Kommentar: |
Moderne Sozialwissenschaften verstehen sich zunehmend als Kausalitätsforschung. In dem Seminar wird dieser Trend aufgegriffen, indem zentrale kausalitätsorientierte Methoden einführend vorgestellt und diskutiert werden. Der Fokus liegt dabei auf fallorientierten Methoden zur Generierung fallinterner Inferenz (Congruence Methods, Process Tracing Methods) und vergleichenden Ansätzen (Komparative Methode, Counterfactual Analysis).
Darüber hinaus werden wir uns kritisch mit einem engen, deterministischen auf die Identifizierung und Überprüfung von Kausalmechanismen ausgerichtetes Kausalitätsverständnis auseinandersetzen. Zu diesem Zweck werden wir auch Vor- und Nachteile im Vergleich zur quantitativen Kausalitätsforschung diskutieren.
Anhand ausgewählter Beispiele aus der aktuellen Forschung sowie in praktischen Lehreinheiten wird es die Möglichkeit geben, die erlernten Ansätze anwendungsorientiert zu vertiefen.
Die Einführung in kausale Forschungsdesigns richtet sich nicht nur an Studierende, die eine wissenschaftliche Karriere anstreben. Vertrautheit mit kausaler Inferenz ist von wachsender Bedeutung in professionellen Kontexten, in denen wissenschaftliche Evidenz verwendet wird, zum Beispiel in der Politikberatung.
Wichtig! Das Seminar kann gemeinsam mit oder unabhängig von der Veranstaltung „Kausale Forschungsdesigns: Experimente und Quasi-Experimente“ besucht werden. Beide Veranstaltungen sind aufeinander abgestimmt, bilden aber auch in sich selbständige Einheiten. Es werden mehrere gemeinsame Sitzungen stattfinden.
Das Ziel ist, neben laufenden Online-Terminen auch Präsenzlehre in Blöcken zu ermöglichen.
Prüfungsleistung: Erarbeitung eines qualitativen oder mixed-methods Forschungsdesigns (ca. 10 Seiten). |
Literatur: |
Literaturbeispiele:
- Beach, D., & Pedersen, R. B. (2016). Causal Case Study Methods: Foundations and Guidelines for Comparing, Matching, and Tracing. Ann Arbor: University of Michigan Press.
- Brady, H. E., & Collier, D. (2010). Rethinking Social Inquiry: Diverse Tools, Shared Standards (2. ed.). Lanham: Rowman & Littlefield.
- Fairfield, T., & Charman, A. (2020). Reliability of Inference: Analogs of Replication in Qualitative Research. In C. Elman, J. Gerring, & J. Mahoney (Eds.), The Production of Knowledge: Enhancing Progress in Social Science (Strategies for Social Inquiry). Cambridge: Cambridge University Press. 301–333.
- Gerring, J, & Cojocaru, L. (2016): Selecting Cases for Intensive Analysis: A Diversity of Goals and Methods. Sociological Methods & Research, 45 (3), 392–423.
- Goertz, G. (2017). Multimethod Research, Causal Mechanisms, and Case Studies: An Integrated Approach. Princeton: Princeton University Press.
- Hertog, S. (2021). Taking Causal Heterogeneity Seriously: Implications for Case Choice and Case Study-Based Generalizations. Sociological Methods & Research.
- Kreuzer, M. (2016). Assessing Causal Inference Problems with Bayesian Process Tracing: The Economic Effects of Proportional Representation and the Problem of Endogeneity, New Political Economy, 21 (5), 473–483.
- Rohlfing, I. (2012). Case studies and Causal Inference: An Integrative Framework. Basingstoke: Palgrave Macmillan.
- Rohlfing, I., & Zuber, C. I. (2019). Check Your Truth Conditions! Clarifying the Relationship between Theories of Causation and Social Science Methods for Causal Inference. Sociological Methods & Research.
- Trampusch, C., & Palier, B. (2016): Between X and Y. How Process Tracing Contributes to Opening the Black Box of Causality. New Political Economy, 21(5), 437–454.
- Wauters, B., & Beach, D. (2018). Process Tracing and Congruence Analysis to Support Theory-Based Impact Evaluation. Evaluation, 24(3), 284–305.
|