exkurs: Datenschutzrecht
Neben der Entwicklung der eigentlichen Fragebögen ist es natürlich genauso wichtig, die
rechtlichen Rahmenbedingungen zu beachten, um die gewonnenen Daten auch verwenden
zu können.
Im Folgenden wird zunächst auf das Datenschutzrecht im Allgemeinen und dann auf die
diesbezüglichen Regelungen in Hochschulen eingegangen. Daraus leiten sich dann direkt die
wichtigsten Aspekte, die bei der Durchführung von Tests dieser Form zu beachten sind, ab.
Datenschutzrecht
Das Datenschutzrecht dient der Regelung von Voraussetzungen und Folgen einer Erhebung
und Verwendung von personenbezogenen Daten. Dies erfolgt zugunsten des Betroffenen.
Der Betroffene wird typischerweise als Unterlegener hinsichtlich seiner (Markt-) Macht angesehen,
weshalb ihm die Rechtsordnung zur Seite steht. Dies gilt insbesondere bezogen
auf staatliche Erhebung und Verwendung von personenbezogenen Daten. [WoG05]
Der Schutz der Daten erfolgt um des Betroffenen willen, um eine individuelle Selbstbestimmung
zu gewährleisten. Gegenstand des Datenschutzes ist also jeder Umgang Dritter
mit personenbezogenen Informationen. Der Begriff personenbezogene Daten meint jede
Information (Einzelangabe) über eine bestimmte oder bestimmbare natürliche Person.
[WoG05]
Hierzu Auszüge aus den drei wichtigsten Paragraphen des Bundesdatenschutzgesetzes
(BDSG):
Gemäß § 28 Datenerhebung, -verarbeitung und -nutzung für eigenen Zweck des
Bundesdatenschutzgesetzes (BDSG) gilt: “Das Erheben, Speichern, Verändern oder Übermitteln
personenbezogener Daten oder ihre Nutzung als Mittel für die Erfüllung eigener
Geschäftszwecke ist zulässig”, wenn:
• Es der Zweckbestimmung eines Vertragsverhältnisses dient.
• Es zur Wahrung berechtigter Interessen der verantwortlichen Stellen nötig ist, es sei
denn, das schutzwürdige Interesse des Betroffenen überwiegt.
• Die Daten allgemein zugänglich sind.
“Bei der Erhebung personenbezogener Daten sind die Zwecke, für die die Daten verarbeitet
oder genutzt werden sollen, konkret festzulegen.” [WoG05]
Der § 4 des BDSG beschreibt die Zulässigkeit der Datenerhebung, -verarbeitung
und -nutzung, die da sind: “(1) Die Erhebung, Verarbeitung und Nutzung personenbezogener
Daten sind nur zulässig, soweit dieses Gesetz oder eine andere Rechtsvorschrift dies
erlaubt oder anordnet oder der Betroffene eingewilligt hat.
(2) Personenbezogene Daten sind beim Betroffenen zu erheben.” [WoG05]
§ 4a des BDSG regelt die Einwilligung, die von Seiten des Betroffenen nötig ist. Dieser
besagt:
84

“(1) Die Einwilligung ist nur wirksam, wenn sie auf der freien Entscheidung des Betroffenen
beruht. Er ist auf den vorgesehen Zweck der Erhebung, Verarbeitung oder Nutzung
sowie, soweit nach den Umständen des Einzelfalls erforderlich oder auf Verlangen, auf
die Folgen der Verweigerung der Einwilligung hinzuweisen. Die Einwilligung bedarf der
Schriftform, soweit nicht wegen besonderer Umstände eine andere Form angemessen ist.
Soll die Einwilligung zusammen mit anderen Erklärungen schriftlich erteilt werden, ist sie
besonders hervorzuheben.
(2) Im Bereich der wissenschaftlichen Forschung liegt ein besonderer Umstand im Sinn
von Absatz 1 Satz 3 auch dann vor, wenn durch die Schriftform der bestimmte Forschungszweck
erheblich beeinträchtigt würde. In diesem Fall sind der Hinweis nach Absatz 1 Satz
2 und die Gründe, aus denen sich die erhebliche Beeinträchtigung des bestimmten Forschungszwecks
ergibt, schriftlich festzuhalten.
(3) Soweit besondere Arten personenbezogener Daten (§ 3 Abs. 9) erhoben, verarbeitet oder
genutzt werden, muss sich die Einwilligung darüber hinaus ausdrücklich auf diese Daten
beziehen.” [WoG05]
Hochschulinterne Regeln
In Hochschulen ist für alle Fragen bezüglich des Datenschutzes die Position des Datenschutzbeauftragten
eingerichtet. Er ist dafür zuständig, dass alle Datenschutzrichtlinien
eingehalten werden. Für jedes Verfahren, bei dem personenbezogene Daten gespeichert
werden (beispielsweise die Anmeldung zu Praktika), ist beim Datenschutzbeauftragten eine
Freigabe zu beantragen.
Die Aufgaben des Datenschutzbeauftragten gemäß Art. 25 Abs. 4 BayDSG sind,
bezogen auf die TU München:
• “Einrichtung eines Freigabeverfahrens, welches sicherstellen soll, dass nur solche automatisierten
Verfahren an der TUM eingesetzt werden, die dem Bayerischen Datenschutzgesetz
und anderen Vorschriften des Datenschutzes entsprechen
• Führung eines Verfahrensverzeichnisses, in dem alle an der TUM eingesetzten und
datenschutzrechtlich freigegebenen Verfahren aufgenommen sind;
• Beantwortung von Auskunftsersuchen über die Speicherung von personenbezogenen
Daten
• Beratung und Information in Fragen des Datenschutzes
• Verfolgung von Hinweisen auf datenschutzrechtliche Probleme” [TUM06]
Der Datenschutzbeauftragte der TU München ist Herr Prof. Dr. Bernd Radig (Stand: Juni
2006). Für weitere Fragen zu diesem Thema ist außerdem ein Datenschutzbüro an der TU
München eingerichtet.
Fazit
Für die Durchführung der Befragung im Rahmen dieses Experimentes und im Rahmen
vergleichbarer Untersuchungen sei damit als zu beachten festgehalten:
85

• Meldung der Erhebung: Die Erhebung der Daten der Studenten ist dem Datenschutzbeauftragten
zu melden;
• Der Verwendungszweck muss von Anfang an klar aufgezeigt werden;
• Die Teilnahme an der Befragung muss auf freiwilliger Basis geschehen;
• Eine Einverständniserklärung/Einwilligung der Teilnehmer muss vorliegen;
• Besondere Hervorhebung der Einwilligung auf dem Fragebogen;
• Schriftform: Die Einwilligung muss schriftlich vorliegen;
• Sicherstellung der sicheren Speicherung der Daten (keine Weitergabe an Dritte);
• Anonymisierung der Daten, spätestens zum Zeitpunkt der Veröffentlichung;
Bei einer Erfüllung all dieser Punkte, steht einer Verwendung der gewonnenen Daten nichts
im Wege.
Wenn die Daten einem Forschungszweck dienen und ein dienstliches Interesse besteht, kann
auf einige der zuvor genannte Punkte sogar verzichtet werden. Eine Erhebung der Daten
ist dann ohne Einwilligung der Betroffenen möglich. Für diese Untersuchung ist das zutreffend,
da die Umfrage der Verbesserung der Lehre dient. Gerade im Umfeld der Hochschule
sind somit die Rahmenbedingungen zu Erhebungen dieser Art nicht ganz so eng. Eine Beachtung
aller Punkte kann aber nicht schaden.
6.3.4. Fragebogen zur Vorlesung
Nachdem alle technischen Aspekte der Befragung geklärt sind, soll jetzt der konkrete Inhalt
der Fragebögen definiert werden. Die Erhebung der Daten ist nach zwei Aspekten unterteilt.
Zum einen sollte der Fragebogen, der in der Vorlesung verteilt wurde, die Grundstimmung
und Motivation der Studenten erfassen. Dabei sollten inhaltliche Punkte und Fragen zum
Übungsmodus geklärt werden. Der in der vorliegenden Untersuchung verwendete Fragebogen
entsprach im Wesentlichen den auch zur Evaluation von Lehrveranstaltungen an der
TU München verwendeten Minimalfragebögen (siehe Anhang A: Abbildung A.1). Ergänzt
wurde dieser durch selbst erarbeitete Skalen-Fragen bzw. offenen Fragen.
In einem zweiten Bogen, der in der Übung verteilt wurde, sollten dann die Werkzeuge,
mit denen eine zuvor gestellte Aufgabe konzeptionell gelöst wurde, evaluiert werden, d.h.
die Studenten sollten ihre positiven wie negativen Erfahrungen auf dem Fragebogen zum
Ausdruck bringen.
Der Fragebogen zur Vorlesung beginnt mit einem Begleittext. In Bezug auf dessen Inhalt
wurden die in Kapitel 4.6.1 erarbeiteten Grundsätze berücksichtigt. Der Begleittext
klärte die Probanden über Ziele, Dauer und Durchführung der Befragung auf. Außerdem
sicherte er die Anonymisierung der Daten zu und wies auf die Teilnahmebedingungen der
Verlosung hin.
Der zweite Abschnitt auf dem Bogen widmete sich den “Demografischen Daten”. Diese
dienten der Ermittlung des Gewinners der Verlosung. Ebenso gaben diese Daten einen
86

Einblick in die Zusammensetzung der Teilnehmer, was Studienrichtung und Semesterzahl
angeht. Sie ermöglichten auch eine Zuordnung der Bögen der Vorlesung zu denen der
Übung, um so ein umfassendes Bild jedes an beiden Befragungen beteiligten Studenten zu
bekommen.
Die “allgemeinen Angaben” zum Dozenten und zur Vorlesung sollten die Grundstimmung
der Studenten einfangen. Diese Fragen waren den regulären Evaluationsbögen der TU München
entnommen.
Unter “Inhalt/Motivation” wurden den Studenten Fragen zu Stoffmenge, dem Niveau der
Vorlesung und der eigenen Motivation gestellt. Auch hier waren einige Fragen den regulären
Evaluationsbögen entnommen.
Der Themenblock “Konzentration” beschäftigte sich mit den Ablenkungsfaktoren in Übung
und Vorlesung. Außerdem wurde die Akzeptanz von verschiedenen Modifikationen am
Lehrbetrieb erfragt. Dies betraf eine mehr computerorientierte Durchführung der Übung,
die Integration der Übung in die Vorlesung und eine Unterteilung jeder einzelnen Vorlesung
in logisch abgeschlossene Einheiten.
Der Abschnitt “Ziele” sollte erfragen, ob man beabsichtigt, an der Prüfung am Ende der
Vorlesung teilzunehmen und deswegen die Vorlesung besuchte oder die Vorlesung “nur” aus
Interesse besuchte.
Unter “Themenwahl” wurden schließlich die Schwierigkeiten und Änderungswünsche der
Studenten bezüglich der Themengebiete der Vorlesung ermittelt.
Zuletzt wurde den Probanden die Möglichkeit gegeben, einen Kommentar abzugeben. Hier
hatten sie Platz, um sämtliche durch die Fragen nicht abgedeckten Aspekte zu erwähnen.
Dies konnte sowohl die Vorlesung betreffen als auch die Durchführung dieser Befragung.
Der vollständige Fragebogen zur Vorlesung ist in Anhang A zu finden (siehe Abbildungen
A.2 und A.3). Zusätzlich wurde auch noch eine Übersetzung ins Englische erstellt.
Diese war nötig, da die Vorlesung in Englisch gehalten wurde und einem gewissen Prozentsatz
der Studenten so die Teilnahme an der Befragung leichter gemacht werden konnte.
Der Inhalt des englischen Bogens ist gleich, das Layout nahezu identisch.
6.3.5. Fragebogen zur Übung
Bei dem Bogen zur Übung wurden dieselben Grundsätze beachtet wie bei dem Fragebogen
zur Vorlesung. Das Layout ist mit dem Vorlesungsbogen nahezu identisch. Der Begleittext
unterschied sich nur marginal von dem des Vorigen. Der Abschnitt mit den demografischen
Daten war exakt gleich.
Der erste Abschnitt: “Werkzeuge” hatte den Sinn, genau zu erfassen, mit welcher Eingabemethode
die Studenten die vorgegebene Aufgabe zur konzeptionellen Modellierung
gelöst hatten.
Der zweite Themenblock widmete sich dann der zuvor gelösten Aufgabe. Die für diese
Untersuchung entscheidenden abhängigen Variablen wurden in diesem Abschnitt erhoben.
Hier wurde zunächst nach der Schwere der Aufgabe und der Unterstützung des Lösungsentwurfes
durch das verwendete Werkzeug gefragt. Danach wurde nach Problemen gefragt,
die bei der Lösung der Aufgabe auftraten, bezogen auf das Werkzeug. Des Weiteren wur-
87

den Präferenzen hin zu anderen Werkzeugen ermittelt und die Akzeptanz der verwendeten
Eingabemethode erforscht. Letzteres geschah mit der Frage, ob man das verwendete Werkzeug
auch in Zukunft für die Lösung solcher Aufgaben verwenden würde. Dabei wurde vor
allem mit offenen Fragestellungen gearbeitet, um den Probanden keine Vorgaben zu machen
und so soviele subjektive Eindrücke wie möglich zu erlangen. Durch eine Einengung
der Auswahlmöglichkeiten wären viele Aspekte der einzelnen Werkzeuge nicht zu erfassen
gewesen.
Zuletzt hatten die Probanden wieder die Möglichkeit, einen Kommentar abzugeben. Dabei
stand die zuvor verwendete Eingabemethode hinsichtlich besonders positiv und negativ
aufgefallener Eigenschaften/Funktionen/usw. im Mittelpunkt des Interesses. Dieser Abschnitt
diente damit der Ermittlung der gröbsten Vor- und Nachteile der Werkzeuge.
In Anhang A ist der vollständige Fragebogen zur Übung zu sehen (siehe AbbildungenA.4
und A.5). Zusätzlich dazu wurde auch hier eine Übersetzung ins Englische erstellt.
6.3.6. Modellierungsaufgabe
Neben den Fragebögen musste eine typische Modellierungsaufgabe für die Übung entwickelt
werden, die zum Testen der verschiedenen Werkzeuge benutzt werden konnte.
Den Studenten wurde die Aufgabe gestellt, das Kommunikations-Subsystem einer mobilen,
verteilten Anwendung zu modellieren. Um die Aufgabe nicht zu schwer zu machen, wurden
Hinweise hinsichtlich der zu verwendenden Entwurfsmuster gegeben. Außerdem wurden einige
Klassen vorgegeben (siehe Anhang B: Abbildung B.2) und genauere Erklärungen zu
einzelnen Klassen bereitgestellt. Ziel war die Modellierung eines UML-Modells des Subsystems
der verteilten Anwendung.
Als Werkzeug zur Durchführung dieser konzeptionellen Modellierung stand den Studenten
dabei jeweils eine dieser Eingabemethoden zur Verfügung: Papier und Stift, CASE-Tool,
Grafikprogramm oder Tablet PC.
Für den Test selbst war die korrekte Lösung der Aufgabe nicht von Belang. Vielmehr waren
die Erfahrungen der Studenten bei der Entwicklung des Entwurfs der Lösung von Interesse.
Die Erfahrungen bei diesem Vorgang der konzeptionellen Modellierung wurden dann mit
dem zuvor entwickelten Fragebogen erfasst.
Die Aufgabenstellung ist in Anhang B zu finden. Die Abbildungen B.1 und B.2 zeigen
die Problemstellung, welche den Studenten zur konzeptionellen Lösung vorgelegt wurde.
Die Lösung der Modellierungsaufgabe zeigt Abbildung B.3.
6.3.7. Pretest
Vor der eigentlichen Durchführung der Befragung wurden die Fragebögen und die Aufgabe
den Übungsleitern vorgestellt. Die Übungsleiter hielten die Übung begleitend zur Vorlesung
“Software Engineering 1” ab und wussten dementsprechend genau wie - zumindest
theoretisch - der Kenntnisstand der Studenten war.
Damit konnten sie beurteilen, ob die Übungsaufgabe angemessen war und auch von den
88

