Anchored calibration: from qualitative data to fuzzy sets

Abstract

Die Kombination von qualitativen Daten mit der Qualitative Comparative Analysis (QCA) verspricht großes analytisches Potenzial, da sie sowohl detaillierte Untersuchungen sozialer Prozesse als auch systematische Fallvergleiche ermöglicht. Viele QCA-Anwendungen greifen auf qualitative Daten zurück. Dennoch bleibt eine zentrale methodologische Frage für QCA-Anwendungen mit qualitativen Daten weitgehend unbeantwortet: Wie können die Informationen qualitativer Daten "kalibriert", das heißt, in formalisierte Fuzzy Sets übersetzt werden? Die sogenannte "Kalibrierung" beeinflusst QCA-Ergebnisse in entscheidender Weise, sodass die Reliabilität des Kalibrierungsverfahrens enormen Einfluss auf die Qualität und Glaubwürdigkeit einer Studie hat. Die fehlende Diskussion der Kalibrierung qualitativer Daten in der methodologischen QCA-Literatur überrascht umso mehr, da QCA in anderen Bereichen stetige methodologische Weiterentwicklungen erfährt und die fehlende Transparenz von Messverfahren in QCA vermehrt kritisiert wird. Im vorliegenden Artikel entwickle ich Anchored Calibration als einen Ansatz zur Kalibrierung qualitativer Daten, der wichtige Lücken in bisherigen Ansätzen schließt und dabei hilft, die Reliabilität von Kalibrierungen zu erhöhen. Anchored Calibration besteht aus drei Arbeitsschritten: 1. der Formulierung eines konzeptuellen Rahmens für Bedingungen und das Outcome, 2. der Verankerung dieses Rahmens in den empirischen Daten und 3. der Anwendung dieses verankerten konzeptuellen Rahmens zur Vergabe von Mitgliedswerten in Fuzzy Sets. Ich diskutiere diese drei Arbeitsschritte sowie die dazu notwendigen Teilschritte im Detail und illustriere das Vorgehen am Beispiel von qualitativen Daten aus Leitfadeninterviews zum Thema Bildungsaufstieg.

Combining qualitative data and qualitative comparative analysis (QCA) holds great analytic potential because it allows for detailed insights into social processes as well as systematic cross-case comparisons. But despite many applications, continuous methodological development, and some critique of measurement practices, a key procedure in using qualitative data for QCA has hardly been discussed: how to translate, or "calibrate", the information in qualitative data into formalized fuzzy sets? This calibration has crucial impact on QCA results. Hence, reliability of calibration is a decisive factor in a study's overall quality and credibility. I develop "anchored calibration" as an approach that addresses important gaps in prior approaches and helps enhancing calibration reliability. Anchored calibration involves three steps: conceptualizing conditions and outcome(s) in a systematic framework, anchoring this framework with empirical data pieces, and using the anchored framework to assign membership scores to cases. I present the tasks necessary to complete these three steps, drawing examples from an in-depth interview study on upward educational mobility.