Inhaltsverzeichnis
Ein Fragebogen ist ein standardisiertes Messinstrument, das Einstellungen, Meinungen oder Verhaltensweisen mit vorgegebenen Antwortoptionen erfasst. Für die Masterarbeit bedeutet das: Du operationalisierst deine Forschungsfrage in messbare Items und erhebst Daten, die statistisch auswertbar sind.
Kurzantwort: Ein guter Fragebogen leitet jedes Item aus Forschungsfrage und Operationalisierung ab, informiert Teilnehmende verständlich, nutzt begründete Skalen und wird vor der Erhebung vorgetestet. Attention-Checks und demografische Fragen setzt du nur ein, wenn sie methodisch nötig und datenschutzrechtlich vertretbar sind. Die geplante Auswertung muss bereits vor dem Feldstart feststehen.
Fragebogen Masterarbeit in sechs Schritten: 1. Aufbau planen (Einleitung,
thematische Blöcke, Demografie), 2. Skalen wählen (Likert, semantisches Differential), 3. Passendes Umfragetool
auswählen, 4. Pretest durchführen, 5. Daten bereinigen und auswerten, 6. Dokumentation im Methodikteil.
Orientierung: Oft liegen Fragebögen bei 20 bis 40 Items und 10 bis 15 Minuten
Bearbeitungszeit. Die tatsächliche Länge hängt von der Komplexität deiner Forschungsfrage ab.
Die Angaben in diesem Artikel sind Orientierungswerte. Konkrete Vorgaben zu Fragebogenlänge, Stichprobengrößen und Analyseverfahren können je nach Studiengang und Lehrstuhl variieren. Prüfe die Richtlinien deines Studiengangs und sprich das Vorgehen mit deiner Betreuung ab.
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 erreichst eine ausreichend große Stichprobe (oft n > 100).
- 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.
Komplexe Prozesse mit Ja/Nein-Items messen: Wenn du verstehen willst, wie Entscheidungen ablaufen, liefern geschlossene Fragen zu wenig Tiefe. Besser: Interviews oder offene Fragen als Ergänzung.
Fragebogen mit 20 Teilnehmenden: Für die meisten inferenzstatistischen Analysen (Hypothesentests, Regressionen) ist n=20 oft zu klein, um belastbare Schlüsse zu ziehen. Deskriptive Auswertungen oder explorative Analysen sind zwar möglich, aber die Generalisierbarkeit bleibt eingeschränkt. Besser: Qualitativ arbeiten oder Rekrutierungsstrategie überdenken.
Neue Konstrukte ohne Vorarbeit messen: Wenn es keine etablierten Skalen gibt und du das Konstrukt selbst noch nicht klar definiert hast, ist eine explorative Vorstudie (Interviews) sinnvoller.
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.
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.
Die Einleitung begrüßt die Teilnehmenden, erklärt den Zweck der Befragung und informiert über Datenschutz. Nenne die geschätzte Bearbeitungszeit und betone die Freiwilligkeit. Vermeide Details, die das Antwortverhalten beeinflussen könnten.
Beispiel: „Diese Umfrage ist Teil meiner Masterarbeit an der [Hochschule]. Sie dauert etwa 10 Minuten. Ihre Teilnahme ist freiwillig und anonym. Die Daten werden ausschließlich für wissenschaftliche Zwecke verwendet."
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.
Tipp: Mische keine unterschiedlichen Antwortformate innerhalb eines Blocks. Wenn du Likert-Skalen nutzt, bleibe im Block dabei. Das erleichtert das Ausfüllen und reduziert Fehler.
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.
Datensparsam bleiben: Frage nur Merkmale ab, die du für deine Analyse wirklich brauchst. Jede zusätzliche Frage erhöht die Abbruchquote und kann Datenschutzbedenken wecken.
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.
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.
Beispiel-Block zum Kopieren:
„Bitte geben Sie an, inwieweit Sie den folgenden Aussagen zustimmen."