Studenten gelöst werden könnte. Falls der Schwierigkeitsgrad zu hoch angesetzt gewesen
wäre, wären die Ergebnisse verfälscht worden, da Frust über eine unlösbare Aufgabe auf
das Werkzeug abgefärbt hätte. Die Bewertungen wären somit zu negativ gewesen.
Außerdem sollte dieser Pretest mögliche Fehler in den Fragebögen aufdecken. Sollten die
Übungsleiter hier auf unverständliche Formulierungen treffen, oder Fragen schlicht und einfach
nicht verstehen, wäre es unumgänglich gewesen, entsprechende Passagen zu verbessern.
Die zuvor erarbeiteten Fragebögen und die Übungsaufgabe konnten nach dem Pretest ohne
große Änderungen weiter für die Durchführung vorbereitet werden. Dies umfasste neben
einer erneuten Korrekturlesung der Bögen die anschließende Anfertigung der Kopien. Da
hierfür die Kosten vergleichsweise gering sind, ist darauf zu achten, eher zu viele als zu
wenige Bögen vorzubereiten. Zu geringe Zahlen würden erhebliche Verzögerungen in der
Durchführung der Befragung verursachen.
Die Phase der Vorbereitung und Implementierung ist damit abgeschlossen und die Datenerhebung
kann beginnen.
6.4. Datenerhebung
Dieses Kapitel widmet sich der Durchführung der Befragung, angefangen bei der Planung
der Vorgehensweise, bis hin zur tatsächlichen Umsetzung. Planung und Ausführung sind
dabei jeweils in Vorlesung und Übung unterteilt. Als Termin für die Durchführung wurde
im Vorfeld der 13.12.2005 für die Vorlesungsbefragung und der 15.12.2005 für das Experiment
mit anschließender Befragung, bestimmt.
Besondere Vorkehrungen bezüglich Reservierung von Räumen mussten nicht getroffen werden,
da die Untersuchungen in den ohnehin für die Vorlesung bzw. Übung vorgesehenen
Räumen durchgeführt werden konnten.
6.4.1. geplante Durchführung der Befragung
Das Vorgehen orientiert sich dabei an dem in Kapitel 5.3 beschriebenen Umgang mit Versuchspersonen.
Für die Vorlesung (Di. 13.12.2005) wurde nachfolgende Vorgehensweise
geplant:
• Begrüßung der Versuchspersonen;
• Erklärung des Ziels der Befragung;
• Hinweis zum Preis, der unter allen Teilnehmern verlost wird;
• Erklärung der Teilnahmebedingungen;
• Start der Befragung zur Mitte der Vorlesung;
• Vorgabe von ca. 10 Minuten zur Beantwortung der Fragen;
• Nach dem Einsammeln Hinweise über das weitere Vorgehen, also die zweite Befragung
in der Übung;
89

Für die Übung (Do. 15.12.2005) wurde die folgende Vorgehensweise geplant:
• Begrüßung der Versuchspersonen;
• Erklärung des Ziels der Befragung;
• Hinweis zum Preis, der unter allen Teilnehmern verlost wird;
• Erklärung der Teilnahmebedingungen;
• Einteilung aller Anwesenden in vier etwa gleich große Gruppen:
1. Papier und Stift
2. CASE-Tools: Argo / Poseidon (Open-Source Modellierungs Software)
3. Grafikprogramm (Paint oder beliebiges anderes)
4. Tablet PC (mit Tool)
• Verteilen der Übungsaufgabe;
• Kurze Einführung zur Aufgabenstellung;
• Lösen der Aufgabe mittels der zugewiesenen Eingabemethode (ca. 45 Minuten);
• Ausfüllen der Fragebogen über die Erfahrungen mit dem jeweiligen Werkzeug;
• Nach dem Einsammeln der Fragebögen Danksagung an alle Teilnehmer;
6.4.2. Durchführung der Befragung in der Praxis
In der Praxis klappte die Durchführung der Vorlesungsbefragung exakt wie zuvor geplant.
Es war möglich, 59 Teilnehmer für die Umfrage zu gewinnen. Nur ein kleiner Teil der anwesenden
Studenten (ca. zwei oder drei) war nicht zu einer Teilnahme zu bewegen.
Die Übung lief in etwa auch wie geplant ab. Die Teilnehmeranzahl lag bei 36. Die Anzahl
der Fragebögen, die ausgefüllt zurückgegeben wurden, war allerdings nur 34. Von den
anwesenden Studenten hatten 20 ihren eigenen Laptop dabei. An Tablet PCs standen acht
zur Verfügung, wovon einer von einem Studenten selbst mitgebracht worden war und der
Rest vom Lehrstuhl bereitgestellt wurde. Nach der Einteilung am Anfang der Übung ergab
sich folgende Verteilung der Probanden auf die Werkzeugen: Der Eingabemethode Papier
und Stift wurden neun Teilnehmer zugeordnet, den CASE-Tools elf, dem Werkzeug Grafikprogramm
acht und den Tablet PCs ebenfalls acht.
Diese Zahlen änderten sich allerdings im Laufe des Versuches, da zwei Teilnehmer vor
Beendigung desselben gingen. Außerdem sind einige Probanden zu einem anderen Werkzeug
übergewechselt.
Aus den ausgefüllten Fragebögen ergab sich, dass elf Studenten die Aufgabe mit Papier und
Stift, weitere elf mit einem CASE-Tool, vier mit einem Grafikprogramm und acht mit einem
Tablet-PC bearbeiteten. Vier Studenten, die zunächst in der Grafikprogramm-Gruppe
eingeteilt waren, haben damit die Gruppe verlassen. Zwei haben zur Eingabemethode Papier
und Stift gewechselt und zwei haben das Experiment ganz abgebrochen.
90

Acht Teilnehmer aus der CASE-Tool-Gruppe setzten “Poseidon” ein, welches auch im Vorfeld
von der Übungsleitung empfohlen worden war. Je einer der Teilnehmer löste die Aufgabe
mit “Umbrello” und “MS Visio”. Einer der Studenten machte keine Angaben zum eingesetzten
CASE-Tool. Ein bestimmtes Grafikprogramm wurde nicht empfohlen. Die Wahl
des Programms war den Probanden vollkommen freigestellt, es musste nur der zuvor genannten
Kategorie entsprechen. Verwendet wurden “Open Office”, “KolourPint”, “xfig” und
“OmniGraffle”. Die Studenten in der Tablet-PC-Gruppe arbeiteten mit “Windows Journal”
(Teil von Windows XP Tablet-PC Edition).
Das Lösen der Aufgabe nahm in etwa 45 Minuten Zeit in Anspruch, das anschließende
Ausfüllen des Fragebogens fünf bis zehn Minuten.
6.5. Datenerfassung
Zur Auswertung der gewonnenen Daten müssen diese zunächst einmal erfasst werden. Dies
geschieht mittels einer Datenmatrix. Im Rahmen dieser Arbeit wurde dazu aus praktischen
Gründen “MS Excel” verwendet. Da Excel ein weit verbreiteter Standard zur Bearbeitung
von Tabellen ist, sind wahrscheinlich alle an den Daten interessierten Personen sofort in
der Lage, mit diesen Tabellen zu arbeiten. Außerdem ermöglicht es auf recht komfortable
Weise, die Daten zu Visualisieren. Mit wenigen Handgriffen kann man Diagramme unterschiedlicher
Art erzeugen.
Zunächst soll auf den genauen Aufbau der Matrix zur Erfassung der Daten eingegangen
werden und dann die Codierung der Fragebögen besprochen werden. Im Anschluss daran
wird auf die weitere Strukturierung und Visualisierung der gewonnenen Ergebnisse eingegangen.
6.5.1. Codeplan und Codierung
Alle Daten wurden in einer Excel-Tabelle gespeichert. Jede Spalte stellt dabei ein Attribut,
also eine Frage des Fragebogens dar. Jede Zeile enthält ein Datensatz und damit alle Angaben
genau einer Person. Diese Datenmatrix ist auch in der empirischen Sozialforschung
der übliche Weg zur Darstellung von Forschungsergebnissen. [SHE05]
Die Excel-Tabelle ist in diesem Fall in drei Bereiche untergliedert: “Infos” (demografische
Daten: Matrikelnummer, E-Mail-Adresse, Studienrichtung, usw.), “Fragebogen zur Vorlesung”
(alle Fragen, die auf diesem Fragebogen enthalten sind) und “Fragebogen zur Übung”
(alle Fragen, die auf diesem Fragebogen enthalten sind).
Bei der Erfassung war darauf zu achten, dass die Fragebögen der Vorlesung ohne Matrikelnummer
mit v01 bis v19 durchnummeriert wurden und diese Kennzeichnung unter dem
Attribut Matrikelnummer in der Excel-Tabelle angeben wurde. Bei den Fragebögen der
Übung ohne Matrikelnummer wurde dies ebenfalls mit u01 bis u06 gemacht. Diese Kennzeichnungen
oder die Matrikelnummern sind die Identifikationsnummern der Fragebögen.
Falls ein Fragebogen Besonderheiten aufwies, wurde dies unter dem jeweiligen Punkt “Anmerkungen”
vermerkt, der bei der Übung wie auch bei der Vorlesung vorhanden war.
91

Zum Füllen der oben beschriebenen Datenmatrix ist i.a. die Erstellung eines “Codeplans”
nötig. Hierbei wird jeder Antwort des Fragebogens eine Ziffer zugeordnet, um die Daten
möglichst einfach weiterverarbeiten zu können (siehe Kapitel 4.7). Da die Fragebögen dieser
Untersuchung recht einfach gehalten waren und es nur vier verschiedene Arten von
Fragen gab, wurde auf die Erstellung eines Codeplans für beide Fragebögen verzichtet.
Stattdessen wurden vier Regeln definiert, die die entsprechenden Fragen-Typen abdeckten
und so die Erfassung jedes Datensatzes ermöglichten. Diese vier Regeln waren:
1. Skalenfragen (fünf Auswahlmöglichkeiten): das entsprechende angekreuzte Kästchen
benennen; Zählweise: 1 = ganz links, 5 = ganz rechts; hat ein Student gar
nichts angegeben ist: “k.A.” zu vermerken;
2. Ja-nein-Fragen: jeweils “ja” oder “nein” vermerken; falls ein Student nichts angekreuzt
hat ist: “k.A.” zu vermerken;
3. Ja-x-nein-Fragen: jeweils “ja”, “nein” oder “x” (für die Mitte) vermerken; falls ein
Student nichts angekreuzt hat ist: “k.A.” zu vermerken;
4. offene Fragen: den Text der Befragten wörtlich übernehmen; falls keine Angaben
gemacht wurden, das entsprechende Feld frei lassen.
Die Datenmatrix mit allen gewonnenen Daten dieses Lehrevaluations-Experimentes ist im
Anhang zu finden (siehe Anhang C: Abbildungen C.1 bis C.7).
Nach der vollständigen Erfassung aller Bögen wurden die Daten der Übungsbögen soweit
möglich denen der Vorlesung zugewiesen, um alle Daten eines Probanden in einem Datensatz
zu haben. Falls keine Zuweisung möglich war, wurden die Daten in ihrer ursprünglichen
Form beibehalten. Die daraus resultierende Datenmatrix verfügt über genau 67 Datensätze.
Zur Anonymisierung der Daten wurde dann ein Index eingeführt, der alle Datensätze,
bei denen die Daten aus der Vorlesungsbefragung vorlagen (egal ob mit den Daten der
Übung oder nicht) ein Kürzel “vXX” zugewiesen wurde. “XX” steht dabei für eine Zahl
von “01” bis “59”. Bei den Datensätzen, die nur die Informationen aus den Fragebögen zur
Übung haben, wurde zur besseren Übersicht ein anderes Kürzel (“wXX”) zugewiesen. “XX”
steht in diesem Fall für Zahlen von “01” bis “08”.
Die Zuweisung erfolgte per Zufall und war in keiner Weise mit der angegebenen Matrikelnummer
oder der E-Mail -Adresse in Verbindung zu setzen. Zum Abschluss der Anonymisierung
wurden alle Attribute, die die Zuordnung eines Datensatzes zu einer bestimmten
Personen erlauben würden, aus der Datenmatrix entfernt. Dies waren die Attribute Matrikelnummer
und E-Mail-Adresse.
6.5.2. Strukturierung und Visualisierung
Zur besseren Übersicht über die so erhaltene Datenmatrix wurden weitere in Excel zur
Verfügung stehende Funktionen verwendet.
Durch die farbliche Gestaltung wurden die einzelnen Themenkomplexe kenntlich gemacht.
Außerdem wurde jeder Datensatz farblich von dem vorherigen und dem nachfolgenden
abgehoben. Für eine spätere seitenweise Darstellung der erhobenen Daten wurde der eingeführte
Index auf jeder neuen Seite eingefügt. Bei den offenen Fragestellungen waren die
92

Antworten mitunter recht lang. Um eine kompakte Darstellung im Anhang dieser Arbeit zu
ermöglichen, wurden diese Daten auf die wesentlichen Informationen reduziert. Sämtliche
so veränderten Daten sind durch kursive Schriftform gekennzeichnet.
Zusätzlich wurde die unabhängige Variable, also das im Rahmen der Übung verwendete
Werkzeug, auf jeder Seite hervorgehoben. Die Markierung des verwendeten Werkzeuges
erfolgte durch die entsprechende Farbe in der Spalte des Index: “ blau” für Papier und
Stift, “gelb” für Grafikprogramm, “violett” für CASE-Tool und “grün” für Tablet PC. (siehe
Anhang C)
Im Anschluss an die Wiedergabe aller Datensätze ist eine erste Auswertung der gewonnenen
Daten angefügt. Dieser Abschnitt ist farblich durch Orange-Töne vom Rest der Daten
abgehoben. Diese erste Analyse besteht in der Randauszählung der Daten. Neben der Häufigkeitsverteilung
sind hier die Mittelwerte aller Variablen berechnet.
Zur Visualisierung der Daten eignen sich Torten- und Säulendiagramme. Diese sind über
die von Excel bereitgestellten Funktionen zur Generierung von Diagrammen zu erzeugen.
Nach dem Markieren des darzustellenden Bereiches können über das entsprechende Menu
von Excel alle Darstellungsoptionen zum Diagramm nach den jeweiligen Anforderungen,
eingestellt werden. Die im folgenden Kapitel verwendeten Diagramme sind mit Hilfe dieser
Funktionen erzeugt worden. Natürlich könnten auch andere Programme wie beispielsweise
“Open Office” verwendet werden.
6.6. Analyse und Interpretation der Ergebnisse
Nach erfolgter Codierung und Strukturierung ist die Analyse der Daten möglich. Dieses
Kapitel widmet sich dabei zuerst der Auswertung der Fragebögen der Vorlesung. Im Anschluss
daran werden die Ergebnisse der Übungsfragebögen besprochen und schließlich die
Vor- und Nachteile jeder einzelnen Eingabemethode aus Sicht der Teilnehmer aufgezeigt.
Daraus werden dann die Anforderungen an ein neues Werkzeug zur konzeptionellen Modellierung
formuliert.
6.6.1. Ergebnisse der Vorlesungsbefragung
Zunächst soll auf einige Ergebnisse des Fragebogens zur Vorlesung eingegangen werden.
Der Hauptzweck dieses Fragebogens war, wie schon erwähnt, einen Überblick über die
Motivation der Studenten sowie deren Einstellung zur Vorlesung “Software Engineering I”
zu bekommen. Die Daten sollen außerdem als Vergleichswert für spätere Untersuchungen
dienen. Insgesamt wurden 59 Fragebögen zur Vorlesung ausgewertet.
Die Studenten wurden unter anderem danach befragt, wie sie ihre eigene Motivation
einschätzen würden. Die Skala reichte dabei von “sehr hoch” bis “sehr niedrig”. In der
nachfolgenden Abbildung ist das Ergebnis dieser Frage dargestellt (siehe Abbildung 6.1).
Wurden zu dieser Frage keine Angaben gemacht ist dies als “k. A.” vermerkt worden.
Die Befragung ergab, dass sich über die Hälfte der Studenten als “hoch” (15%) bis “sehr
hoch” (39%) motiviert einschätzte. Immerhin ein Drittel (34%) war “durchschnittlich moti-
93

