Fragebogen in der Masterarbeit: Aufbau, Skalen, Pretest und Auswertung

Ein Fragebogen ist ein standardisiertes Messinstrument, das Einstellungen, Meinungen oder Verhaltensweisen mit geschlossenen und gegebenenfalls offenen Fragen erfasst. Für die Masterarbeit bedeutet das: Du operationalisierst deine Forschungsfrage in messbare Items und erhebst Daten, die statistisch auswertbar sind.

Inhaltsverzeichnis

Ist ein Fragebogen die richtige Methode?

Bevor du mit der Konstruktion startest, prüfe, ob ein Fragebogen überhaupt die passende Methode für deine Forschungsfrage ist. Die Entscheidung hängt davon ab, was du herausfinden willst und welche Ressourcen du hast.

• Fragebogen: Du willst Einstellungen, Meinungen oder Häufigkeiten messen. Deine Konstrukte sind klar definiert und lassen sich in geschlossene Fragen übersetzen. Du kannst die für deine geplante Analyse benötigte Stichprobe erreichen; je nach Design können dafür auch deutlich mehr als 100 Teilnehmende erforderlich sein.
• Interview: Du willst ein wenig erforschtes Phänomen tiefgreifend verstehen und fragst nach dem „Wie“ und „Warum“. Sinnvoll bei schwer erreichbaren Zielgruppen oder kleinen Fallzahlen.
• Experiment: Du willst Kausalität nachweisen („Führt X zu Y?“) und kannst Kontrollgruppen bilden sowie Teilnehmende randomisiert zuweisen.
• Sekundärdaten: Es existieren bereits Datensätze (z. B. ALLBUS, SOEP), die deine Forschungsfrage beantworten können. Ideal bei Längsschnittfragen oder sehr großen Fallzahlen.

Mehr zur Methodenwahl findest du im Artikel zu Forschungsmethoden in der Masterarbeit und qualitative vs. quantitative Forschung.

Von der Idee zum fertigen Fragebogen

Die Fragebogenkonstruktion folgt einem klaren Ablauf. Diese Schrittfolge hilft dir, systematisch vorzugehen und keine wichtige Entscheidung zu vergessen.

1. 1

   Konstrukte definieren

   Was genau willst du messen? Leite aus der Forschungsfrage ab, welche Variablen du erhebst.

2. 2

   Validierte Skalen suchen

   Recherchiere in ZIS (GESIS), Fachliteratur oder Replikationsstudien nach erprobten Instrumenten.

3. 3

   Item-Pool erstellen

   Sammle oder formuliere mehr Items als nötig. Kürzen kannst du nach dem Pretest.

4. 4

   Antwortformat wählen

   Likert (Zustimmung), semantisches Differential (Gegensätze), Häufigkeit, Ranking oder offen?

5. 5

   Reihenfolge und Blöcke festlegen

   Gruppiere thematisch: einfache Fragen zuerst, sensible später, Demografie am Ende.

6. 6

   Filterführung planen

   Wer sieht welche Fragen? Programmiere Logik für bedingte Fragen.

7. 7

   Datenqualität planen

   Prüfe, ob ein fair formulierter Attention-Check zu deiner Zielgruppe passt, und lege vorab fest, wie du auffällige Antwortmuster bewertest.

8. 8

   Pretest durchführen

   Decke Zielgruppen, Geräte und Filterpfade ab, beobachte das Verständnis und miss die Bearbeitungszeit.

9. 9

   Überarbeiten

   Streiche problematische Items oder formuliere sie um. Führe bei großen Änderungen einen zweiten Pretest durch.

10. 10

    Erhebung starten

    Schalte den Fragebogen live, beobachte den Rücklauf und versende Erinnerungen.

Das richtige Umfragetool wählen

Die Wahl des Umfragetools beeinflusst, welche Funktionen dir zur Verfügung stehen und wie reibungslos die Erhebung läuft. Viele Hochschulen haben Vorgaben zu Datenschutz und Serverstandort. Prüfe daher frühzeitig, welche Tools an deiner Hochschule zugelassen oder empfohlen sind und ob ein AV-Vertrag existiert.

SoSci Survey und Unipark sind im deutschsprachigen Raum verbreitet und werden von vielen Hochschulen lizenziert. LimeSurvey ist eine Open-Source-Alternative, die du auch selbst hosten kannst. Google Forms ist einfach, erfordert aber ebenso eine Prüfung von Vertrag, Konfiguration, Speicherort, Zugriff und Hochschulvorgaben. Welches Tool für dein Projekt geeignet ist, hängt von institutioneller Freigabe und tatsächlicher Datenverarbeitung ab.

