Berichterstellung
Ergebnisse
Überblick
Im Ergebnisteil werden in erster Linie die Befunde zu den aufgestellten Hypothesen berichtet, jedoch nicht ausführlich interpretiert (Beller, 2008). Darüber hinaus kann dieser Abschnitt interessante, zuvor nicht vermutete Ergebnisse enthalten. Neuere Artikel zum Thema E-Learning beinhalten häufig auch die Prüfung der Voraussetzungen für die eingesetzten inferenzstatistischen Verfahren. Der Ergebnisteil wird in normaler Prosa verfasst (Beller, 2008; Bem, 2003) und durch einzelne Tabellen und Abbildungen ergänzt. Bitte vermeiden Sie dabei das einfache Kopieren des Outputs aus der Statistiksoftware! Bem (2003) weist zudem darauf hin, im gesamten Ergebnisteil als auch bei den Einzelergebnissen immer zuerst den "Wald" und dann die "Bäume" aufzuführen.
Voraussetzungen der inferenzstatistischen Verfahren
Sofern eine Prüfung der Voraussetzungen für die inferenzstatistischen Verfahren erfolgt, wird diese in knapper Form dem Ergebnisteil vorangestellt. Folgende Webseite erörtert beispielhaft die Voraussetzungen für eine multivariate Varianzanalyse ohne Messwiederholung, die in Arbeiten zum Themenbereich E-Learning des Öfteren anzutreffen ist.
Hypothesenprüfung
Die Befunde zu den einzelnen Fragestellungen und Hypothesen bilden den Kern des Ergebnisabschnitts. Dabei sollten meiner Meinung nach einfache und gängige statistische Verfahren genutzt werden, mit denen die Forschungsfragen eindeutig und in knapper Form zu beantworten sind. Neben wenigen und ausgewählten inferenzstatistischen Kennwerten zur Überprüfung auf statistische Signifikanz sind deskriptivstatistische Angaben erforderlich, die etwa Aussagen zur praktischen Bedeutsamkeit erlauben. Demnach sollten standardisierte Effektgrößen aufgeführt werden. Sofern sich die überprüfte Hypothese als statistisch nicht signifikant erweist, sollte eine Teststärkenangabe erfolgen, obgleich man diese in den allermeisten Artikeln vergeblich sucht. Für sämtliche statistische Kennwerte reicht zumeist die Verwendung von zwei bis drei Nachkommastellen aus. Deutlich mehr Nachkommastellen erwecken hingegen lediglich den Eindruck von Pseudogenauigkeit (Bortz und Döring, 2006). Des Weiteren empfehlen Bortz und Döring (2006) aus Konsistenzgründen die Strukturierung aus dem Theorieteil zu übernehmen und die einzelnen Hypothesen in der gleichen Reihenfolge abzuarbeiten.
Sonstige Befunde
Nach Darstellung der hypothesenrelevanten Ergebnisse können weiterführende Befunde berichtet werden. Hierbei bieten sich vor allem deskriptivstatistische Kennwerte an, da die inferenzstatistische Testung nachträglich aufgestellter Hypothesen fragwürdig (vgl. dazu das capitalization on chance Problem), jedoch nicht nur in der E-Learning Forschung anzutreffende Praxis ist. In diesem Zusammenhang ist auch die "HARKing"-Vorgehensweise ("Hypothesizing After the Results are Known", wobei das englische Wort "harking" "horchend" bedeutet) zu nennen und zu kritisieren (z.B. Bortz und Döring, 2006), bei der anhand der gefundenen Ergebnisse die Hypothesen erst nachträglich formuliert werden. Im Idealfall werden die im Vorfeld nicht postulierten sonstigen Befunde nicht inferenzstatistisch überprüft, sondern erst im Rahmen einer neuen Untersuchung und an einer neuen Stichprobe. Dem capitalization on chance Problem kann neben der Versuchswiederholung auch durch Kreuzvalidierung begegnet werden.