8% 2% 2%
15%
34%
1 (sehr hoch)
2 (hoch)
3 (durchschnittlich)
4 (niedrig)
5 (sehr niedrig)
k. A.
39%
Abbildung 6.1.: Einschätzung der eigenen Motivation
viert”, was die Vorlesung angeht. Nur zusammen 10% der Befragten hatten eine “niedrige”
bis “sehr niedrige” Motivation angegeben.
Die Umfrage wurde zur Mitte des Semesters durchgeführt. Somit war mit einem Ergebnis
in dieser Größenordnung zu rechnen, da zu diesem Zeitpunkt fast nur noch Studenten zu
einer Vorlesung kommen, an welcher sie auch Interesse haben.
Gestützt wurde dieses Ergebnis auch durch die Frage, ob die Studenten beabsichtigen, an
der Prüfung am Ende des Semesters teilzunehmen. Diese Frage beantworteten knapp 50%
der Befragten (27 von 59 Befragten) mit “ganz sicher”.
Als nächstes sollte die Einstellung der Teilnehmer zu einer anderen Form der Übung erfragt
werden. Zu diesem Zweck wurden die Studenten gefragt, ob sie statt der Übung lieber
Aufgaben am Computer lösen wollen. Die Skala reichte dabei von “auf jeden Fall” bis
zu “auf keinen Fall” (siehe Abbildung 6.2).
Dieses Ergebnis ist eher positiv, also für den Computer ausgefallen. Knapp ein Drittel
(30%) war unentschlossen, 25% hielten die Idee für “gut” und sogar 17% der Studenten
wollten “auf jeden Fall” Übungsaufgaben am Computer lösen. 20% der Befragten fanden
die Idee “schlecht” und 8% lehnten die Idee mit “auf keinen Fall” komplett ab.
Der dritte Punkt, der hier behandelt wurden, beschäftigte sich mit der Frage, ob jede zweistündige
Vorlesung in logisch abgeschlossene Einheiten unterteilt werden soll. Unter
dieser Einteilung ist zu verstehen, dass jede einzelne Vorlesung in Blöcke unterteilt wird,
die in sich abgeschlossen sind.
Dies wurde von 51 der 59 Befragten mit “ja” beantwortet und von sieben mit “nein”. Keine
Angaben machte einer der Teilnehmer.
94

8% 0% 17%
1 (auf jeden Fall)
20%
25%
2 (gut)
3 (unentschlossen)
4 (schlecht)
5 (auf keinen Fall)
k. A.
30%
Abbildung 6.2.: Statt der Übung lieber Aufgaben am Computer lösen
Die daran anschließende Frage sollte die Anzahl dieser logischen Einheiten pro 90 Minuten
erfragen. Abbildung 6.3 zeigt das Ergebnis, wobei die Skala von “2 Einheiten” bis zu
“6 Einheiten” reichte.
42% der Befragten gaben “2 Einheiten” und 24% “3 Einheiten” als die beste Anzahl von
logisch abgeschlossenen Einheiten an. Lediglich 15% der Studenten waren der Meinung,
dass vier Einheiten und zwei Prozent sogar, dass fünf Einheiten gut wären. Keine Angaben
hierzu machten 17% der Teilnehmer. Zwei Drittel der Befragten waren damit der Ansicht,
dass eine Unterteilung in zwei bis drei Einheiten das Beste sei. Dies wären, bei einer
Vorlesungsdauer von 90 Minuten, Einheiten in der Größenordnung von 45 bzw. 30 Minuten.
Als letztes soll noch die Idee betrachtet werden, die Übung in die Vorlesung mit
einzuflechten. Die Skala reichte dabei von “sehr sinnvoll” bis zu “gar nicht sinnvoll” (siehe
Abbildung 6.4).
Hierbei war die Resonanz eher positiv. Als “sehr sinnvoll” empfanden 37% der Studenten
diesen Vorschlag. Jeweils 20% der Befragten waren der Meinung, die Idee der Einflechtung
sei “sinnvoll” oder waren “unentschlossen”. Nur 8% der Probanden lehnten die Idee mit
“nicht sinnvoll” und 7% mit “gar nicht sinnvoll” ab. Keine Angaben machten rund 8% der
Studenten.
Zusammenfassend kann man zum Ergebnis der Befragung in der Vorlesung sagen, dass
die Teilnehmer der Befragung den Neuerungen, die in dem Bogen angedacht waren, eher
positiv gegenüberstanden. Die Einschätzung der eigenen Motivation war generell als recht
hoch bewertet worden. Alle erhobenen Daten der Vorlesungsbefragung sind im Anhang C
zu finden (Abbildungen C.1 bis C.4).
95

17%
0%
2%
15%
42%
2 Einheiten
3 Einheiten
4 Einheiten
5 Einheiten
6 Einheiten
k. A.
24%
Abbildung 6.3.: Unterteilung der Vorlesung in logisch abgeschlossene Einheiten
7%
8%
8%
20%
37%
1 (sehr sinnvoll)
2 (sinnvoll)
3 (unentschlossen)
4 (nicht sinnvoll)
5 (gar nicht sinnvoll)
k. A.
20%
Abbildung 6.4.: Einflechtung der Übung in die Vorlesung
96

6.6.2. Ergebnisse der Übungsbefragung
Die Ergebnisse der Übungsbefragung dienen der Bewertung verschiedener Werkzeuge im
Hinblick auf die Unterstützung bei der konzeptionellen Modellierung. Der Fragebogen wurde,
wie schon erwähnt, nach der Bearbeitung einer Aufgabe verteilt und sollte die Stärken
und Schwächen der jeweils verwendeten Werkzeuge aufzeigen. Die Teilnehmer wurden auf
die Eingabemethoden Papier und Stift, CASE-Tool, Grafikprogramm und Tablet PC aufgeteilt.
Dieser Auswertung liegen 34 vollständige Fragebögen zu Grunde. Zunächst sollen
die Ergebnisse der geschlossenen Fragen dargestellt werden und dann die Vor- und Nachteile
der Werkzeuge gemäß den in den offenen Fragestellungen angegebenen Kommentaren,
aufgezählt werden.
Quantitative Ergebnisse
Generell wurde die zuvor ausgeführte Aufgabe von den Studenten als eher schwierig eingestuft.
Jeweils 15 der 34 Befragten empfanden die Aufgabe als “weder einfach noch schwierig”
bzw. als “schwierig”. Jeweils zwei der Probanden gaben an, die Aufgabe sei “einfach” bzw.
“sehr schwer” gewesen.
Die Befragten sollten zunächst die von ihnen verwendete Eingabemethode dahingehend
bewerten, ob sie sie beim Lösen der Aufgabe unterstützt hat. Die Skala reichte von
“unterstützt” bis zu “behindert”.
Die Erfahrungen der Studenten, die Papier und Stift als Eingabemethode benutzt hatten,
waren durchwegs positiv. 46% der Testpersonen waren von der Unterstützung des
Werkzeugs bei der Lösung der Aufgabe überzeugt. Rund 27% der Probanden waren unentschlossen
und 9% gaben an, “etwas behindert” worden zu sein. Keiner der Teilnehmer
hatte den Eindruck, von Papier und Stift bei der Lösung behindert zu werden und 18%
machten keine Angabe zu dieser Frage.
In der nachfolgenden Abbildung 6.5 sind die Angaben der Studenten dargestellt, die Papier
und Stift als Werkzeug zur Modellierung verwendet haben.
Von den Studenten, die ein CASE-Tool zum Entwurf der Lösung verwendet hatten, empfanden
nur mehr 18% das Tool als “unterstützend”. 28% bewerteten das Werkzeug als “etwas
unterstützend” und 27% waren unentschlossen. Weitere 18% der Befragten empfanden das
verwendete CASE-Tool als “etwas behindernd”, 9% sogar als “behindernd”.
Nachfolgende Abbildung 6.6 zeigt das Ergebnis der Probanden aus der Gruppe: “CASE-
Tool”.
Die Testpersonen, die mit Grafikprogrammen arbeiteten, waren mehrheitlich davon
überzeugt, dass sich diese Eingabemethode nicht für die Lösung der gestellten Aufgabe
eignete. Einige Probanden dieser Gruppe verließen sogar frühzeitig den Saal oder wechselten
in eine andere Gruppe, nämlich in Gruppe Papier und Stift. Wechsler oder Ausfälle
gab es sonst in keiner anderen Gruppe.
Jeweils 25% der Studenten, die Grafikprogramme einsetzten, waren unentschlossen bzw.
hielten das Grafikprogramm für “etwas behindernd”. 50% der Teilnehmer empfanden diese
Eingabemethode sogar als “behindernd” (siehe Abbildung 6.7).
97

18%
0%
9%
46%
1 (unterstützt)
2 (etwas unterstützt)
3 (weder noch)
4 (etwas behindert)
5 (behindert)
k. A.
27%
0%
Abbildung 6.5.: Unterstützung durch das Werkzeug “Papier und Stift”
9% 0%
18%
18%
28%
1 (unterstützt)
2 (etwas unterstützt)
3 (weder noch)
4 (etwas behindert)
5 (behindert)
k. A.
27%
Abbildung 6.6.: Unterstützung durch das Werkzeug “CASE-Tool”
98

0%
25%
50%
1 (unterstützt)
2 (etwas unterstützt)
3 (weder noch)
4 (etwas behindert)
5 (behindert)
k. A.
25%
Abbildung 6.7.: Unterstützung durch das Werkzeug “Grafikprogramm”
Von den Probanden, die die Aufgabe mit einem Tablet PC lösten, waren 50% von dessen
Unterstützung überzeugt. Dabei haben jeweils 25% der Testpersonen “unterstützt” und “etwas
unterstützt” angegeben. 37% der Befragten waren unentschieden. “Etwas behindernd”
empfanden 13% der Teilnehmer diese Eingabemethode. Keiner der Studenten empfand den
Tablet PC als “behindernd”.
Abbildung 6.8 zeigt die Ergebnisse der Tablet PC Nutzer.
Im Mittel ergab sich damit ein Wert von 2,63 (bezogen auf eine Skala von 1 (“unterstützt”)
bis 5 (“behindert”)). Die Papier und Stift-Gruppe schloss mit Abstand am besten ab. Hier
ergab der Mittelwert der Bewertungen einen Wert von 2,00. Auf Platz zwei folgte dann,
wie schon im Vorfeld vermutet, der Tablet PC mit einem Mittelwert von 2,38. An dritter
Position rangierten die CASE-Tools mit einem Wert von 2,73. Mit großem Abstand am
stärksten negativ bewerteten die Teilnehmer, die ein Grafikprogramm zur konzeptionellen
Modellierung nutzten, ihr Werkzeug. Der Mittelwert lag hier bei 4,25.
Alle Ergebnisse dieser Frage sind in der Abbildung 6.9 noch einmal zusammengefasst. Die
Tendenzen der Bewertungen der einzelnen Werkzeuge sind so klar ersichtlich.
Nach Bearbeitung der Aufgabe wurden die Probanden ebenfalls gefragt, ob sie die zugewiesene
Eingabemethode auch in Zukunft für die Lösung von Aufgaben dieser
Art benutzen würden. Die Antwortskala reichte dabei von “immer” bis zu “nie”.
Bei den Befragten, die Papier und Stift nutzten, war in etwa eine Gleichverteilung zwischen
Teilnehmern, die auch zukünftig mit der Methode arbeiten wollen (“immer” und
“fast immer”), unentschlossenen und denen, die dies “fast nie” mehr wollen. Eine komplette
Ablehnung kam jedoch nicht vor, keine Angaben machten zwei der Studenten.
99

13% 0% 0% 25%
1 (unterstützt)
37%
2 (etwas unterstützt)
3 (weder noch)
4 (etwas behindert)
5 (behindert)
k. A.
25%
Abbildung 6.8.: Unterstützung durch das Werkzeug “Tablet PC”
unterstützt
etwas
unterstützt
Antwortvorgaben
weder noch
etwas
behindert
behindert
Papier/Stift
CASE-Tool
Grafikprogr.
Tablet PC
k. A.
0 1 2 3 4 5 6
Häufigkeit
Abbildung 6.9.: Unterstützung im Lösungsprozess durch die verwendete Eingabemethode
100

Das Ergebnis für die CASE-Tools fiel ähnlich positiv aus. Einer der Studenten würde
dieses Werkzeug “immer” und sechs sogar “fast immer” zur konzeptionellen Modellierung
verwenden. Drei gaben an, unentschlossen zu sein und einer würde “fast nie” mehr ein
CASE-Tool für Aufgaben dieser Art verwenden.
Die Kandidaten, denen das Grafikprogramm zugeteilt worden war, äußerten eine gegenteilige
Meinung. Ein Student war unentschlossen und drei wollten diese Eingabemethode
“fast nie” mehr einsetzen. Dieses Werkzeug wurde mit Abstand am schlechtesten bewertet.
Die Nutzer des Tablet PC waren eher von dessen Qualitäten überzeugt und würden
ihn auch in Zukunft wieder verwenden. Die Hälfte der Studenten würde dieses Werkzeug
“immer” oder “fast immer” zur konzeptionellen Modellierung verwenden. Drei sind unentschlossen
und einer würde “fast nie” mehr ein Tablet PC bei dieser Art von Aufgaben
verwenden. Diese Ergebnisse bestätigen damit das Resultat der vorherigen Frage, siehe
hierzu Abbildung 6.10.
immer
fast immer
Antwortvorgaben
egal
fast nie
nie
Papier/Stift
CASE-Tool
Grafikprogr.
Tablet PC
k. A.
0 1 2 3 4 5 6
Häufigkeit
Abbildung 6.10.: Angaben zur zukünftigen Nutzung des jeweiligen Werkzeuges
Durchschnittlich wurde diese Frage mit einem Wert von 2,56 beantwortet (bezogen auf eine
Skala von 1 (“immer”) bis 5 (“nie”)). Der Mittelwert der Papier und Stift-Gruppe betrug
2,33, der der CASE-Tool-Gruppe 2,36 und der der Teilnehmer die ein Grafikprogramm
zu konzeptionellen Modellierung nutzten 3,75. Bei den Studenten, denen der Tablet PC
zugeteilt war, ergab sich ein Mittelwert von 2,50.
101

Häufigkeit des Vorkommens
20
18
16
14
12
10
8
6
4
2
0
17,5
15,5
6
7
4,5
4 4 4
3,5
1 0
0
0 0 1
Papier/Stift CASE-Tool Grafikprogr. Tablet PC Gesamt
Werkzeug
ja
nein
k. A.
Abbildung 6.11.: Bevorzugung alternativer Eingabemethoden
Die Studenten wurden weiterhin gefragt, ob sie eine andere Eingabemethode zur Lösung
der Aufgabe bevorzugt hätten (siehe Abbildung 6.11).
Insgesamt sind die Meinungen hier ausgeglichen (15,5 mal wurde eine andere Eingabemethode
bevorzugt; 17,5 mal wurde nicht für eine andere Eingabemethode gestimmt; dabei
gab es eine Enthaltung). Etwas weniger als die Hälfte der Befragten hätte somit lieber eine
andere Eingabemethode genutzt. Sowohl Nutzer von Papier und Stift als auch von CASE-
Tools wollten eher nicht wechseln. Sechs bzw. sieben Teilnehmer beantworteten diese Frage
mit “nein”, wollten also nicht wechseln. Jeweils vier antworteten mit “ja”, also dass sie lieber
ein anderes Werkzeug verwendet hätten.
Alle Teilnehmer, die mit einem Grafikprogramm gearbeitet haben, hätten lieber eine andere
Eingabemethode zur Lösung der Aufgabe eingesetzt. An erster Stelle stand dabei ein
CASE-Tool. Unter allen, die lieber eine andere Eingabemethode verwendet hätten, war am
häufigsten das CASE-Tool und am zweithäufigsten Papier und Stift gewünscht worden.
Drei der Befragten der Tablet PC-Gruppe gaben an, lieber ein anderes Werkzeug genutzt
zu haben, vier der Studenten beantworteten die Frage mit “nein” und einer war unentschlossen
und gab “ja” und “nein” an. Dadurch sind die Kommawerte bei der Häufigkeit
des Vorkommens zu erklären (siehe Abbildung 6.11).
Qualitative Ergebnisse
Die Antworten auf die gestellten offenen Fragen ergaben ein noch deutlicheres Bild der
Vor- und Nachteile der einzelnen Werkzeuge. Alle folgenden Angaben wurden den
Aussagen der Testpersonen entnommen. Es sei darauf hingewiesen, dass es sich dabei um
die subjektiven Meinungen der befragten Studenten handelt.
102

