Welche Potenziale bieten Sekundäranalysen für die Erhöhung von Forschungsqualität und Replizierbarkeit

Die Bereitstellung von qualitativ hochwertigen und gut dokumentierten Forschungsdaten ist eine zentrale Forderung der Open Science Bewegung. Dadurch entstehen auch in der empirischen Bildungsforschung zunehmend Möglichkeiten für Forscher*innen, Daten sekundäranalytisch auszuwerten (Hopfenbeck et al., 2018'; Lenkeit, Chan, Hopfenbeck & Baird, 2015). Bisher gab es in der Diskussion um Open Science und Replizierbarkeit kaum Beiträge dazu, wie im Rahmen solcher Sekundäranalysen eine hohe Forschungsqualität sichergestellt werden kann und welche besonderen Potenziale Sekundäranalysen für die Abschätzung der Robustheit und Generalisierbarkeit von Forschungsbefunden bieten (Weston, Ritchie, Rohrer & Przybylski, 2019). In diesem Beitrag loten wir diese Potenziale aus und beschreiben, wie im Rahmen von Sekundäranalysen multiple Analysemethoden und multiple Datensätze genutzt werden können, um Robustheits- und Generalisierbarkeitsanalysen durchzuführen. Dafür stellen wir die Konzepte der Multiversumsanalyse (Steegen, Tuerlinckx, Gelman & Vanpaemel, 2016) und der integrativen Datenanalyse (Curran & Hussong, 2009) vor. Wir beschreiben jeweils die Zielsetzung und die Analyseschritte und nennen Beispielstudien. Wir schließen mit der Empfehlung, auch bei Sekundärdatenanalysen Überlegungen zur Replizierbarkeit anzustellen und ihre Potenziale zur Untersuchung der Robustheit von Forschungsbefunden zu nutzen.