jochen-hanisch/research_archiv
Archived
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Analyse zweiter Ordnung: Abstract hinzugefügt

Browse Source
This commit is contained in:
Jochen Hanisch-Johannsen
2025-07-05 23:40:47 +02:00
parent eaadf8d88e
commit 3c5e7d50e2
1 changed files with 10 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files

10
Methodologie/Analyse zweiter Ordnung.md
View File

@ -15,6 +15,16 @@ tags:
GPT: true GPT: true
--- ---
# Abstract
Die vorliegende Arbeit dokumentiert die Entwicklung, theoretische Fundierung und methodische Ausarbeitung der **Analyse zweiter Ordnung** als eigenständige wissenschaftliche Methode im Kontext reflexiver und epistemologisch fundierter Grundlagenforschung. Im Mittelpunkt steht ein iterativer, dialogischer Erkenntnisprozess, der sich über mehr als 100 Einzelschritte hinweg systematisch entfaltet und entlang der Prinzipien versionierter Wissenschaft dokumentiert wurde. Ziel war es, eine methodologische Struktur zu etablieren, die nicht empirische Primärphänomene untersucht, sondern bestehende Analysen selbst, inklusive ihrer methodischen Voraussetzungen, logischen Strukturen und epistemischen Rahmungen, zum Gegenstand reflexiver Forschung macht.
Die gewonnenen Erkenntnisse zeigen, dass die Analyse zweiter Ordnung eine eigenständige methodische Kategorie bildet, deren erkenntnistheoretischer Status sich weder mit klassischen Metaanalysen noch mit qualitativen Synthesen oder methodenkritischen Reflexionen deckt. Stattdessen wird ein Zugang etabliert, der sich über fünf systematisch strukturierte Schritte (Erkenntnisinteresse, Materialauswahl, Musteranalyse, theoriegeleitete Re-Analyse, Synthese) hinweg bewegt und dabei rekursive, heuristische und theoriegenerierende Prozesse sichtbar macht.
Besondere Relevanz erhält die Methode durch ihre Offenheit für digitale Analysekontexte, etwa KI-generierte Erstanalysen sowie durch ihre Anschlussfähigkeit an strukturtheoretische und systemtheoretische Modelle. Die mathematische Beschreibung mittels Mengenlehre verdeutlicht die formale Struktur und ermöglicht eine präzise Abbildung rekursiver Analyseoperationen. Ein Anwendungsbeispiel aus der eigenen Forschung illustriert das methodische Potenzial: Über 700 wissenschaftliche Quellen wurden KI-gestützt analysiert, kategorisiert und entlang thematischer Fokus-Untersuchungen systematisch einer Analyse zweiter Ordnung unterzogen.
Das methodische Vorgehen wurde vollständig versioniert, reflektiert und dokumentiert. Dadurch ist nicht nur die Nachvollziehbarkeit, sondern auch die Weiterentwicklung im Sinne einer offenen, dialogischen Wissenschaftspraxis gewährleistet. Die Analyse zweiter Ordnung erweist sich so als Beitrag zur wissenschaftstheoretischen Innovation: Sie verbindet Reflexivität mit methodischer Strenge und eröffnet neue Wege der Erkenntnisgewinnung im Zeitalter digitaler Wissenschaft.
# Einleitung # Einleitung
Im Rahmen wissenschaftlicher Analyseverfahren hat sich zunehmend die Notwendigkeit herausgebildet, nicht nur empirische Phänomene, Texte oder Datenquellen selbst zum Gegenstand der Untersuchung zu machen, sondern auch die methodischen Operationen, mit denen diese Gegenstände analytisch erschlossen werden. Diese Verschiebung betrifft insbesondere Forschungskontexte, in denen Analyseprozesse nicht mehr ausschließlich von menschlichen Akteuren, sondern zunehmend auch von algorithmischen oder KI-basierten Systemen durchgeführt werden, wie etwa im Rahmen automatisierter Textauswertung, strukturierter Promptgenerierung oder maschinengestützter Kategorisierung. Im Rahmen wissenschaftlicher Analyseverfahren hat sich zunehmend die Notwendigkeit herausgebildet, nicht nur empirische Phänomene, Texte oder Datenquellen selbst zum Gegenstand der Untersuchung zu machen, sondern auch die methodischen Operationen, mit denen diese Gegenstände analytisch erschlossen werden. Diese Verschiebung betrifft insbesondere Forschungskontexte, in denen Analyseprozesse nicht mehr ausschließlich von menschlichen Akteuren, sondern zunehmend auch von algorithmischen oder KI-basierten Systemen durchgeführt werden, wie etwa im Rahmen automatisierter Textauswertung, strukturierter Promptgenerierung oder maschinengestützter Kategorisierung.