Die Studenten, die die Aufgabe mit Papier und Stift gelöst hatten, bemerkten positiv,
dass diese Eingabemethode einfach und intuitiv zu benutzen ist. Sie ist überall verfügbar
und kostengünstig. Eine Lösung kann schnell erarbeitet werden und ist unabhängig von
der Verfügbarkeit spezieller Infrastruktur.
Als Nachteile wurden von den Testteilnehmern angeführt, dass mit zunehmender Komplexität
des Problems die Übersichtlichkeit leidet und ein Din-A4-Blatt zu klein ist, um
größere Modelle aufzuzeichnen. Die Ergebnisse sind häufig nicht präsentabel und Korrekturen
sind schwierig oder wirken unsauber. Die Umwandlung in digital verwertbare Daten
erfordert technische Infrastruktur und zusätzlichen Aufwand, ist also umständlich und eher
nicht praktikabel.
Die CASE-Tools überzeugten die Probanden vor allem durch Benutzerfreundlichkeit und
Flexibilität. Objekte lassen sich einfach skalieren und in vielen Programmen automatisch
anordnen, was Modifikationen am bestehenden Modell vereinfacht. Vor allem umfangreiche
Änderungen sind mit dieser Eingabemethode sehr viel einfacher möglich als mit Papier und
Stift. CASE-Tools wurden von manchen Studenten als intuitiv bedienbar und als schneller
Weg zur Lösung angesehen, gerade da man auf viele vordefinierte UML-Objekten zurückgreifen
kann.
Andere hingegen hielten CASE-Tools für unintuitiv. Problematisch ist die Einarbeitungszeit,
die zur Beherrschung des Werkzeugs investiert werden muss. Zudem variiert die Qualität
der verschiedenen CASE-Tools recht stark. Einige Studenten bemängelten schlechtes
Layout und fehlende Funktionalität.
Testpersonen, die mit Grafikprogrammen arbeiteten, bewerteten Übersichtlichkeit und
Flexibilität der Programme positiv. Sie hoben außerdem die gute Auswahl an UML-
Elementen (einfache Erzeugung von Rechtecken, Strichen usw.) hervor. Außerdem sind
Grafikprogramme für eine Vielzahl von Plattformen verfügbar.
Nachteilig wurden hingegen die mitunter zu klein bemessenen Zeichenflächen und die zu
umständliche Handhabung der Grafikprogramme für diesen Zweck bewertet. Abgesehen
von der Möglichkeit, Rechtecke zu zeichnen, war keine weitere UML-Unterstützung gegeben.
Ebenfalls bemängelt wurden fehlende Operationen auf Gruppen von grafischen Objekten.
Die Erarbeitung einer Lösung dauerte einfach zu lange.
Positive Aspekte der Tablet PCs, die von den Teilnehmern genannt wurden, waren die
intuitive Handhabung und die Effizienz dieser Eingabemethode. Zum Festhalten von Gedanken
ist diese sehr gut geeignet. Sie bietet einfache Editierungsmöglichkeiten und erlaubt
so eine gewisse Flexibilität.
Bemängelt wurden die niedrige Auflösung der Testgeräte, die als zu gering für große Diagramme
angesehen wurde. Weiterhin wurde die schlechte Editierbarkeit der Zeichnungen
als Nachteil genannt und eine Objekterkennung (bzw. Schrifterkennung) wurde vermisst.
Ein gezeichnetes Rechteck sollte beispielsweise als solches erkannt und seine Kanten begradigt
werden. Vor allem wurden fehlende Funktionen bei den Tablet PCs beanstandet.
103

6.6.3. Anforderungen an Werkzeuge für die konzeptionelle Modellierung
Die Kommentare der Studenten und die Auswertung der Skalenfragen zeigen, dass keine
der untersuchten Eingabemethoden ohne Vorbehalte als ideal zur konzeptionellen Modellierung
zu bewerten ist. Ein Werkzeug für die konzeptionelle Modellierung muss zwei zentrale
Kriterien erfüllen: Es muss intuitives Zeichnen ermöglichen und gleichzeitig müssen die
gezeichneten Elemente flexibel modifizierbar sein.
Im Folgenden sollen Anforderungen an ein neues Werkzeug zur konzeptionellen Modellierung
formuliert werden, welches die positiven Aspekte der untersuchten Eingabemethoden
in sich vereint.
Die natürlichste Art, ein Modell zu skizzieren ist, es mit einem Stift zu zeichnen. Ein
“ideales” Werkzeug zur konzeptionellen Modellierung sollte diese Eingabeform soweit wie
möglich unterstützen. Dies beinhaltet beispielsweise auch das korrekte Erkennen und Behandeln
von intuitiven Gesten wie dem Durchstreichen und damit Wegradieren gezeichneter
Elemente.
Von besonders großer Bedeutung bei der flexiblen Modifikation der Modellelemente ist die
vollständige Erhaltung der Semantik des bestehenden Modells. Modellelemente
sollten beispielsweise beliebig auf der Zeichenfläche verschiebbar sein, wobei möglicherweise
bestehende Endpunkte von Linien zwischen Klassen, die verschiedene Beziehungen repräsentieren,
zusammen mit einer Klasse verschoben werden müssen. Darüber hinaus sollten
die Modellelemente beliebig skalierbar sein, ebenfalls unter Beachtung aller mit dem Objekt
in Verbindung stehenden anderen Objekten.
Im Hinblick auf die Erkennung von gezeichneten Elementen sollten UML-Objekte automatisch
als solche erkannt und in eine saubere und korrekte Form umgewandelt werden.
Linien sollten begradigt und Boxen als Klassen erkannt werden. Dabei muss das Erkennungssystem
intuitive Modellierungsschritte, die zwischenzeitlich mitunter nicht konsistent
sind, verarbeiten können. Die intuitivste Art zwei Klassen und eine Beziehung zwischen
diesen Klassen zu zeichnen ist, ausgehend von der ersten Klasse eine Linie zu ziehen und
dann am Ende dieser Linie die zweite Klasse zu zeichnen. Nach dem Zeichnen der Linie ist
das Modell zunächst inkonsistent, da kurzzeitig eine Beziehung mit nur einem Endpunkt
besteht. Nachdem die zweite Klasse gezeichnet wurde, muss die Linie nachträglich als Beziehung
zwischen Klassen erkannt werden. Ein Werkzeug zur konzeptionellen Modellierung
sollte also flexibel im Hinblick auf die Reihenfolge, in der der Benutzer Elemente eines
Modells zeichnet, eingehen können.
Zur Verbesserung der Benutzerfreundlichkeit des Werkzeugs sollten außerdem weitere Kriterien
erfüllt werden:
Eine automatische Schrifterkennung würde die Lesbarkeit und Präsentationsfähigkeit des
Modells erheblich verbessern. Weitergehende Manipulationsfunktionen wie das Markieren
und gleichzeitige Verschieben von Gruppen von Elementen würde den Modellierungsprozess
beschleunigen. Etwaige Verdeckungen, die durch das Verschieben von Elementen entstehen
könnten, sollten auf Wunsch durch die dynamische Anordnung betroffener Elemente
verhindert werden. Die Oberfläche des Werkzeugs sollte eine spezielle Benutzerführung erhalten,
die sowohl eine intuitive Bedienung nur durch einen Stift ermöglicht (also ohne
104

Tastatureingaben) als auch einen möglichst großen Arbeitsbereich bereitstellt. Dabei sollten
auf Wunsch auch die aus CASE-Tools bekannten Paletten mit vorgegebenen Objekten
(Klassen, Interfaces usw.) zum schnellen Einsetzen verfügbar sein. Dies würde vor allem
den Studenten die Arbeit erleichtern, die bereits den Umgang mit CASE-Tools gewohnt
sind. Durch verschiedene Zoom-Stufen oder auch Sichten wäre es zudem möglich, auch bei
größeren Modellen den Überblick zu behalten. Je nach Detailstufe wären dann beispielsweise
entweder alle Objekte und Details enthalten, aber nur ein Ausschnitt des ganzen
Modells zu sehen, oder die UML-Grundelemente wie Klassen und Verbindungen zwischen
diesen sichtbar, aber des ganze System könnte auf einem Bildschirm komplett dargestellt
werden.
Die Umsetzung dieser Anforderungen erfordert die Entwicklung einer neuen Softwarelösung.
Als Hardwareplattform hierfür bieten sich für den mobilen Einsatz bei Studenten
Tablet PCs an, da diese die Stifteingabe unterstützen und ausreichend Rechenleistung für
komplexe Operationen wie die Erkennung und Umwandlung von UML-Elementen bereitstellen.
Zudem sind diese bereits zu erschwinglichen Preisen erhältlich, die sich im Bereich
der Preise eines Notebooks bewegen.
Stationäre Installationen, beispielsweise für Dozenten, lassen sich aus nahezu beliebigen
Kombinationen von stiftbasierten Eingabegeräten (z.B. Grafiktabletts, interaktiven Displays
oder Smartboards), Anzeigegeräten (interaktive Displays, Beamer) und Rechnern
zusammenstellen.
6.6.4. Fazit
Wie aus den Kommentaren zu erkennen ist, hat jedes der Werkzeug seine Vor- und Nachteile.
Ein “optimales” Werkzeug gibt es noch nicht. Hauptmanko der meisten Werkzeuge
ist, dass sie nicht für den Zweck der konzeptionellen Modellierung mit UML konzipiert
sind, und somit auch nicht die erforderlichen Funktionen aufweisen.
Das Ergebnis der Untersuchung stützt die zuvor aufgestellte Hypothese und
entspricht den erwarteten Ergebnissen.
Keines der Werkzeuge kam an die Benutzerfreundlichkeit der Eingabemethode Papier und
Stift heran. Wie zu erwarten, konnte es der nötigen Flexibilität, gerade zum Beginn des
Prozesses der konzeptionellen Modellierung, in vollem Umfang genüge leisten.
CASE-Tools und Tablet PCs waren im Mittelfeld zu finden. Tablet PCs waren wie erwartet
etwas besser in ihrer Unterstützung bei der Lösung einer Aufgabe zur konzeptionellen
Modellierung als die CASE-Tools bewertet worden. Obwohl die CASE-Tools mit umfangreicher
UML-Unterstützung aufgewartet haben, war ihre anfängliche Komplexität eher
hinderlich für den Lösungsprozess. Wäre auf den Tablet PCs ein CASE-Tool gelaufen, hätte
das Ergebnis wahrscheinlich anders ausgesehen.
Die Grafikprogramme bildeten wie erwartet das Schlusslicht dieses Experimentes. Da sie
nicht für diese Art des Zeichnens konzipiert sind, wurden sie von den Studenten als hinderlich
für die konzeptionelle Modellierung bewertet.
105

Tablet PCs waren nach Papier und Stift die zweitbeste Eingabemethode zur konzeptionellen
Modellierung. An dritter Stelle waren die CASE-Tools vertreten, wenn auch knapp.
Bezogen auf die für diese Untersuchung definierte Grundgesamtheit kann dieser Hypothese
damit eine vorläufige Gültigkeit zugesprochen werden.
Eine Hypothese für folgenden Untersuchungen könnte lauten:
H1: Das in Kapitel 6.6.3 skizzierte Werkzeug bietet nach Papier & Stift die beste Unterstützung
für die konzeptionelle Modellierung.
6.6.5. Verwandte Arbeiten
Ein didaktisches Modellierungswerkzeug für UML-Zustandsdiagramme, das den zuvor formulierten
Anforderungen an Werkzeuge dieser Art teilweise genügt, wurde von der Universität
Dortmund entwickelt [Pleu04]. DAVE (Dortmunder Automatenvisualisierer und
-editor) bietet die wichtigsten Funktionen eines CASE-Tools, weist aber den Unterschied
auf, dass die Funktionen auf ein Minimum reduziert sind. Damit kann die Benutzeroberfläche
sehr einfach gehalten werden, wodurch das Werkzeug intuitiv zu bedienen ist und
der Einarbeitungsaufwand stark reduziert wird. Durch eine zusätzliche multimediale Visualisierung
kann Studenten der Sachverhalt hinter den Formalismen aufgezeigt werden.
Intuitives Zeichnen mit Stifteingabe ist hier aber nicht vorgesehen.
Der Einsatz von Tablet-PCs in der Softwaretechnik-Lehre wurde von Kenrick Mock
untersucht ([Mock04]). Der Tablet-PC diente als digitale Tafel, wodurch es möglich war,
Präsentationen komfortabel zu editieren und zu annotieren. Besonders hervorgehoben wurde
dabei der Nutzen bei der Entwicklung von UML-Diagrammen, bei denen im Verlauf der
Entwicklung einer Lösung, also der konzeptionellen Modellierung, viele Änderungen notwendig
sind. Da oft Komponenten geändert und verschoben werden müssen, macht der
Einsatz einer traditionellen Tafel häufiges Neuzeichnen des Modells notwendig. Die Eingabe
per Stift ist für das Zeichnen von UML-Elementen wesentlich intuitiver als die Eingabe
mit einer Maus. Auch der Einsatz eines UML-Objekterkennungs-Systems wurde von Mock
angedacht.
Das Projekt “Tahuti” ist ein Skizzen-Erkennungssystem für UML-Diagramme [HaDa2].
Das System erkennt Objekte anhand der geometrischen Eigenschaften und nicht durch
eine vorher festgelegte Reihenfolge von Strichen. Damit ist intuitives Zeichen von UML-
Elementen möglich, ohne zuvor spezifizierte Abläufe lernen zu müssen. Tahuti ist auf wenige
UML-Objekte begrenzt und wird derzeit nicht weiterentwickelt. Weitergehende Hilfsmittel,
wie in CASE-Tools üblich, sind nicht vorhanden. Das Projekt zielt weniger auf konzeptionelle
Modellierung als auf Spezifikation von Erkennungsmethoden ab.
106

Teil IV.
Schluss
107

7. Fazit
Nach einer Zusammenfassung dieser Arbeit soll der Einsatz von empirischen Methoden
in der Softwaretechnik diskutiert werden. Dabei beschreibt dieses Kapitel, was bei einer
Übertragung der Methodik auf andere Anwendungsfälle zu beachten ist. Den Abschluss
bildet ein Ausblick auf zukünftige Entwicklungen der Methodik, wie auch die Verwendung
der Ergebnisse aus der Untersuchung von Werkzeugen zur konzeptionellen Modellierung.
7.1. Zusammenfassung
Empirische Methoden haben bisher kaum Einzug in die Informatik gehalten. Anwendung
finden sie teilweise in der Softwaretechnik. Dort dienen sie der Bewertung von Werkzeugen
und Methoden der Softwareerstellung.
Diese Arbeit gibt einen Einblick in die Methoden der empirischen Sozialforschung. Die
empirische Sozialforschung ist eine Sammlung von Methoden und Techniken zur wissenschaftlichen
Untersuchung menschlichen Verhaltens. Diese Methoden sind für die Softwaretechnik
geeignet, wenn es um die Schnittstelle zwischen Mensch und Maschine geht.
Der Aufbau von empirischen Untersuchungen kann in sechs Phasen untergliedert werden.
In der Phase der Definition werden die Ziele einer Studie identifiziert und definiert. Der
geplante Test und eine Theorie, die der zu testenden Hypothese zugrunde liegt, werden
beschrieben. Während der Planung und des Designs der Untersuchung werden die unabhängigen
und abhängigen Variablen, Kontrollmechanismen und Auswahlverfahren der zu
testende Grundgesamtheit festgelegt. Die Implementierung umfasst alle nötigen organisatorischen
Maßnahmen und die Vorbereitung der benötigten Materialien. Dies ist beispielsweise
die Schulung von Interviewern oder auch die Konstruktion eines Fragebogens.
Außerdem wird in Pretests die Richtigkeit der erstellten Materialien geprüft. Der nächste
Schritt ist die Durchführung der Studie, bei der alle außergewöhnlichen Vorfälle protokolliert
und alle verwendeten Materialien gesammelt werden müssen. Die Datenerfassung dient
dann der Aufbereitung der Daten für die nachfolgende Analyse. Hierfür werden die Daten
codiert und so strukturiert, wie es für die Analyse nötig ist. In der Analyse-Phase werden
die gewonnenen Daten untersucht und es erfolgt eine Auswertung und Interpretation der
gewonnenen Ergebnisse. Den Abschluss bildet dann die Veröffentlichung der Ergebnisse.
Mögliche Untersuchungsformen sind beispielsweise Experimente, bei denen durch Beobachtung
Daten erhoben werden, oder Umfragen, in denen mittels Interviews oder auch
Fragebögen Daten ermitteln werden.
Im Rahmen dieser Arbeit fanden diese Methoden Anwendung bei einem Experiment, mit
dem verschiedene Werkzeuge zur konzeptionellen Modellierung bewertet wurden.
108