Aufbau: Einleitung, Hauptteil, Demografie

Ein Fragebogen folgt einer klaren Logik: Er führt Teilnehmende vom Einstieg über die inhaltlichen Fragen bis zu den demografischen Angaben. Diese Struktur erleichtert das Ausfüllen und verbessert die Datenqualität.

Einleitung des Fragebogens

Die Einleitung begrüßt die Teilnehmenden, erklärt den Zweck der Befragung und informiert über Datenschutz. Nenne die geschätzte Bearbeitungszeit und betone die Freiwilligkeit. Beschreibe das Thema neutral, ohne notwendige Informationen zur Teilnahme und Datenverarbeitung wegzulassen.

Hauptteil: Thematische Frageblöcke

Gruppiere Fragen nach Themen oder Konstrukten. Beginne mit einfachen, weniger sensiblen Fragen, um Teilnehmende „aufzuwärmen“. Komplexere oder persönlichere Fragen folgen später. Nutze Überleitungen zwischen den Blöcken.

Demografie: Was wohin gehört

Screening-Fragen an den Anfang: Wenn du nur bestimmte Personen befragen willst (z. B. Mindestalter, Berufserfahrung, Zugehörigkeit zur Zielgruppe), platziere diese Fragen direkt nach der Einleitung. So filterst du unpassende Teilnehmende früh heraus und vermeidest unbrauchbare Datensätze.

Restliche Demografie ans Ende: Alter, Geschlecht, Bildung, Einkommen oder ähnliche Merkmale, die du nur für die Stichprobenbeschreibung oder als Kontrollvariablen brauchst, gehören ans Ende. Teilnehmende sind zu Beginn motivierter für die inhaltlichen Fragen.

Die Struktur des Fragebogens sollte sich an deiner Forschungsfrage orientieren. Jede Frage im Hauptteil sollte auf ein Konstrukt oder eine Hypothese einzahlen. Fragen ohne klaren Bezug zur Forschungsfrage kannst du in der Regel streichen.

Skalentypen mit Beispielen zum Kopieren

Die Wahl der Skala bestimmt, welche statistischen Analysen später möglich sind. Hier findest du die gängigsten Formate mit konkreten Beispielen, die du als Vorlage nutzen kannst.

Likert-Skala (5 Stufen)

Die Likert-Skala misst Zustimmung zu Aussagen. Sie eignet sich für Einstellungen, Meinungen und Bewertungen. Wichtig: Formuliere klare Skalenanker und bleibe im gesamten Block konsistent.

Die drei Aussagen illustrieren das Antwortformat; für einen gemeinsamen Skalenwert brauchst du ein passendes Messmodell.

Semantisches Differential

Beim semantischen Differential bewerten Teilnehmende einen Begriff zwischen zwei gegensätzlichen Polen. Es eignet sich für Images, Wahrnehmungen und emotionale Assoziationen.

Häufigkeitsskala mit Zeitanker

Häufigkeitsskalen erfassen, wie oft ein Verhalten auftritt. Ein konkreter Zeitraum (z. B. letzte 7 Tage) grenzt die Frage ein und verringert Interpretationsspielraum. Wähle den Zeitraum passend zum Verhalten und begründe ihn mit deinem Messkonzept oder der verwendeten Skala.

Demografische Fragen

Frage nur, was du für die Analyse wirklich brauchst. Breitere Kategorien können die Wiedererkennung erschweren, garantieren aber allein keine Anonymität.

„Kein Abschluss“ und „keine Angabe“ sind jeweils allein auszuwählen.

Attention-Check und Ausschlusskriterien

Ein Attention-Check prüft, ob Teilnehmende aufmerksam lesen. Platziere ihn unauffällig zwischen anderen Items und setze ihn nur ein, wenn er für Zielgruppe, Sprache und Erhebungssituation fair ist.

Weitere Ausschlusskriterien (vorab definieren!):

• Speeding: Leite eine Schwelle aus realen Pretest- oder Prozessdaten ab und prüfe auffällige Fälle zusammen mit Antwortmustern. Eine kurze Zeit allein beweist keine unbrauchbare Antwort.
• Straightlining: Identische Antwort auf alle Items eines Blocks (Standardabweichung = 0) kann auffällig, bei homogenen Items aber auch inhaltlich plausibel sein. Prüfe den Fall im Kontext.