1 = stimme überhaupt nicht zu | 2 = stimme eher nicht zu | 3 = teils/teils | 4 = stimme eher zu | 5 = stimme voll und ganz zu
• Ich fühle mich bei der Arbeit motiviert. [1] [2] [3] [4] [5]
• Meine Aufgaben empfinde ich als sinnvoll. [1] [2] [3] [4] [5]
• Ich erhalte ausreichend Anerkennung. [1] [2] [3] [4] [5]
Beim semantischen Differential bewerten Teilnehmende einen Begriff zwischen zwei Gegensatzpaaren. Es eignet sich für Images, Wahrnehmungen und emotionale Assoziationen.
Beispiel zum Kopieren:
„Wie nehmen Sie das Unternehmen XY wahr? Bitte kreuzen Sie die passende Position an."
innovativ ○ ○ ○ ○ ○ traditionell
vertrauenswürdig ○ ○ ○ ○ ○ unzuverlässig
kundenorientiert ○ ○ ○ ○ ○ distanziert
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.
Beispiel zum Kopieren:
„Wie oft haben Sie in den letzten 7 Tagen folgende Aktivitäten ausgeführt?"
0 = gar nicht | 1 = 1–2 Mal | 2 = 3–4 Mal | 3 = 5–6 Mal | 4 = täglich
• Sport oder körperliche Aktivität (mind. 30 Min.) [0] [1] [2] [3] [4]
• Meditation oder Entspannungsübungen [0] [1] [2] [3] [4]
Frage nur, was du für die Analyse wirklich brauchst. Vorgegebene Kategorien statt offener Eingabe schützen die Anonymität deiner Teilnehmenden.
Beispiele zum Kopieren:
Alter: ○ 18–24 | ○ 25–34 | ○ 35–44 | ○ 45–54 | ○ 55+
Geschlecht: ○ weiblich | ○ männlich | ○ divers | ○ keine Angabe
Bildung: ○ Abitur | ○ Ausbildung | ○ Bachelor | ○ Master | ○ Promotion
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.
Beispiel zum Kopieren:
„Um die Datenqualität zu sichern, wählen Sie bitte bei dieser Aussage ‚stimme eher zu'."
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.
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.
Bevor du eigene Items formulierst, recherchiere nach validierten Skalen für dein Konstrukt. Datenbanken wie das ZIS (GESIS) oder publizierte Studien liefern oft erprobte Instrumente. Das spart Zeit und erhöht die Qualität deiner Messung.
Wenn du eine englischsprachige Skala ins Deutsche überträgst, nutze Back-Translation: Übersetze ins Deutsche, lass eine andere Person blind zurück ins Englische übersetzen, vergleiche mit dem Original. Abweichungen zeigen Verständnisprobleme.
Adaptation dokumentieren: Halte im Methodikteil fest, welche Items du wie angepasst hast (z. B. kulturelle Anpassungen, Kontextänderungen). Prüfe, ob bereits eine validierte deutsche Fassung existiert.
Erlaubnis prüfen: Manche Skalen stehen unter Copyright. Kontaktiere im Zweifel die Autorinnen oder Autoren.
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. Wenn du erklären musst, ist das Item zu kompliziert.
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. Beispiel: „Ich bin zufrieden mit meiner Arbeit" und „Ich würde meinen Job gerne wechseln". Negativ formulierte Items vor der Skalenbildung recodieren.
Offene Fragen sparsam einsetzen: Offene Fragen liefern reichhaltige Daten, sind aber aufwändig auszuwerten. Nutze sie, wenn du explorieren willst oder Antwortoptionen noch unklar sind. Faustregel: Maximal 2 bis 3 offene Fragen pro Fragebogen. Platziere sie am Ende eines Themenblocks, nicht mittendrin.
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.
Teste den Fragebogen auf verschiedenen Geräten (Desktop, Tablet, Smartphone). Mobile Nutzung ist heute Standard. Wenn dein Fragebogen auf dem Handy schlecht funktioniert, verlierst du viele potenzielle Teilnehmende.