Die konzeptionelle Modellierung ist in der Softwaretechnik-Lehre bisher vernachlässigt worden.
Für die Lehre wird eine Unterstützung durch geeignete Werkzeuge benötigt. In einem
Experiment wurde dazu die Eignung der vier Eingabemethoden Papier und Stift, Grafikprogramm,
CASE-Tool und Tablet PC miteinander verglichen. 34 Studenten wurden in
vier Gruppen aufgeteilt. Jeder Gruppe war ein Werkzeug zugeteilt, mit dem die Probanden
eine Aufgabe konzeptionell lösen mussten. Ihre Erfahrungen dabei wurden danach mit
einem Fragebogen erfasst.
Es wurde festgestellt, dass keine der Eingabemethoden optimal zur Bearbeitung von Aufgaben
zur konzeptionellen Modellierung geeignet ist. Aus den Ergebnissen der Befragung
wurden deswegen Anforderungen für ein neues Werkzeug abgeleitet, das in Zukunft für
die konzeptionelle Modellierung in Softwaretechnik-Vorlesungen eingesetzt werden kann.
Dieses Werkzeug muss intuitives Zeichnen ermöglichen und gleichzeitig die gezeichneten
Elemente unter vollständiger Erhaltung der Semantik des Modells flexibel modifizieren
können.
7.2. Diskussion
Diese Untersuchung hat gezeigt, dass ursprünglich der Sozialforschung entlehnte empirische
Methoden sehr gut in zwei Bereichen in der Softwaretechnik eingesetzt werden können.
Erstens helfen sie bei der Ermittlung von Anforderungen an ein System. Durch die Einbeziehung
der Benutzer einer zukünftigen Softwarelösung können wichtige Erkenntnisse
hinsichtlich Funktionalitäten und Bedienung gewonnen werden. Dazu können bestehende,
ähnliche Systeme getestet werden und die dabei erkannten Vor- und Nachteile zur Formulierung
der Anforderungen an ein neues System genutzt werden. Daten können mit Hilfe
von Beobachtung und Befragung gesammelt und dann ausgewertet werden. Der Nutzen
von Funktionen einer Software kann so nicht nur theoretisch begründet, sondern auch empirisch
bewiesen werden. Besonders hervorzuheben ist dabei, dass das Feedback von den
potentiellen Benutzern kommt. Denn genau diese Gruppe entscheidet letztendlich über
den Erfolg oder Misserfolg einer Softwarelösung. Nur wenn diese auch den Ansprüchen des
Benutzers genügt, wird sie gekauft und auch eingesetzt.
Der zweite Aspekt betrifft vor allem die Benutzerschnittstelle. Hier kann mit empirischen
Methoden die Benutzerfreundlichkeit und Benutzbarkeit eines Systems getestet werden.
Mit Usability-Test wird der Praxisfall simuliert. Versuchspersonen lösen dabei Aufgaben
mit der zur Untersuchung stehenden Software. Im Anschluß daran wird beispielsweise die
subjektive Einstellung der Benutzer erfragt. Die Zufriedenheit ist sehr bedeutungsvoll, da
das subjektive Empfinden des Benutzers entscheidend für die Akzeptanz eines Systems ist.
Gemessen wird sie in der Regel durch Fragebögen oder Interviews.
Die nutzbringende Übertragung der in dieser Arbeit aufgezeigten Methodik auf andere
Anwendungsfälle erscheint ohne weiteres möglich. Allerdings sollten die Punkte, die aufgrund
der speziellen Anforderungen und auch aufgrund der technischen Voraussetzungen
bei dieser Analyse von Werkzeugen zur konzeptionellen Modellierung nicht erfüllt werden
konnten, berücksichtigt werden.
Dies betrifft bei zukünftigen Untersuchungen von verschiedenen Softwarelösungen vor al-
109

lem die Voraussetzungen der Validität. Hier sollte unbedingt darauf geachtet werden, dass
die Rahmenbedingungen eine völlig zufällige Zuweisung zu dem jeweiligen Treatment erlauben.
Nur so können systematische Zusammenhänge zwischen den personellen Merkmalen
und der Zugehörigkeit zu einer bestimmten Gruppe ausgeschlossen werden. Gegebenenfalls
vorliegende Veränderungen in den abhängigen Variablen sind so mit großer Wahrscheinlichkeit
auf den Stimulus zurückzuführen.
Außerdem sollten neben den subjektiven Daten auch objektive Daten erhoben werden.
Dadurch sind neben der Zufriedenheit der Benutzer auch Aussagen über die Effizienz und
Effektivität eines Untersuchungsobjektes möglich.
Eine Vielzahl von bekannten und bewährten empirischen Methoden konnte aufgrund der
spezifischen Problemstellung bei dieser Untersuchung von Eingabemethoden keine Anwendung
finden. Bei zukünftigen Experimenten ist deswegen erneut zu entscheiden, welche
dieser Methoden verwendet werden sollen. Es ist immer von Fall zu Fall zu entscheiden,
wie das Ziel einer Untersuchung am besten erreichbar ist. Es müssen also jeweils die geeigneten
Methoden ausgewählt werden, mit denen die aufgestellte Hypothese am besten zu
überprüfen ist.
7.3. Ausblick
Die empirischen Methoden der Sozialforschung haben sich in den letzten 50 Jahren nur
wenig verändert. Die Erhebungstechniken sind beispielsweise auf dem Stand der 40er Jahre
des 20. Jahrhunderts. In absehbarer Zukunft werden hier möglicherweise auch keine
Neuerungen kommen. Der Einsatz der empirischen Methoden in der Softwaretechnik wird
sich mit großer Sicherheit durchsetzen. Denn gerade die Schnittstelle zwischen Mensch und
Maschine ist entscheidend für den Erfolg eines Systems. Empirische Methoden erlauben,
genau diesen Aspekt detailliert zu untersuchen. Dazu werden diese Methoden in Zukunft
weiter an die Bedürfnisse der Softwaretechnik angepasst werden müssen, wodurch sich wiederum
eine Weiterentwicklung der empirischen Methoden selbst ergeben kann.
Im Hinblick auf die Skizzierung einer neuen Werkzeuglösung zur konzeptionellen Modellierung
kann gesagt werden, dass am Lehrstuhl Brügge der TU München im Moment an
der Entwicklung eines Werkzeugs gearbeitet wird, welches die ermittelten Anforderungen
erfüllt, und somit die Softwaretechnik-Lehre optimal unterstützt. Dieses spezielle Werkzeug
soll in einem Forschungsprojekt zum Einsatz kommen, welches Community-Prozesse,
insbesondere Peer Reviews von Aufgabenlösungen, in großen Vorlesungen untersucht. Von
besonderem Interesse ist dabei der Aspekt der Skalierbarkeit des Austauschs von Aufgaben
und Lösungen zwischen Hunderten von Studenten. Bei Erfolg dieser Untersuchungen soll
das Werkzeug dann Einzug in die Lehre der Softwaretechnik halten und regelmäßig zur
Lösung von Aufgaben auf diesem Gebiet eingesetzt werden.
“Jedes Werkzeug erhält nämlich dadurch seine Vollendung,
dass es nicht mehreren, sondern nur einem Zwecke dient.”
Aristoteles (384 - 322 v.Chr.)
110

Teil V.
Anhang
111

A. Fragebögen
112

Fragebogen für Vorlesungen:
A: Inhalt
1. Stoffmenge und Tempo waren mir zu gering □ □ □ □ □ zu groß
2. Das Veranstaltungsniveau war mir zu niedrig □ □ □ □ □ zu hoch
3. Die Abstimmung mit anderen Fächern war deutlich □ □ □ □ □ nicht erkennbar
4. Der Bezug zur Praxis bzw. zur aktuellen Forschung erschien mir angemessen □ □ □ □ □ nicht vorhanden
5. Mein Gesamteindruck zum Inhalt der Vorlesung ist positiv □ □ □ □ □ negativ
Kommentar zum Inhalt:
(Möglichkeit zur Texteingabe)
B: Gestaltung
1. Die logische Gliederung war immer klar □ □ □ □ □ nie ersichtlich
2. Schwierige Dinge waren für mich gut erklärt □ □ □ □ □ unverständlich
3. Wichtiges wurde klar herausgearbeitet immer □ □ □ □ □ nie
4. Beispiele/ Experimente/Modelle zum Thema fand ich hilfreich □ □ □ □ □ nicht hilfreich
5. Mein Gesamteindruck zur Gestaltung der Vorlesung ist positiv □ □ □ □ □ negativ
Kommentar zur Gestaltung:
(Möglichkeit zur Texteingabe)
C: Präsentation:
1. Die Sprache war akustisch verständlich □ □ □ □ □ unverständlich
2. Die Handschrift auf Tafel/Folie war gut lesbar □ □ □ □ □ schlecht lesbar
3. Fertige Folien/Präsentationen waren gut □ □ □ □ □ schlecht
4. Skripten/Unterlagen zur Vorlesung waren gut □ □ □ □ □ schlecht
5. Das www- Angebot zur Vorlesung war gut □ □ □ □ □ schlecht
6. Mein Gesamteindruck zur Präsentation der Vorlesung ist positiv □ □ □ □ □ negativ
Kommentar zur Präsentation:
(Möglichkeit zur Texteingabe)
D: Persönliches Auftreten:
1. Sie/Er wirkte gut vorbereitet immer □ □ □ □ □ nie
2. Ich fand sie/ihn engagiert □ □ □ □ □ lustlos
3. Der Dozent hat mich für das Fach motiviert sehr □ □ □ □ □ gar nicht
4. Sie /Er behandelte Fragen aus dem Auditorium hilfreich □ □ □ □ □ gar nicht
5. Sie/Er war außerhalb der Vorlesung für mich ansprechbar immer □ □ □ □ □ nie
6. Mein Gesamteindruck zum pers. Auftreten in der Vorlesung ist positiv □ □ □ □ □ negativ
Kommentar zum persönlichen Auftreten:
(Möglichkeit zur Texteingabe)
E: Allgemeine Angaben:
1. Ich kann die Veranstaltung ihres Inhalts wegen empfehlen ja □ □ □ □ □ nein
2. Ich kann die Veranstaltung des Dozenten wegen empfehlen ja □ □ □ □ □ nein
3. Ich besuchte die Veranstaltung immer □ □ □ □ □ nie
F: Gewichtung:
a. Inhalt wichtig □ □ □ □ □ unwichtig
b. Gestaltung wichtig □ □ □ □ □ unwichtig
c. Präsentation wichtig □ □ □ □ □ unwichtig
d. pers. Auftreten wichtig □ □ □ □ □ unwichtig
G: Kommentare:
1. Das fand ich gut: (Möglichkeit zur Texteingabe)
2. Das kann man besser machen: (Möglichkeit zur Texteingabe)
Abbildung A.1.: Minimalfragebogen der TU München zur Evaluation [Eval05]
113

Software Engineering I
Fragebogen zur Vorlesung
13.12.2005
Einführung:
Das Ziel des Fragebogens ist, die Vermittlung des Stoffes und die Übung zu verbessern. Zu diesem Zweck
beantworten Sie bitte die Fragen zur Vorlesung gemäß Ihrer Einschätzung. Für die weitere wissenschaftliche
Verwendung werden die Befragungsergebnisse anonymisiert.
Sie benötigen zum Ausfüllen des Fragebogens ca. 5 bis 10 Minuten. Kreuzen Sie den für Sie zutreffenden Wert an.
Bitte immer nur ein Kreuz pro Frage. Wenn nötig/möglich schreiben Sie Ihre Meinung in Stichpunkten auf die dafür
vorgesehene Linie. Am Ende des Fragebogens können Sie einen Kommentar abgeben.
Wir bitten um eine ehrliche Beantwortung der Fragen. Es gibt keine „richtigen“ und „falschen“ Antworten.
Bei zusätzlicher Angabe Ihrer Matrikelnummer und Ihrer E-Mail-Adresse nehmen Sie außerdem an der Verlosung
eines – iPod shuffle – teil.
Teilnahmebedingungen zur Verlosung:
1. Angabe der Matrikelnummer und der E-Mail-Adresse
2. Ausfüllen dieses Fragebogens
3. Zusätzliche Teilnahme an der Übung vom Donnerstag den 15.12.2005 und Ausfüllen eines zweiten Fragebogens,
der ca. 3 bis 5 Minuten Zeit in Anspruch nehmen wird. (Jeder der über einen eigenen Laptop verfügt, möge diesen
bitte mitbringen.)
4. Eine Teilnahme erst ab der Übung ist nicht möglich!
Hinweise:
Wir möchten noch einmal darauf hinweisen, dass sämtliche Daten streng vertraulich behandelt werden. Für die
weitere wissenschaftliche Verwendung werden die Daten anonymisiert.
Wir bedanken uns für Ihre Zeit. Viel Glück bei der Verlosung.
Demografische Daten:
1. Matrikelnummer: _______________ (Angabe auf freiwilliger Basis)
2. E-Mail-Adresse: _______________
(Angabe auf freiwilliger Basis; zur Benachrichtigung des Gewinners nötig)
3. Semesterzahl: _______________
4. Studienrichtung: _______________
5. Nebenfach: _______________
6. Abschluss: □ Diplom □ Bachelor/Master
Allgemeine Angaben:
1. Ich kann die Veranstaltung ihres Inhalts wegen empfehlen
2. Ich kann die Veranstaltung des Dozenten wegen empfehlen
sehr
sehr
□ □ □ □ □
□ □ □ □ □
gar nicht
gar nicht
3. Ich besuchte die Veranstaltung
4. Ich besuchte die Übung
5. Ich machte die Hausaufgaben
immer
immer
immer
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
nie
nie
nie
Seite 1 von 2
Abbildung A.2.: Fragebogen zur Softwaretechnik-Vorlesung (Seite 1)
114

Software Engineering I - Fragebogen zur Vorlesung - 13.12.2005
Inhalt / Motivation:
1. Stoffmenge und Tempo waren mir
2. Das Veranstaltungsniveau war mir
3. Das Niveau der Übung war mir
4. Das Niveau der Hausaufgaben war mir
5. Die Abstimmung mit anderen Fächern war
6. Der Bezug zur Praxis bzw. zur aktuellen Forschung
erschien mir
7. Mein Gesamteindruck zum Inhalt der Vorlesung ist
8. Einschätzung der eigenen Motivation
zu gering
zu niedrig
zu niedrig
zu niedrig
deutlich
angemessen
positiv
sehr hoch
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
□ □ □ □ □
zu groß
zu hoch
zu hoch
zu hoch
nicht erkennbar
nicht vorhanden
negativ
sehr niedrig
Konzentration:
1. Ich kann der Vorlesung über die gesamte Länge folgen immer □ □ □ □ □ nie
Ablenkungsfaktoren:
2. Ich kann der Übung über die gesamte Länge folgen immer □ □ □ □ □ nie
Ablenkungsfaktoren:
3. Ich würde statt der Übung lieber Aufgaben am
Computer lösen.
4a. Ich fände eine Unterteilung jeder zweistündigen
Vorlesung in logisch abgeschlossene Einheiten gut.
4b. Wenn ja: Wie viele logische Einheiten
5. Die Übung sollte in die Vorlesung eingeflochten sein
auf jeden Fall
ja
2 Einheiten
sehr sinnvoll
□ □ □ □ □
□
□
□ □ □ □ □
□ □ □ □ □
auf keinen Fall
nein
6 Einheiten
gar nicht sinnvoll
Ziele:
1. Ich beabsichtige an der Prüfung teil zu nehmen
2. Ich besuche die Vorlesung um einen Schein zu erwerben
ganz sicher
ja
□ □ □ □ □
□ □ □
sicher nicht
nein
Themenwahl:
1. welche Themen waren überfordernd:
2. Ich hätte gerne mehr gehört/gelesen über:
3. Ich hätte gerne weniger gehört/gelesen über:
Kommentare:
1. Das fand ich gut:
2. Das kann man besser machen:
Vielen Dank für Ihre Kooperation.
Seite 2 von 2
Abbildung A.3.: Fragebogen zur Softwaretechnik-Vorlesung (Seite 2)
115

Software Engineering I
Fragebogen zur Übung
15.12.2005
Einführung:
Das Ziel des Fragebogens ist, die Vermittlung des Stoffes und die Übung zu verbessern. Zu diesem Zweck
beantworten Sie bitte die Fragen zur soeben durchgeführten Übung gemäß Ihrer Einschätzung. Für die weitere
wissenschaftliche Verwendung werden die Befragungsergebnisse anonymisiert.
Sie benötigen zum Ausfüllen des Fragebogens ca. 3 bis 5 Minuten. Kreuzen Sie den für Sie zutreffenden Wert an.
Bitte immer nur ein Kreuz pro Frage. Wenn nötig/möglich schreiben Sie Ihre Meinung in Stichpunkten auf die dafür
vorgesehene Linie. Am Ende des Fragebogens können Sie einen Kommentar abgeben.
Wir bitten um eine ehrliche Beantwortung der Fragen. Es gibt keine „richtigen“ und „falschen“ Antworten.
Bei zusätzlicher Angabe Ihrer Matrikelnummer und Ihre E-Mail-Adresse nehmen Sie außerdem an der Verlosung
eines – iPod shuffle – teil.
Teilnahmebedingungen zur Verlosung:
1. Angabe der Matrikelnummer und der E-Mail-Adresse
2. Ausfüllen dieses Fragebogens
3. Ausfüllen des Fragebogens zur Vorlesung vom 13.12.2005.
4. Eine Teilnahme ist nur bei Ausfüllen beider Fragebögen möglich!
Hinweise:
Wir möchten noch einmal darauf hinweisen, dass sämtliche Daten streng vertraulich behandelt werden. Für die
weitere wissenschaftliche Verwendung werden die Daten anonymisiert.
Wir bedanken uns für Ihre Zeit. Viel Glück bei der Verlosung.
Demografische Daten:
1. Matrikelnummer: _______________ (Angabe auf freiwilliger Basis)
2. E-Mail-Adresse: _________________________
(Angabe auf freiwilliger Basis; zur Benachrichtigung des Gewinners nötig)
3. Semesterzahl: _______________
4. Studienrichtung: _______________
5. Nebenfach: _______________
6. Abschluss: □ Diplom □ Bachelor/Master
Werkzeuge:
1a. Ich habe die soeben gestellte
Aufgabe gelöst mit:
1b. Wenn zuvor CASE-Tool angegeben:
Welches
1c. Wenn zuvor Grafikprogramm angegeben:
Welches
1c. Wenn zuvor CASE-Tool oder Grafikprogramm
angegeben: Ich kannte
das verwendete Tool bereits vorher.
2. Ich habe meinen eigenen Laptop
benutzt
□ Papier /
Stift
□ Poseidon
□ Paint
□ ja
□ ja
□ CASE-Tool
□ anderes:
□ anderes:
□ nein
□ nein
□ Grafikprogramm
________________
________________
□ Tablet PC
Seite 1 von 2
Abbildung A.4.: Fragebogen zur Softwaretechnik-Übung (Seite 1)
116