Auswertung: Definiere Kriterien und Entscheidungslogik vorab, begründe sie im Methodikteil und dokumentiere, wie viele Fälle betroffen sind. Prüfe die Robustheit zentraler Ergebnisse gegenüber vertretbaren Regeln.

Skalenniveau und validierte Skalen

Wichtig zum Skalenniveau: Einzelne Likert-Items gelten streng genommen als ordinal. Für Skalen aus mehreren Items, die ein Konstrukt messen (Summen- oder Mittelwertskalen), werden parametrische Verfahren wie t-Test oder Regression in der Praxis oft als vertretbar angesehen. Prüfe die Annahmen und diskutiere im Methodikteil, warum dein Vorgehen angemessen ist.

Items formulieren und Verzerrungen vermeiden

Die Formulierung der Items entscheidet über die Qualität deiner Daten. Neben unklaren Fragen können auch systematische Verzerrungen (Bias) deine Ergebnisse verfälschen.

Einfache Sprache verwenden: Formuliere kurz und klar. Vermeide Fachbegriffe, die Teilnehmende nicht kennen könnten. Ein Item sollte auf einen Blick verständlich sein. Erkläre unvermeidbare Fachbegriffe kurz und verständlich.

Eine Sache pro Item: Fragen wie „Sind Sie mit Gehalt und Arbeitszeit zufrieden?“ (Double-Barreled Questions) sind problematisch. Teilnehmende wissen nicht, worauf sie antworten sollen. Teile solche Fragen in zwei separate Items auf.

Konkret statt abstrakt: „Wie oft haben Sie in den letzten 7 Tagen Sport gemacht?“ liefert bessere Daten als „Treiben Sie regelmäßig Sport?“. Zeitliche Anker und konkrete Verhaltensweisen erhöhen die Zuverlässigkeit der Antworten.

Soziale Erwünschtheit reduzieren: Bei sensiblen Themen (Einkommen, Vorurteile, ungesundes Verhalten) antworten Teilnehmende möglicherweise so, wie sie glauben, dass es erwartet wird. Beschreibe Vertraulichkeit oder Anonymität korrekt, minimiere identifizierende Daten und nutze neutrale, fachlich geprüfte Frageformen. Spezielle Verfahren wie Randomized Response erfordern ein dazu passendes Design und eine passende Auswertung.

Acquiescence (Ja-Sage-Tendenz) kontrollieren: Manche Personen neigen dazu, Aussagen unabhängig vom Inhalt zuzustimmen. Übernimm nach Möglichkeit ein geprüftes Antwortformat; negativ formulierte Items können eigene Verständnis- und Methodenartefakte erzeugen.

Enthält eine übernommene Skala solche Items, recodiere sie gemäß ihrem Auswertungsschlüssel.

Offene Fragen sparsam einsetzen: Offene Fragen liefern reichhaltige Daten, sind aber aufwändig auszuwerten. Nutze sie, wenn du explorieren willst oder Antwortoptionen noch unklar sind. Als Startpunkt für einen überwiegend geschlossenen Fragebogen kannst du etwa 2 bis 3 offene Fragen einplanen. Wenn du spontane Antworten erfassen willst, stelle sie vor den zugehörigen geschlossenen Fragen; sonst passen sie oft ans Ende eines Themenblocks.

Pretest durchführen und auswerten

Ein Pretest deckt Probleme auf, die dir beim Entwickeln nicht auffallen. Unverständliche Fragen, technische Fehler oder eine zu lange Bearbeitungszeit erkennst du erst, wenn echte Personen den Fragebogen durcharbeiten.

So führst du einen Pretest durch: Wähle Testpersonen und Umfang nach den Prüfungszielen: kognitive Interviews für Verständnis, technische Tests für Geräte und Filterpfade, ein Pilot für Ablauf und Prozessdaten. Beziehe relevante Zielgruppen ein, bitte beim kognitiven Test um Erläuterung des Verständnisses und notiere die Bearbeitungszeit. Teste nach substanziellen Änderungen erneut.

Was du im Pretest prüfst: Sind alle Fragen verständlich? Gibt es technische Probleme (Anzeigefehler, fehlende Buttons)? Wie lange dauert das Ausfüllen? Fehlen Antwortoptionen? Gibt es Fragen, bei denen Teilnehmende zögern oder nachfragen?