Software Engineering I - Fragebogen zur Übung - 15.12.2005
Fragen zur Übung:
1. Ich fand die Aufgabe
2. Mein Werkzeug hat mich beim Entwurf meiner Lösung
sehr einfach
unterstützt
□ □ □ □ □
□ □ □ □ □
sehr schwer
behindert
3. Beim Umgang mit dem Werkzeug fand ich am
problematischsten:
4. Ich würde gerne auch in Zukunft Aufgaben mit diesem
Werkzeug lösen.
immer
□ □ □ □ □
nie
5a. Ich hätte die Aufgabe lieber mit einem anderen
Werkzeug gelöst.
ja
□
□
nein
5b. Falls zuvor mit ja geantwortet: Welches
Kommentare:
1. Das fand ich gut:
(auf das verwendete Werkzeug bezogen):
2. Das kann man besser machen:
(auf das verwendete Werkzeug bezogen):
Vielen Dank für Ihre Kooperation.
Seite 2 von 2
Abbildung A.5.: Fragebogen zur Softwaretechnik-Übung (Seite 2)
117

B. Modellierungsaufgabe
118

Pattern-based System Design
Design the network communication subsystem of a mobile distributed application. The application must
support the recognition of the following events:
Event 1: Currently chosen connection method is no longer available
Event 2: Better (e.g. cheaper or faster) network connection has become available
These events cause the application to dynamically switch to the best available connection. The application
supports a flag in the user’s preferences in which the user specifies if connection speed or connection cost are
more important.
The application supports the following connection methods: IEEE 802.3 (Ethernet), IEEE 802.11b/g (WLAN
11/54 Mbit/s), UMTS and GSM. The application can use a set of interface classes that provide methods to
connect to a network and methods to query network availability.
Model an event-based communication component that provides seamless transition between network
connection methods based on availability and user preference. Use pattern-driven design to fill the object gap
between application and system classes in the UML class diagram on page 2. Include all the necessary classes
to provide the desired functionality. Do not modify any of the classes on page 2 in your solution. Explain
which patterns you used, what purpose they serve in your model and how they interact with other patterns and
classes in your model.
Solution hints:
- Use a pattern to deal with dynamic switching of connection methods
- Use a pattern to integrate system classes that don’t fit exactly
- Use a pattern to implement the event dispatching mechanism
Class descriptions:
- To send and receive data, the application calls methods in the NetComm class
- Use the UserPreferences class to look up if the user prefers fast or cheap connections
- The WlanInterface class can be used to detect WLAN networks (using getAvailableNetworks())
and establish and close WLAN network connections using connectToNetwork() and disconnect()
- The DialupInterface class can be used to connect to UMTS and GSM networks using the dial()
method, as well as disconnect using the hangup() method
- The TransmissionInterface class provides methods to send and receive data over any established
network connection, including LAN, WLAN, GSM and UMTS
- The method isConnected() in the EthernetInterface can be used to check if an Ethernet connection
is established
Abbildung B.1.: Aufgabenstellung der Übung (Seite 1)
119

Abbildung B.2.: Aufgabenstellung der Übung (Seite 2)
120

Abbildung B.3.: Lösung der Aufgabenstellung
121

C. Erhebungsdaten
122

Infos:
Fragebogen zur Vorlesung
Demografische Daten: Allgemeine Angaben: Inhalt / Motivation:
Index: Semester: Studienrichtung: Nebenfach: Abschluss: 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. 6. 7. 8.
v01 11 Informatik Wirtschaft Diplom 2 2 3 4 4 4 2 3 k.A. 2 2 2 3
v02 5 Informatik Wirtschaft Diplom 4 2 1 5 4 3 3 k.A. 3 4 4 4 2
v03 7 Austauschpr. Diplom 1 2 1 5 3 3 3 k.A. 4 1 3 2 2
v04 7 Informatik BWL Diplom 3 3 2 5 4 4 3 k.A. 3 k.A. 4 3 4
v05 7 Informatik Theor. Medizin Diplom 2 2 2 3 3 3 3 3 3 4 2 2 2
v06 7 Informatik -- Bachelor 3 3 3 3 5 3 3 3 3 5 5 3 3
v07 9 Informatik Theor. Medizin Diplom 2 2 1 4 4 3 3 3 3 2 k.A. 2 3
v08 9 Informatik Wiwi Diplom 1 1 1 1 5 3 2 2 2 3 2 2 2
v09 11 Informatik E-Technik Diplom 2 1 3 5 5 3 2 k.A. k.A. 4 2 2 3
v10 4 CSE Bachelor 3 2 3 4 4 2 3 3 3 2 5 2 4
v11 5 Informatik Luft- u. Raumfahrtt. Diplom 3 2 1 4 5 3 3 k.A. k.A. 2 2 3 3
v12 6 Informatik Wirtschaft Diplom 1 1 2 2 k.A. 3 3 3 k.A. k.A. 1 1 k.A.
v13 13 Informatik Wirtschaft Diplom 2 2 1 5 5 3 3 k.A. k.A. 3 2 2 2
v14 9 Informatik Wirtschaft Diplom 2 2 3 4 5 2 3 k.A. 2 3 4 3 3
v15 11 Informatik Bachelor 1 1 2 1 3 4 3 3 3 4 1 1 2
v16 9 Informatik Wiwi Diplom 2 3 2 5 5 3 3 k.A. k.A. k.A. 3 3 2
v17 5 Informatik -- Bachelor 3 3 3 5 5 4 3 1 4 3 2 4 3
v18 5 Informatik E-Technik Diplom 3 3 3 5 5 3 3 3 3 3 3 3 3
v19 k.A. k.A. k.. k.A. 1 2 1 1 5 2 2 1 2 2 1 2 2
v20 7 Informatik BWL Diplom 2 4 1 1 3 3 3 3 3 3 3 4 3
v21 5 Informatik Bachelor Bachelor 1 1 2 2 3 3 3 3 k.A. 4 4 1 1
v22 1 Informatik Bachelor 2 2 1 3 5 3 3 3 3 2 5 2 2
v23 7 Informatik -- Diplom 1 1 1 1 2 3 3 3 3 1 1 1 1
v24 5 Informatik E-Technik Diplom 2 1 1 2 3 3 2 3 3 3 4 3 4
v25 5 Comp. Science Bachelor 1 1 1 1 k.A. k.A. k.A. k.A. 1 1 5 1 1
v26 7 Informatik Wirtschaft Diplom 1 2 1 1 4 3 3 2 4 2 1 2 2
v27 6 Wirtschaftsinf. -- Bachelor 2 2 2 1 3 3 3 3 4 2 2 2 2
v28 5 Wirtschaftsinf. -- Bachelor 2 2 2 3 3 4 4 3 4 3 2 2 3
v29 5 Wirtschaftsinf. -- Bachelor 1 2 3 2 2 2 3 3 3 3 2 1 2
v30 5 Wirtschaftsinf. -- Bachelor 4 4 4 4 5 5 4 4 4 3 5 4 3
v31 5 Informatik -- Bachelor 2 2 2 1 3 3 3 3 3 4 2 2 2
v32 7 Erasmus wi.ing Informatik Diplom 2 2 1 3 5 4 3 4 k.A. 4 k.A. 2 3
v33 5 Informatik E-Technik Diplom 2 2 2 1 3 3 3 2 3 3 3 2 2
v34 7 Informatik Wirtschaft Diplom 1 1 2 4 4 3 3 4 4 3 2 1 3
v35 7 Informatik BWL Diplom 1 1 1 3 4 3 3 3 k.A. 2 1 1 2
v36 7 Informatik Wiwi Diplom 1 1 2 5 4 2 3 k.A. 3 1 2 1 3
v37 7 Informatik -- Bachelor 1 1 2 2 3 3 3 3 3 1 1 1 1
v38 5 Informatik -- Bachelor 2 2 2 2 4 3 3 2 3 2 1 2 1
v39 11 Informatik Bachelor 1 1 1 1 3 3 3 3 3 1 3 1 2
v40 7 Maschinenwesen Diplom 2 2 1 5 5 3 3 k.A. k.A. k.A. 1 2 3
v41 8 Informatik Computerlinguistik Diplom 1 1 2 5 5 3 2 k.A. k.A. 5 5 1 2
v42 7 Informatik Wirtschaft Diplom 1 2 1 3 3 3 3 1 2 2 2 2 3
v43 7 MW u. Managm. El.+Inf.; Ergonomie Diplom 1 1 2 1 3 3 3 3 4 5 2 1 1
v44 5 Informatik E-Technik Diplom 2 2 1 2 5 2 2 3 k.A. 3 2 2 2
v45 5 Informatik Wiwi Diplom 1 1 1 1 3 2 2 3 3 4 4 1 2
v46 5 Informatik -- Bachelor 4 2 1 1 3 2 2 3 3 4 1 3 5
v47 3 Informatik -- Bachelor 2 2 1 1 5 3 3 3 k.A. 5 4 2 4
v48 9 Informatik LRT Diplom 1 2 2 3 4 3 3 3 3 2 2 1 2
v49 9 Informatik Wirtschaft Diplom 2 1 1 1 3 3 3 2 2 2 3 1 1
v50 5 Informatik E-Technik Diplom 2 2 1 2 3 2 2 3 3 2 2 2 3
v51 5 Informatik Luft- u. Raumfahrtt. Diplom 1 1 2 4 4 3 3 3 3 4 4 1 1
v52 5 Informatik Chemie Diplom 2 3 3 1 3 3 3 3 4 3 2 2 2
v53 4 Comp. Science Bachelor 2 1 3 4 4 4 4 4 4 1 2 2 3
v54 9 Informatik Mathe Diplom 1 1 2 4 5 3 3 k.A. k.A. 2 2 2 2
v55 5 Informatik Physik Diplom 4 4 1 3 2 2 2 3 3 3 3 3 4
v56 5 Informatik E-Technik Diplom 2 2 2 2 4 4 3 2 3 4 4 2 3
v57 5 Informatik Wiwi Diplom 2 1 2 1 4 2 3 2 3 1 3 1 1
v58 7 Informatik Wirtschaft Diplom 2 2 4 1 5 3 3 3 k.A. 4 4 3 3
v59 5 Informatik Musik Diplom k.A. 1 3 5 3 2 3 k.A. 2 4 1 1 2
w01 (Master) 1 CSE E-Technik Master X X X X X X X X X X X X X
w02 k.A. k.A. k.A. k.A. X X X X X X X X X X X X X
w03 7 TUM BWL Informatik Diplom X X X X X X X X X X X X X
w04 7 Informatik Bwl Diplom X X X X X X X X X X X X X
w05 5 Informatik E-Technik Diplom X X X X X X X X X X X X X
w06 5 Informatik E-Technik Diplom X X X X X X X X X X X X X
w07 7 Informatik Bwl Diplom X X X X X X X X X X X X X
w08 5 Wirtschaftsinf. k.A. Bachelor X X X X X X X X X X X X X
Index: Semester: Studienrichtung: Nebenfach: Abschluss: 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. 6. 7. 8.
Auswertung:
Häufigkeit des Vorkommens:
26 x 5. S. 51 x Inform. 45 x Diplom 1: 22 22 25 19 0 0 0 3 1 8 11 19 9
19 x 7. S. 5 x Wirt.inf. 19 x Bach. 2: 26 28 21 9 3 12 11 7 6 15 21 26 23
7 x 9. S. 2 x Mw 1 x Master 3: 6 6 11 9 20 37 44 31 27 15 9 10 20
4 x 11. S. 4 x Comp. Sc. 2 x k.A. 4: 4 3 2 10 15 8 3 4 10 13 10 4 5
9 x And.S.3 x Andere 5: 0 0 0 12 19 1 0 0 0 4 6 0 1
2 x k.A. 2 x k.A. k.A.: 1 0 0 0 2 1 1 14 15 4 2 0 1
67 Total 67 Total 67 Total Sum: 59 59 59 59 59 59 59 59 59 59 59 59 59
Legende:
Mittelwert:
Papier/StiftGrafikprogramm CASE-Tool Tablet PC 1,86 1,83 1,83 2,8 3,88 2,97 2,86 2,8 3,05 2,82 2,63 1,98 2,41
blau gelb violett grün
Abbildung C.1.: Ergebnisse der Befragung (Seite 1 von 7)
123

Fragebogen zur Vorlesung
Konzentration:
Ziele:
Index: 1. Faktoren zu 1.: 2. Faktoren zu 2.: 3. 4a. 4b. 5 1. 2.
v01 1 1 3 ja 1 5 5 nein
v02 2 k.A. 2 ja 1 5 4 x
v03 1 k.A. 4 ja 1 1 1 ja
v04 2 5 1 nein k.A. k.A. 5 nein
v05 1 2 2 ja 1 3 5 nein
v06 5 Sprache (Englisch), Schlafmangel 4 Sprache (Englisch), Schlafmangel 1 nein k.A. 5 1 ja
v07 2 zu viel Text auf manchen Folien bzw. zu schnell durchgeblättert, … k.A. man verliert dadurch den Faden4 ja 4 2 5 nein
v08 2 Teilweise ist die Vorlesung zu monoton. Dies verführt zum Abschweifen … 1 der eigenen Gedanken ...
4 ja 2 4 5 nein
v09 2 Müdigkeit 5 Abwesenheit 3 ja 1 2 5 nein
v10 3 The time slot is overlapped with the other one. 3 also time conflict 3 ja 3 2 1 x
v11 3 Kollegen mit Laptops k.A. 2 ja 2 2 5 nein
v12 2 Schwierigkeiten mit Englisch 2 Schwierigkeiten mit Englisch 3 ja 1 4 4 nein
v13 2 k.A. 2 ja 3 4 5 nein
v14 1 k.A. 2 ja 1 1 5 nein
v15 2 Nachbarn ratschen, English-Vokabel nicht gewusst 2 Fragen der Nachbarn 5 ja 1 3 1 ja
v16 3 k.A. 1 ja k.A. k.A. 5 nein
v17 3 3 2 ja 1 1 5 ja
v18 5 langweilig 5 nicht anwesend 3 ja 2 2 5 nein
v19 4 - WLAN | - Mittagessen | - langatmige Ausführungen des Dozenten 4 Belanglosigkeiten werden zu lang besprochen 2 nein k.A. 3 5 nein
v20 4 Nachbarn :) 3 1 ja 1 1 3 xx
v21 3 Problemen mit der Englische-Sprache 1 English 2 ja 3 1 1 ja
v22 2 2 5 k.A. k.A. k.A. 1 k.A.
v23 1 1 4 ja 1 2 1 ja
v24 3 So viel zu tun und Laptop dabei :-) 1 Müdigkeit 2 ja 2 k.A. 5 nein
v25 1 1 1 ja 1 1 1 ja
v26 2 eigene Gedanken zum Stoff 1 1 ja 3 1 5 nein
v27 2 sich unterhaltende Studenten 1 3 ja 2 1 1 ja
v28 2 Laptop 3 -- 2 ja 1 1 1 ja
v29 1 Laptop 1 -- 5 ja 2 1 1 ja
v30 5 Sprache Englisch 4 Sprache 4 ja 3 3 1 ja
v31 2 2 3 ja 2 2 1 ja
v32 3 3 4 nein k.A. 1 1 ja
v33 2 Laptop 2 Tempo zu langsam 2 ja 1 4 4 x
v34 2 3 3 ja 3 1 5 nein
v35 2 2 3 ja 1 3 k.A. nein
v36 2 k.A. 1 ja 2 2 4 nein
v37 2 in Englisch 2 3 ja 1 k.A. 1 ja
v38 1 1 1 ja 1 1 1 ja
v39 3 wegen der Sprache 1 3 ja 1 3 1 ja
v40 2 k.A. 1 ja k.A. 2 1 ja
v41 2 Konzentration auf 90 Min. Daz. kleine Pausen waren sehr gut/wichtig! k.A. 0 5 ja 1 1 1 nein
v42 1 gelgentliche, akustische Verständnisschwirigkeiten 1 -- 3 ja 1 5 1 xx
v43 3 Besuche die Vorlesung nur als Ergänzung zum Lesen des Buches. … 1 Bevorzuge i.A. das Selbststudium. 5 nein Aber: k.A. gute Abstimmung 1 Buch 1 k.A. Vorlesung!
v44 3 Internet, Kommilitonen, Überschneidung mit Info 2 (Inhalt), Mittagessen 2 Kommilitonen 4 ja 1 2 4 nein
v45 2 eigenes Schlafdefizit 1 4 nein k.A. 2 1 nein
v46 4 Konzentration/Motivation 2 4 ja 2 1 1 ja
v47 4 Konzentration immer bis ~45 Min. :-) 3 s.o. 4 ja 1 1 1 ja
v48 2 3 2 ja 1 3 4 nein
v49 2 zu großer Vorlesungssaal erzeugt "Vortrags-Stimmung" 2 4 ja 2 3 1 ja
v50 3 "zockende" Kollegen 1 3 ja 2 2 3 nein
v51 2 Spiele auf Laptops in den Reihen vor mir. 3 2 ja 1 3 5 nein
v52 2 Spiele auf Laptops vor mir 2 1 ja 1 1 2 nein
v53 2 4 3 ja 2 1 3 ja
v54 2 Müde nach dem Mittagessen k.A. 4 ja 2 4 5 nein
v55 2 Stimme des Dozenten 2 3 ja 2 3 1 xx
v56 2 bekannte Dinge; Spiele auf Laptops … 2 2Bereits ja bekannte 3 1Dinge veranlassen 3 nein einen, der Vorlesung nicht mehr z
v57 2 wie gesagt, manche Stoffe sind die gleichen wie in Info I/II … 1 (WS0304 SS04) 2dann ja ist es 3langweilig
3 1 ja
v58 2 -- 2 Uhrzeit ;-) 3 nein k.A. 1 5 nein
v59 1 k.A. 3 ja 3 3 4 nein
w01 X X X X X X X X X X
w02 X X X X X X X X X X
w03 X X X X X X X X X X
w04 X X X X X X X X X X
w05 X X X X X X X X X X
w06 X X X X X X X X X X
w07 X X X X X X X X X X
w08 X X X X X X X X X X
Index: 1. Faktoren zu 1.: 2. Faktoren zu 2.: 3. 4a. 4b. 5 1. 2.
Auswertung:
Häufigkeit des Vorkommens:
1: 10 16 je nach Frage: 1 / "ja": 10 51 25 21 27 22
2: 31 15 2 / "nein": 15 7 14 12 1 29
3: 11 9 3: 17 9 12 4
4: 4 4 4 / "sonstige": 12 0 1 5 7 3
5: 3 3 5: 5 0 4 19
k.A.: 0 12 k.A.: 0 1 10 5 1 2
Sum: 59 59 Sum: 59 59 59 59 59 56
Mittelwert:
2,31 2,2 2,78 1,71 2,24 2,83
Abbildung C.2.: Ergebnisse der Befragung (Seite 2 von 7)
124