Nach dem Pretest: Überarbeite problematische Items, kürze bei Bedarf und führe bei größeren Änderungen einen zweiten Pretest durch. Dokumentiere den Pretest im Methodikteil: Anzahl der Testpersonen, identifizierte Probleme, vorgenommene Anpassungen.

Auswertung: Daten bereinigen, Skalen prüfen, Hypothesen testen

Die Auswertung beginnt nicht mit der Hypothesenprüfung, sondern mit der Datenbereinigung. Die Datenbereinigung schafft eine wichtige Grundlage; aussagekräftige Ergebnisse erfordern außerdem ein passendes Design, geeignete Messungen und Analyseverfahren.

1. 1

   Datenbereinigung

   Exportiere die Daten aus dem Umfragetool und importiere sie in deine Analysesoftware (SPSS, R, jamovi). Prüfe auf Abbrüche und wende die vor der Erhebung begründeten Ausschlusskriterien an, beispielsweise weniger als 50 % beantwortete relevante Fragen. Berücksichtige dabei Filterführung und die für deine Analyse benötigten Variablen.

   Prüfe Ausreißer und auffällige Antwortmuster im Zusammenhang mit den Fragen und weiteren Qualitätsmerkmalen. Identische Antworten oder eine kurze Bearbeitungszeit allein belegen keine unbrauchbaren Daten. Dokumentiere, wie viele Fälle du ausschließt und warum.

2. 2

   Deskriptive Statistik

   Beschreibe deine Stichprobe: Wie viele Teilnehmende, welche demografischen Merkmale? Berichte für nominale Variablen Häufigkeiten und Prozentanteile, für ordinale Variablen etwa die Häufigkeitsverteilung und den Median. Für metrische Variablen kannst du Mittelwert, Standardabweichung, Minimum und Maximum angeben.

   Prüfe die Annahmen deines konkreten Analysemodells. Je nach Verfahren betrifft Normalität beispielsweise Residuen oder Stichprobenverteilungen, nicht pauschal jede Rohvariable.

3. 3

   Skalenprüfung

   Berichte für jede Skala die zum Messmodell passende Reliabilität, häufig Cronbachs Alpha und gegebenenfalls McDonalds Omega samt Unsicherheit. Interpretiere den Wert im Kontext von Itemzahl, Dimensionalität und Messzweck statt über eine universelle Grenze.

   Recodiere gegensinnig gepolte Items gemäß dem Auswertungsschlüssel. Berechne Summen- oder Mittelwertscores nur für die Items, die nach dem Messmodell gemeinsam eine Skala bilden, und beachte die Regeln für fehlende Antworten.

4. 4

   Hypothesenprüfung

   Wähle Tests passend zu Hypothese, Skalenniveau und Design. Für Zusammenhänge kommen passende Korrelations- oder Regressionsverfahren infrage; für Mittelwertvergleiche etwa t-Test oder ANOVA, für Zusammenhänge zwischen kategorialen Variablen etwa ein Chi-Quadrat-Test. Berücksichtige verbundene Messungen und die jeweiligen Annahmen. Berichte Teststatistik, p-Wert und Effektstärke.

   Mehr zur Wahl der richtigen Analysemethode findest du im Artikel zur Statistik in der Masterarbeit.

Fragebogen im Methodikteil dokumentieren

Im Methodikteil deiner Masterarbeit beschreibst du das Erhebungsinstrument so, dass andere dein Vorgehen nachvollziehen können. Folgende Elemente solltest du abdecken:

• Konstrukte und Operationalisierung: Beschreibe, welche Konstrukte du misst und wie du sie in Items übersetzt hast. Nenne für jede Skala die tatsächliche Quelle oder erkläre die Eigenentwicklung.
• Antwortformate: Dokumentiere die Skalen (z. B. „5-stufige Likert-Skala“) und die verwendeten Anker (z. B. „1 = stimme überhaupt nicht zu“ bis „5 = stimme voll und ganz zu“).
• Pretest: Beschreibe Ablauf und Ergebnisse. Wie viele Personen haben teilgenommen? Welche missverständlichen Items wurden aufgrund des Feedbacks angepasst?
• Feldphase: Nenne Erhebungszeitraum, Rekrutierungskanäle (z. B. LinkedIn, Mailverteiler) und die Zahl der begonnenen und abgeschlossenen Fragebögen. Berichte eine Rücklaufquote nur mit nachvollziehbarer Bezugsgröße. Bei einem offenen Link in sozialen Medien ist diese häufig unbekannt; erläutere dann, warum keine Response Rate berechnet werden kann.
• Datenbereinigung: Dokumentiere die Ausschlusskriterien (Abbrüche, Attention-Checks, Speeding) und die finale Anzahl der auswertbaren Fälle (N).

Anhang: Der vollständige Fragebogen gehört in den Anhang. Nummeriere die Items und verweise im Methodikteil darauf (z. B. „siehe Anhang A“). Ergänze bei Bedarf eine Übersicht mit Variablennamen und Codierung für die Nachvollziehbarkeit.

Formulierungshilfen für den Methodikteil:

Typische Fehler und Gegenmaßnahmen

Bei der Fragebogenkonstruktion passieren einige Fehler immer wieder. Hier sind die häufigsten mit konkreten Gegenmaßnahmen.

• Fragebogen zu lang

  Problem: Zusätzliche Fragen können die Belastung und das Abbruchrisiko erhöhen.

  So behebst du es: Priorisiere Items, die direkt auf Forschungsfrage und Messmodell einzahlen. Miss Dauer, Abbrüche und Verständnis im Pretest und kürze redundante Inhalte, ohne validierte Skalen eigenmächtig zu beschädigen.

• Unklare Operationalisierung

  Problem: Die Fragen messen nicht das, was gemessen werden soll.

  So behebst du es: Definiere vor der Item-Formulierung, was genau du unter dem Konstrukt verstehst. Leite Items aus der Definition ab. Nutze validierte Skalen, wenn verfügbar.

• Stichprobe zu klein

  Problem: Die Analyse zeigt keine signifikanten Effekte, obwohl sie möglicherweise existieren.

  So behebst du es: Führe vor der Erhebung eine Power-Analyse durch. Plane einen Puffer für Abbrecher anhand von Pretest, vergleichbaren Studien und Rekrutierungskanal ein.

• Soziale Erwünschtheit nicht berücksichtigt

  Problem: Bei sensiblen Themen antworten Teilnehmende möglicherweise verzerrt.

  So behebst du es: Beschreibe Vertraulichkeit oder Anonymität korrekt, wähle neutrale Formulierungen und nutze bei sensiblen Themen ein fachlich geprüftes Erhebungsdesign.

• Antworttendenzen ignoriert

  Problem: Manche Teilnehmende stimmen allem zu (Acquiescence) oder wählen nur Extremwerte.

  So behebst du es: Nutze ein fachlich geprüftes Antwortformat und ergänze bei Bedarf geeignete Qualitätsprüfungen. Prüfe bei der Auswertung auffällige Muster (z. B. Standardabweichung = 0 über alle Items) im Kontext. Extreme oder durchgehend gleiche Antworten können auch inhaltlich zutreffen.

• Datenbereinigung vernachlässigt

  Problem: Ausreißer und unplausible Antworten verzerren die Ergebnisse.

  So behebst du es: Definiere vorab Ausschlusskriterien (Bearbeitungszeit, Attention-Check, fehlende Werte). Dokumentiere jeden Schritt transparent im Methodikteil.

Nächste Schritte

Wenn dein Fragebogen steht, folgen diese Schritte. Sie helfen dir, von der Konzeption zur Umsetzung zu kommen.

Ethik und Datenschutz klären: Informiere dich, ob du eine Genehmigung der Ethikkommission brauchst. Kläre Rechtsgrundlage, Teilnehmerinformation und gegebenenfalls Einwilligung sowie Speicher- und Löschkonzept mit der zuständigen Stelle deiner Hochschule. Die Ethik in der Masterarbeit solltest du frühzeitig angehen.

Umfragetool einrichten: Programmiere den Fragebogen in deinem gewählten Tool. Nutze die Logik-Funktionen für Filterführungen. Teste alle Pfade durch. Aktiviere erst dann die Erhebung.

Teilnehmende rekrutieren: Plane, über welche Kanäle du Teilnehmende erreichst (E-Mail-Verteiler, soziale Medien, Organisationen). Formuliere eine kurze, motivierende Einladung. Plane Erinnerungen ein.

Zeitplan aufstellen: Reserviere Zeit für Pretest, Erhebung, Erinnerungen und Auswertung. Setze in einem ersten Plan beispielsweise 2 bis 4 Wochen für die Erhebung an und passe den Zeitraum an deinen Rekrutierungsweg an. Die Datenanalyse und das Schreiben der Ergebnisse brauchen ebenfalls Zeit.