Fragebogen zur Vorlesung
Themenwahl:
Index: 1. 2. 3.
v01
v02
v03 Project Management UML
v04
Design Patterns
v05
v06 -- -- --
v07 Keine Design Patters, UML
v08 keine -- --
v09
v10
v11
v12
v13
UML
v14
obj.relational mapping; design patterns, proj.-management techniques
v15 viele Patterns auf einmal am Ende
v16
v17
v18
v19 -- -- --
v20
v21 alles war ganz ok
v22
Design Patterns
v23 Keine Wie man die ganze "Theorie" in die Praxis bzw. Code einsetzt
v24
v25 more real examples […] Unit testing, Disign patterns Design by could testing, be presented XP programming with mor real world examples. Requirement Homeworks eliertation and/or quizes
v26 Analyse Analyse --
v27 Patterns, Java
v28 Design Patterns UmL
v29 -- 00 Proncipler UML Basics (Info 1/2 war schon eine gute Basis), Projectmngt.
v30 -- -- Pattern
v31 --
v32
v33
Design Pattern
v34
v35
v36
v37
v38
design patterns, code reuse, architecture
v39
v40
v41 Struktur Pattern ... zu oberfl.
v42 -- Methoden zum Projektmanagement --
v43 -- GEHÖRT (niht gelesen): Projektmngt., Probleme bei Großproj., Rechtl. Aspekte
v44 keine -- --
v45 -- --
v46 -- UML Management Issues
v47
UML
v48
v49 -- - Projektmngt. (SW-Proj.) --> SE2! | - Aktuelle Tools/Produkte, in der Praxis … -- eingesetzt werden
v50 -- Entwurfsmuster
v51 keine -- --
v52
Prakt. Anwendung v. Entwurfsmustern
v53 Pattern design
v54 keine
v55 keine Design Pattern --
v56 -- Design Pattern --
v57 design pattern design pattern
v58
Entwicklungswerkzeuge; Vorgehen in der Praxis
v59 -- Design patterns, OCL Analyse, UML-Einführung
w01 X X X
w02 X X X
w03 X X X
w04 X X X
w05 X X X
w06 X X X
w07 X X X
w08 X X X
Index: 1. 2. 3.
Auswertung:
Abbildung C.3.: Ergebnisse der Befragung (Seite 3 von 7)
125

Fragebogen zur Vorlesung
Kommentare:
Index: 1. 2.
v01
v02 die Beispiele in der Vorlesungen Weniger Text, mehr Bilder in die Vorlesungsfolien - mehr Bezug zur Praxis
v03
v04
v05 Gute Präsentation (Sprache / Folien)
v06 -- --
v07 - Kurze Pause in d. Vorlesung | - Beispiele - Kleineren Raum | - siehe Ablenkungsfaktor
v08 Praxisorientierung --
v09 Präsentationsteil
v10
The time should be suitable.
v11
v12
v13
v14 BREAK DURING LECTURE
v15
v16
v17
v18
v19 engl. Sprache
v20
v21 detailliert erklärt --
v22
v23 Folien, Erklärungen in den Vorlesungen, Folien, der Übung u. Erklärungen Mehr praktische Übung u. auch Programmbeispiele
v24 Die Idee mit dem Miniproject, an dem ich sicher Teilnehmen werde
v25
v26 Viele Beispiele; klare Struktur Foline früher ins Netz; anderes Mikrofon; Interaktion fördern [...] Die F
v27 VL auf Englisch VL-Datum auf die Folien schreiben
v28
Vorlesung in Deutsch
v29 Anschauliche, vertiefende Übung! Kleinerer Hörsaal --> mehr Interaktivität
v30 -- --
v31
v32 lectures more exercises to do on your own. Examples‚
v33
weniger Überschneidung mit Info II
v34 Folien die auch zur Verfügung stehen. Dozent = motiviert
v35 Zusammenhang mit VSO Praktikum
v36 Beispiele; Englisch Die 3 Stunden Vorlesung an einem Tag
v37
v38 interaction, slides, easy to understand
v39 Der Dozent ist sehr gut. Die Veranstaltung vielleicht doch in Deutsch anbieten.
v40
v41 Die Struktur dieser Einführungsveranstal. ist gut. (--> Buch) Terminüberschneidungen vermeiden; Interaktion fördern […] Term
v42
Tutor sollte auf Vorschläge/Fragen besser u. wohlwollender eingehen […]
v43 Das Buch ist didaktisch hervorragend und inhaltlich gut geordnet. Regelmäßige Angabe der Kapitel im Buch; Schwerpunkte setzen […] Regelmäßige Angabe, w
v44 Motivation, engl. Vortrag Überschneidungen mit Info 2 ( nicht dieselben Bilder, Bsp's)
v45 Mut zur Veränderung, Motivation des Dozenten und des Übungsleiters Manche Beispiele waren mir zu weit hergeholt
v46 Prof. Brügge ist motiviert Dinge etwas klarer erklären, Beispiele sind oft wenig hilfreich
v47
Ankündigung bei Übungsausfällen
v48 Interessanter, praxisbezogener inhalt. Gute Beispiele
v49 - Vorlesung in Englisch! | - Folien + CLIX | - Nicht/Kaum konkrete Code-Beispiele Vorträge von Wirtschaftsvertreteren & Slides + Stimme im Netz [...] - 1 oder 2 Vor
v50 Dozent bemüht sich um Verständnis Viel war schon in Info 2 dran => Mehr Stoff der noch nicht gehört wurde
v51 Engagement des Profs.; Begabung des Profs die Studenten für die Themen zu motivieren mehr Interaktion […] nicht imm
v52
Musterlösungen v. Übungsblättern, da in Übung selten alles besprochen
v53
v54 anschauliche Beispiele Folien immer so wie in der Vorlesung ins Netz
v55 Englisch Motivation
v56 Umfrage Musterlösungen für die Übung. Mehr praktische Aufgaben in der Übung
v57 nicht so viele wiederholungen. (die Sache in WS0304, SS04) … ( maybe ist's my
v58 Unterrichtssprache Englisch; Angebot sonst zu gering an der Fakultät Deutsche Fragen in Übung zulassen, um Hemmungen zu nehmen
v59 Aufbau u. Inhalt waren immer klar gegl.. Sehr gut […] Gegenüberstellung der Designpatterns… Design Patterns intensiver; UML knapper; fand ich die Tempo Übersicht höher und […] Gegenüberstellung der Designpatterns
w01 X X
w02 X X
w03 X X
w04 X X
w05 X X
w06 X X
w07 X X
w08 X X
Index: 1. 2.
Auswertung:
Abbildung C.4.: Ergebnisse der Befragung (Seite 4 von 7)
126

Fragebogen zur Übung
Werkzeuge:
Fragen zur Übung:
Index: 1a. 1b. 1c. 1d. 2. 1. 2. 3.
v01
v02
v03
v04
v05
v06
v07
v08
v09
v10
v11
v12
v13
v14
v15
v16
v17
v18
v19
v20 CASE-Tool + (P/S) ja 3 5
v21
v22 Papier / Stift nein nein 5 k.A.
v23 Papier / Stift 3 1 nicht genug Platz auf einem A4 Blatt
v24 Tablet PC nein nein 3 4 Markieren zu ungenau -->schnelles verschiebe unmögl.Text eintippen nicht mögl. […]
v25 Papier / Stift ja 3 1
v26 CASE-Tool Poseidon k.A. ja 2 2 langsame Geschwindigkeit (Java)
v27 Papier / Stift 4 3
v28 Tablet PC ja 4 3 Tablet-PC gut für grobes UML-Diagramm, schlecht für detaillierte Notationen ist […]
v29 CASE-Tool Poseidon nein ja 4 1 löschen von Objekten (MAC); Enden von Assoziationen ändern
v30
v31 Papier / Stift 3 3
v32
v33 CASE-Tool Poseidon nein ja 4 2 sich einzuarbeiten
v34
v35
v36
v37 Tablet PC k.A. 4 2
v38 Grafikprogramm KolourPint (KDE Paint) nein ja 3 5 Drawing took more time; correcting, moving, resizing hard / impossible […] Drawing took more time; false
v39 Papier / Stift nein 3 3
v40
v41 Grafikprogramm XFIG ja ja 3 5 Erstellung UML aus grafischen Komponenten war zeitaufwändig […] Die Umsetzung (Erstellu
v42 Grafikprogramm Open Office ja ja 3 3 keine UML-Objekte; Probleme bei Größenänd., Verschiebung […] etc. keine UML-Objekte (Klasse
v43 CASE-Tool MS Visio (ist schlecht!) nein ja 4 3 Zeichen für Aggregation nicht vorh., Schnittstellenspezifiz. anders als im Buch
v44 Tablet PC nein 4 3 Windows Journal nicht dafür geeignet; Gründe: Platzmangel, Verw. von Seiten […]
v45 Papier / Stift nein 3 1 Korrekturen
v46 Papier / Stift 2 1 Fehler --> Durchstreichen --> Unübersichtlich
v47 CASE-Tool Poseidon nein ja 3 4 Skizzierung schwer bis unmöglich, ohne Maus sowieso. … Zum reinzei
v48 CASE-Tool Poseidon nein ja 4 3
v49
v50 CASE-Tool Poseidon nein ja 3 2 Bei kleinem Bildschirm wird der Arbeitsbereich schnell klein
v51
v52 Papier / Stift 4 4 Platz, unflexibel beim Anordnen der Klassen
v53
v54
v55
v56
v57 Tablet PC nein 4 1
v58
v59 Tablet PC k.A. 3 1
w01 Papier / Stift 4 1 it's difficult to copy the result
w02 Papier / Stift nein 4 k.A. Suche nach Grafix erfolglos mit Papier & Stift gut klar gekommen
w03 Tablet PC k.A. 5 3
w04 Grafikprogramm OMNI Graffel schlecht ja 4 4 zu wenig Platz
w05 CASE-Tool Poseidon k.A. nein 4 4
w06 CASE-Tool Umbrello ja ja 3 1
w07 CASE-Tool Poseidon nein ja 4 3 I haven't used it earlier
w08 Tablet PC ja 3 2 je größer das Diagramm desto schwieriger wird es
Index: 1a. 1b. 1c. 1d. 2. 1. 2. 3.
Auswertung: Häufigkeit des Vorkommens: Aufgeschlüsselt nach Werkzeug:
11 x Papier / Stift 1 / "ja": 3 17 0 9 Schwierigkeit der Aufgabe: Mittelwert = 3,5
4 x Grafikprogramm 2 / "nein": 10 8 2 5 3,45454545454545 Papier / Stift
11 x CASE-Tool 3: 15 10 3,25 Gafikprogramm
8 x Tablet PC 4 / "sonst.": 1 0 15 5 3,45454545454545 CASE-Tool
5: 2 3 3,75 Tablet PC
k.A.: 2 3 0 2 Unterstützung durch das Werkzeug: Mittelwert = 2,625
34 Total Sum: 16 28 34 34 2 Papier / Stift
Mittelwert:
4,25 Gafikprogramm
3,5 2,63 2,72727272727273 CASE-Tool
2,375 Tablet PC
Abbildung C.5.: Ergebnisse der Befragung (Seite 5 von 7)
127

Fragebogen zur Übung
Fragen zur Übung:
Index: 4. 5a. 5b.
v01
v02
v03
v04
v05
v06
v07
v08
v09
v10
v11
v12
v13
v14
v15
v16
v17
v18
v19
v20 3 ja (mit ja geantwortet, da mit Tool nicht zurechtgekommen)
v21
v22 3 k.A.
v23 1 nein Villeicht mit einem CASE-Tool, aber Papier u. Stift sind mir lieber
v24 4 ja Poseidon UML bzw anderes Modelling-tool
v25 2 nein
v26 2 nein
v27 3 ja Poseidon
v28 3 ja Visio aber nur für genauere Entwürfe
v29 2 ja Visual Paradigm (bei kleinen Dingen Dia)
v30
v31 2 nein
v32
v33 2 nein
v34
v35
v36
v37 2 nein
v38 4 ja CASE Tool eventually on a Tablet PC
v39 k.A. nein
v40
v41 4 ja CASE-Tool :-) hat die graf. Elem. schon; plus Zusatzmenüs (spezielle)
v42 3 ja Visio mit UML-Typen oder entspr. Erweiterung mit Open Office
v43 4 ja Egal, ein besseres, das den vollen Umfang von UML unterstützt
v44 3 x eher auf Papier, ist für erste Entwürfe besser und flexibler
v45 1 nein k.A.
v46 1 nein k.A.
v47 3 nein
v48 1 nein
v49
v50 2 nein
v51
v52 4 ja CASE-Tool
v53
v54
v55
v56
v57 1 nein
v58
v59 2 nein
w01 k.A. ja CASE-Poseidon
w02 4 ja Poseidon
w03 2 nein
w04 4 ja Papier
w05 2 nein
w06 3 nein
w07 2 ja RAT
w08 3 ja CASE-Tool
Index: 4. 5a. 5b.
Häufigkeit des Vorkommens:
Aufgeschlüsselt nach Werkzeug:
1: 5 15