Methodikteil vorbereiten: Dokumentiere parallel zur Erhebung dein Vorgehen. Das erleichtert das Schreiben des Methodikkapitels. Orientierung zur Struktur findest du im Artikel zur Gliederung der Masterarbeit.

Wenn du deine Masterarbeit drucken und binden lassen möchtest, kannst du Druck und Bindung bei BachelorHero online konfigurieren.

Häufig gestellte Fragen

Brauche ich eine neutrale Mitte bei der Likert-Skala (gerade vs. ungerade)?

Eine symmetrische Zustimmungsskala mit 5 oder 7 Punkten kann eine neutrale Mitte anbieten; 4 oder 6 Punkte bieten diese Option nicht. Wähle das Format nach deinem Messkonzept und bei bestehenden Skalen nach deren Vorgaben. Eine neutrale Position ist nicht dasselbe wie fehlendes Wissen: Falls nötig, biete „weiß nicht“ oder „nicht beurteilbar“ separat an.

Wie gehe ich mit sozialer Erwünschtheit und Antworttendenzen um?

Beschreibe Vertraulichkeit oder Anonymität nur so, wie sie technisch tatsächlich umgesetzt ist. Formuliere neutral, reduziere identifizierende Angaben und nutze bei sensiblen Themen ein fachlich geeignetes Erhebungsdesign. Negativ formulierte Items können eigene Verständnisartefakte erzeugen; übernimm deshalb möglichst geprüfte Skalen und analysiere Antwortmuster nicht allein anhand einer einfachen Einzelregel.

Wie viele Teilnehmende brauche ich für meinen Fragebogen?

Die Stichprobengröße hängt von Forschungsziel, Effekt oder Zielpräzision, Varianz, Design und Analysemodell ab. Plane n für die primäre Analyse und berücksichtige Gruppenverteilung, Messwiederholungen, Cluster, Ausfälle und Ausschlüsse. Eine passende Power-, Präzisions- oder simulationsbasierte Planung ist belastbarer als feste Zahlen pro Gruppe oder Modelltyp.

Muss ich validierte Skalen verwenden oder kann ich eigene Items formulieren?

Nutze eine bestehende Skala, wenn ihre Messziele, Sprache, Zielgruppe und Lizenz passen. Validität ist Evidenz für eine konkrete Interpretation, kein dauerhaftes Etikett. Bei eigenen oder angepassten Items dokumentierst du Entwicklung und Pretest und prüfst die für deinen Messzweck relevanten Reliabilitäts- und Validitätsaspekte; Cronbachs Alpha allein genügt dafür nicht.

Wie gehe ich mit fehlenden Werten in meinem Datensatz um?

Trenne echte fehlende Werte von Filter- oder Design-Missings und untersuche Anteil, Muster und betroffene Variablen. Complete-Case-Analyse, multiple Imputation und Maximum-Likelihood-Verfahren beruhen auf unterschiedlichen Annahmen; wähle passend zu Missing-Mechanismus und Analysemodell. Begründe die Strategie, prüfe bei relevanter Unsicherheit robuste Alternativen und dokumentiere alles im Methodikteil.

Sollte ich Items oder Blöcke randomisieren?

Eine zufällige Reihenfolge von Items oder Blöcken kann Reihenfolgeeffekte über die Teilnehmenden verteilen. Prüfe, ob das zu deinem Messkonzept und den Vorgaben verwendeter Skalen passt. Filterfragen und logisch aufeinander aufbauende Items behalten ihre notwendige Reihenfolge. Teste die gewählte Umsetzung im Pretest.

Wie dokumentiere ich eine Skalenübersetzung im Methodikteil?

Nenne die Originalquelle und dokumentiere Übersetzung, fachliche Prüfung, Pretest mit der Zielgruppe und inhaltliche Anpassungen. Eine unabhängige Rückübersetzung kann Unterschiede zum Original sichtbar machen, ersetzt aber keinen Pretest. Fiktives Formulierungsbeispiel: „Die Skala von Smith (2018) wurde ins Deutsche übersetzt, unabhängig rückübersetzt und mit der Zielgruppe vorgetestet. Item 3 wurde an den deutschen Hochschulkontext angepasst (ursprünglich ‚college‘, adaptiert zu ‚Hochschule‘).“ Ersetze die fiktive Quellenangabe, beschreibe nur tatsächlich durchgeführte Schritte und prüfe vorab, ob eine passende deutsche Fassung existiert.

Weitere interessante Artikel

Wissenschaftlicher Schreibstil

Danksagung der Masterarbeit

Ethik in der Masterarbeit