Fragebogen zur Übung
Kommentare
Index: 1. 2.
v01
v02
v03
v04
v05
v06
v07
v08
v09
v10
v11
v12
v13
v14
v15
v16
v17
v18
v19
v20
v21
v22 It was good to have an idea; but was difficult. […] The paper should contain a little It bit was easier good and to have solvable an idea, questions how can one practically solve the pattern according to situat
v23 man kann leicht alles skizieren u. nachher alles zum finalen Zustand bringen ein größeres Blatt Papier!
v24 Super für erste Gedanken; problematisch bei Modifikationen […] eingeb. Support für UML. Super z.B: Rechteck wenn es darum wird zu geht Klasse este + Gedanken Modifikation auf […] zu schreiben. Aber problematisch, eingeb. wenn Support man z.Bf
v25 quick, easy changes better hand writing :)
v26 intuitive Bedienung; umfangreiche Funktionalität Geschwindigeitsoptimierung
v27 griffig, Stift lag gut in der Hand lernen
v28 Handhabung Stift Vordefinierte Templates
v29 schnell Klassen und Methoden verbinden; schnelle Resultate braucht viel Ressourcen
v30
v31 schnell und am einfachsten Papier ist unsauber, nicht Präsentationsfähig
v32
v33 größere Änderungen wesentlich einfacher als mit Papier / Bleistift nix
v34
v35
v36
v37
v38 It was good that somehow one could correct false ideas grouping objects, doing operations on the groups […] Trea
v39
v40
v41 Das Werkzeug gibt es für viele Plattformen UML-Symbole integrieren; spez. UML-Diagramm-Funktion impl. (wie CASE) […]
v42 Verbinder; gute Übersicht; Flexibilität UML-Objekte zur Verfügung stellen
v43 Objekte arrangieren und skalieren selbst. Nicht so viele Kontext-Menüs und Toolboxen für Einzelbefehle
v44 zeichnen wie auf Papier; auschneiden und kopieren sollte mögl. sein […] nur kleiner Ausblick zeichnen wie auf auf Zeichnung; Papier; auschneiden höherer und Einarbeitungsaufwand kopieren sollte möglich sein […]
nur kleiner Ausblick a
v45 Lösung kann schnell erarbeitet werden übersichtlicher
v46 schnelles, intuitive Arbeiten --> unabh. von Technik […]
schnelles, intuitive Arbeiten ist möglich --> unabhängig von Technik
v47
v48 Benutzerfreundlich Die Schriftgröße zu klein…
v49
v50 lässt sich recht intuitiv bedienen Nicht alles in ein Fenster packen; Multifenstern […] Nicht alles in e
v51
v52 Einfach zu handhaben, nahezu überall vorhanden Größeres Blatt :-)
v53
v54
v55
v56
v57 easy to modify
v58
v59 very intuitive and efficient
w01 changes easy, speed + good control […] there are changes no 'help' easy menues, to implement, documentation speed + or good 'autofill' control properties. over creating new objects
w02
w03 not familiar with the task; Haven't studied enough […] was good. Interesting I wasn't idea! very familiar with the task. Haven't studied enough in the field
w04 Gute Auswahl an UML-Elementen
w05 alles nix
w06 einfache, schnelle Handhabung Schwächen bzgl. UML-Std., teilweise unintuitiv
w07
w08 einfaches löschen, sehr intuitiv Hatte gerade kein Tool installiert das Linien produziert. […] Hatte gerade kein Tool i
Index: 1. 2.
Auswertung:
Abbildung C.7.: Ergebnisse der Befragung (Seite 7 von 7)
129

D. Verzeichnisse
130

Tabellenverzeichnis
4.1. Eindeutigkeit der Skalentypen [SHE05] . . . . . . . . . . . . . . . . . . . . . 30
4.2. Allgemeiner Aufbau einer Typologie (bei zwei Dimensionen mit je zwei
Ausprägungen)[SHE05] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3. Beispiel für eine Typologie “politischen Engagements” [SHE05] . . . . . . . . 33
4.4. Design einer einmaligen Messung [SHE05] . . . . . . . . . . . . . . . . . . . 36
4.5. Design einer Vorher-Nachher-Messung mit Kontrollgruppe [SHE05] . . . . . 36
4.6. Survey-Design [SHE05] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.7. SOLOMON-Viergruppenversuchsplan [SHE05] . . . . . . . . . . . . . . . . . 39
4.8. Formen mündlicher Befragung [SHE05] . . . . . . . . . . . . . . . . . . . . . 47
4.9. Beispiel einer zweistufigen Fragestellung [SHE05] . . . . . . . . . . . . . . . 49
4.10. Beobachtungstypen [SHE05] . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.11. Beispiel für eine Datenmatrix [SHE05] . . . . . . . . . . . . . . . . . . . . . 60
4.12. Kreuztabelle mit Kreuzung zweier Variablen (2*2-Tabelle) [SHE05] . . . . . 61
4.13. Indifferenztabelle: kein Zusammenhang zwischen Geschlecht und Rauchern
[SHE05] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
131

Abbildungsverzeichnis
3.1. Objekte aus der Softwaretechnik, in UML-Notation [BrDu04] . . . . . . . . 9
3.2. Überblick über die objektorientierten Softwaretechnik-Entwicklungs-aktivitäten
und ihre jeweiligen Ergebnisse [BrDu04] . . . . . . . . . . . . . . . . . 11
3.3. UML-Klassendiagramm [BrDu04] . . . . . . . . . . . . . . . . . . . . . . . . 14
3.4. Multiplizitäten [BrDu04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5. Komposition und Aggregation [BrDu04] . . . . . . . . . . . . . . . . . . . . 15
3.6. Generalisierung [BrDu04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.7. Brückenmuster [BrDu04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.8. Adaptermuster [BrDu04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.9. Strategiemuster [BrDu04] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1. Phasen des Forschungsprozesses bei empirischen Untersuchungen [SHE05] . 24
5.1. Unabhängige und abhängige Variablen [Muel06] . . . . . . . . . . . . . . . . 67
6.1. Einschätzung der eigenen Motivation . . . . . . . . . . . . . . . . . . . . . . 94
6.2. Statt der Übung lieber Aufgaben am Computer lösen . . . . . . . . . . . . . 95
6.3. Unterteilung der Vorlesung in logisch abgeschlossene Einheiten . . . . . . . 96
6.4. Einflechtung der Übung in die Vorlesung . . . . . . . . . . . . . . . . . . . . 96
6.5. Unterstützung durch das Werkzeug “Papier und Stift” . . . . . . . . . . . . 98
6.6. Unterstützung durch das Werkzeug “CASE-Tool” . . . . . . . . . . . . . . . 98
6.7. Unterstützung durch das Werkzeug “Grafikprogramm” . . . . . . . . . . . . 99
6.8. Unterstützung durch das Werkzeug “Tablet PC” . . . . . . . . . . . . . . . . 100
6.9. Unterstützung im Lösungsprozess durch die verwendete Eingabemethode . . 100
6.10. Angaben zur zukünftigen Nutzung des jeweiligen Werkzeuges . . . . . . . . 101
6.11. Bevorzugung alternativer Eingabemethoden . . . . . . . . . . . . . . . . . . 102
A.1. Minimalfragebogen der TU München zur Evaluation [Eval05] . . . . . . . . 113
A.2. Fragebogen zur Softwaretechnik-Vorlesung (Seite 1) . . . . . . . . . . . . . . 114
A.3. Fragebogen zur Softwaretechnik-Vorlesung (Seite 2) . . . . . . . . . . . . . . 115
A.4. Fragebogen zur Softwaretechnik-Übung (Seite 1) . . . . . . . . . . . . . . . 116
A.5. Fragebogen zur Softwaretechnik-Übung (Seite 2) . . . . . . . . . . . . . . . 117
B.1. Aufgabenstellung der Übung (Seite 1) . . . . . . . . . . . . . . . . . . . . . 119
B.2. Aufgabenstellung der Übung (Seite 2) . . . . . . . . . . . . . . . . . . . . . 120
B.3. Lösung der Aufgabenstellung . . . . . . . . . . . . . . . . . . . . . . . . . . 121
C.1. Ergebnisse der Befragung (Seite 1 von 7) . . . . . . . . . . . . . . . . . . . . 123
C.2. Ergebnisse der Befragung (Seite 2 von 7) . . . . . . . . . . . . . . . . . . . . 124
C.3. Ergebnisse der Befragung (Seite 3 von 7) . . . . . . . . . . . . . . . . . . . . 125
132

C.4. Ergebnisse der Befragung (Seite 4 von 7) . . . . . . . . . . . . . . . . . . . . 126
C.5. Ergebnisse der Befragung (Seite 5 von 7) . . . . . . . . . . . . . . . . . . . . 127
C.6. Ergebnisse der Befragung (Seite 6 von 7) . . . . . . . . . . . . . . . . . . . . 128
C.7. Ergebnisse der Befragung (Seite 7 von 7) . . . . . . . . . . . . . . . . . . . . 129
133

Literaturverzeichnis
[Atte95]
[Balz01]
P. Atteslander: Methoden der empirischen Sozialforschung. 8. Aufl., de Gruyter,
Berlin, 1995.
H. Balzert: Lehrbuch der Software-Technik. Bd.1. Software-Entwicklung. Spektrum
Akademischer Verlag, Heidelberg 1996, 1998, 2001.
[BaSe85] V. R. Basili, R. W. Selby: Calculation and use of an Environment’s Characteristic
Software Metric Set. In: Proceedings of the 8th International Conference on
Software Engineering, 1985, IEEE Computer Society, Seite 386-391.
[BaSL98] V. R. Basili, F. Shull, F. Lanubile: Using Experiments to Build a Body of Knowledge.
In: Ershov Memorial Conference, 1998, Seite 265-282.
[BaWe84] V. R. Basili, D.M.Weiss: A Methodology for Collecting Valid Software Engineering
Data. In: IEEE Transactions on Software Engineering, Vol. SE-10 No. 6,
November 1984, IEEE Computer Society, Seite 728-738.
[BrDu04] B. Brügge, A. H. Dutoit: Objektorientierte Softwaretechnik mit UML, Entwurfsmustern
und Java. Pearson Studium, München, 2004.
[BRJ98]
G. Booch, J. Rumbaugh, & I. Jacobson: The Unified Modeling Language User
Guide. Addison Wesley, Reading, MA, 1998.
[BWF04] S. Biffl, D. Winkler, D. Frast: Qualitätssicherung, Qualitätsmanagement und
Testen in der Softwareentwicklung. Skriptum zur Lehrveranstaltung, TU Wien,
2004. URL: http://qse.ifs.tuwien.ac.at/courses/skriptum/script.htm,
Stand: 09.04.2006.
[ClSc03]
V. Claus, A. Schwill: Duden Informatik - Ein Fachlexikon für Studium und Praxis.
Dudenverlag, Mannheim, 2003.
[Edwa57] A. L. Edwars: Techniques of Attitude Scale Construction. Appleton-Century
Crofts, New York, 1957.
[Eval05]
[FDF96]
[GHJ04]
Evaluation MW: Evaluation von Lehrveranstaltungen an der Fakultät Maschinenwesen
der TU München.
URL: http://www.evaluation.mw.tum.de/download/
Konzeptpapier_Evaluation.pdf, Stand: 27.01.2006.
J. D. Foley, A. van Dam, S. K. Feiner, J. F. Hughes: Computer Graphics: Principles
and Practice. Addison-Wesley, Boston, 1996.
E. Gamma, R. Helm, R. E. Johnson: Entwurfsmuster: Elemente wiederverwendbarer
objektorientierter Software. Addison-Wesley, München, 2004.
134

[HaDa2]
T. Hammond, R. Davis: Tahuti: A Geometrical Sketch Recognition System for
UML Class Diagrams. In: Papers from the 2002 AAAI Spring Symposium on
Sketch Understanding, AAAI Press, Stanford, 2002, Seite 59-68.
[Hegn03] M. Hegner: Methoden zur Evaluation von Software. GESIS - Gesellschaft Sozialwissenschaftlicher
Infrastruktureinrichtungen e.V., IZ-Arbeitsbericht Nr. 29,
2003.
URL: http://www.gesis.org/Publikationen/Berichte/IZ_Arbeitsberichte/pdf/
ab_29.pdf, Stand: 05.05.2006.
[HMS97] L. L. Harlow, S. A. Mulaik, J. H. Steiger: What if there were no significance
tests. Mahwah, NJ, 1997.
[Hoepf1] F. Hoepflinger: Wichtige Regeln der Fragenbogen-Konstruktion. Soziologie: Startseite,
Francois Höpflinger,
URL: http://www.mypage.bluewin.ch/hoepf/fhtop/fhmethod1B.html,
Stand: 28.01.2006.
[Hoepf2] F. Hoepflinger: Stichprobenauswahl und Samplingverfahren. Soziologie: Startseite,
Francois Höpflinger,
URL: http://www.mypage.bluewin.ch/hoepf/fhtop/fhmethod1F.html,
Stand: 28.01.2006.
[JDK65]
M. Jahoda, M. Deutsch, S. Cook: Beobachtungsverfahren. In: R. König (Hrsg.):
Beobachtungen und Experimente in der Sozialforschung, 3. Aufl., Köln, 1965,
Seite 77-96.
[McCl89] C. McClure: CASE is software automation. Prentice Hall, Englewood Cliffs, NJ,
1989.
[Micro1]
Microsoft.com: What is a Tablet PC.
URL: http://www.microsoft.com/windowsxp/tabletpc/evaluation/
about.mspx, Stand: 12.05.2006.
[Mock04] K. Mock: Teaching with Tablet PC’s. In: The Sixth Northwest Consortium for
Computing Sciences in Colleges, Salem, OR, 2004.
[Muel06] M. Müller: Empirische Softwaretechnik. Skript: Tutorium: Empirische Softwaretechnik,
2006.
[NiTa94] J. Nielsen, M. Tahir: Usability Engineering. Morgan Kaufmann Publishers, 1994.
[Pilo03] D. Pilone: UML. kurz & gut. 1. Aufl., Köln, O’Reilly, 2003.
[Pils1]
[Pleu04]
B. Pilshofer: Wie erstelle ich einen Fragebogen - Ein Leitfaden für die Praxis.
URL: http://www-gewi.kfunigraz.ac.at/wila/Publikationen/Fragebogen.pdf,
Stand: 03.02.2006.
J. Pleumann: Erfahrungen mit dem multimedialen, didaktischen Modellierungswerkzeug
DAVE. In: Die 2. e-Learning Fachtagung Informatik (DelFI 2004), Gesellschaft
für Informatik, Bonn, 2004, Seite 55-66.
135

[Rind02] H. Rindermann: Beurteilung von Lehrveranstaltungen durch Studierende. Mai
2002, URL: http://evanet.his.de/evanet/forum/rindermannPosition.pdf,
Stand: 27.01.2006.
[Rind04] H. Rindermann: Evaluation von Lehrveranstaltungsqualität. Eingeladener Vortrag
am 15. Juni 2004 an der Universität Klagenfurt.
URL: http://www-e.uni-magdeburg.de/methpsy/hr/LevKlagf.pdf,
Stand: 27.01.2006.
[Schm62] G. Schmidtchen: Der Anwendungsbereich betriebssoziologischer Umfragen. Bern,
1962.
[Seam99] C. B. Seaman: Qualitativ Methods in Empirical Studies of Software Engineering.
In: IEEE Transactions on Software Engineering, Vol. 25 No. 4, 1999, Seite 557-
572.
[SHE05] R. Schnell, P. B. Hill, E. Esser: Methoden der empirischen Sozialforschung. 7.
Aufl., Oldenbourg Wissenschaftsverlag, München, 2005.
[Stan1]
[Stev46]
[TiM06]
W. Stangl: Der Fragebogen. [werner.stangl]s Arbeitsblätter,
URL: http://arbeitsblaetter.stangl-taller.at/Forschungsmethoden/
Fragebogen.shtml, Stand: 28.01.2006.
S. S. Stevens: On the Theory of Scales of Measurements. Science 103, 1946, Seite
677-680.
W. F. Tichy, M. Müller: Empirische Softwaretechnik. Skriptum zur Lehrveranstaltung,
Universität Karlsruhe, 2006.
URL: http://wwwipd.ira.uka.de/Tichy/teaching.phpid=122,
Stand: 16.05.2006.
[TUM06] Technische Universität München: Allgemeine Informationen zum Thema Datenschutz.
URL: http://www.tu-muenchen.de/einrichtungen/gremien/be_ds/
Allgemeine%20DS_Info.pdf, Stand: 17.01.2006.
[Wiki1]
[Wiki2]
Wikipedia: Grafik-Software.
URL: http://de.wikipedia.org/wiki/Grafiksoftware, Stand: 05.05.2006.
Wikipedia: Tablet PC.
URL: http://de.wikipedia.org/wiki/Tablet_PC, Stand: 05.05.2006.
[WoG05] H. H. Wohlgemuth, J. Gerloff: Datenschutzrecht - Eine Einführung mit praktischen
Fällen. Luchterhand, 3. Auflage, München/Unterschleißheim, 2005.
[WoT03] H. Wottawa, H. Thierau: Lehrbuch Evaluation. Verlag Hans Huber, 3. Aufl.,
Bern, 2003.
136