Auswertung: Daten bereinigen, Skalen prüfen, Hypothesen testen
Die Auswertung beginnt nicht mit der Hypothesenprüfung, sondern mit der Datenbereinigung. Erst wenn dein Datensatz sauber ist, liefern statistische Tests zuverlässige Ergebnisse.
Exportiere die Daten aus dem Umfragetool und importiere sie in deine Analysesoftware (SPSS, R, jamovi). Prüfe auf Abbrecher: Wie viele haben den Fragebogen nicht abgeschlossen? Entscheide, ab welchem Punkt du Teilnehmende ausschließt (z. B. weniger als 50 % beantwortet).
Identifiziere Ausreißer und unplausible Antworten (z. B. identische Antworten auf alle Items, unrealistisch kurze Bearbeitungszeit). Dokumentiere, wie viele Fälle du ausschließt und warum.
Beschreibe deine Stichprobe: Wie viele Teilnehmende, welche demografischen Merkmale? Berechne für alle Variablen Mittelwerte, Standardabweichungen, Minimum und Maximum. Das gibt dir einen Überblick über die Verteilung.
Prüfe die Annahmen deines konkreten Analysemodells. Je nach Verfahren betrifft Normalität beispielsweise Residuen oder Stichprobenverteilungen, nicht pauschal jede Rohvariable.
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 invertierte Items vor der Skalenbildung. Berechne dann Summen- oder Mittelwertscores für deine Konstrukte.
Führe die statistischen Tests durch, die zu deinen Hypothesen passen. Für Zusammenhänge: Korrelation, Regression. Für Gruppenvergleiche: t-Test, ANOVA. Berichte Teststatistik, p-Wert und Effektstärke.
Mehr zur Wahl der richtigen Analysemethode findest du im Artikel zu Forschungsmethoden und 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 Quelle (z. B. Müller, 2020) oder erkläre die Eigenentwicklung.
- Antwortformate: Dokumentiere die Skalen (z. B. „5-stufige Likert-Skala") und die verwendeten Anker (z. B. „1 = stimme nicht zu" bis „5 = stimme voll 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 Rücklaufquote (Response Rate).
- 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"). Bei Bedarf: Ergänze eine Übersicht mit Variablennamen und Codierung für die Nachvollziehbarkeit.
Formulierungshilfen:
- • Instrument: Die Arbeitszufriedenheit wurde mit der Skala von [Autor:in, Jahr] erhoben (X Items).
- • Antwortformat: 5-stufige Likert-Skala (1 = stimme überhaupt nicht zu, 5 = stimme voll und ganz zu).
- • Pretest: Der Fragebogen wurde mit n = [X] Personen getestet. Item 5 wurde aufgrund von Verständnisproblemen angepasst.
- • Datenbereinigung: [X] Fälle wurden ausgeschlossen: [Y] wegen Abbruch, [Z] wegen verfehltem Attention-Check.
Typische Fehler und Gegenmaßnahmen
Bei der Fragebogenkonstruktion passieren einige Fehler immer wieder. Hier sind die häufigsten mit konkreten Gegenmaßnahmen.
Fragebogen zu lang: Jede zusätzliche Frage erhöht die Abbruchquote. Vermeidung: 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: Die Fragen messen nicht das, was gemessen werden soll. Vermeidung: 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: Die Analyse zeigt keine signifikanten Effekte, obwohl sie möglicherweise existieren. Vermeidung: 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: Bei sensiblen Themen antworten Teilnehmende möglicherweise verzerrt. Vermeidung: Vertraulichkeit oder Anonymität korrekt beschreiben, neutrale Formulierungen wählen und bei sensiblen Themen ein fachlich geprüftes Erhebungsdesign nutzen.
Antworttendenzen ignoriert: Manche Teilnehmende stimmen allem zu (Acquiescence) oder wählen nur Extremwerte. Vermeidung: Balancierte Skalen mit positiv und negativ formulierten Items. Attention-Check einbauen. Bei der Auswertung Muster prüfen (z. B. Standardabweichung = 0 über alle Items).
Datenbereinigung vernachlässigt: Ausreißer und unplausible Antworten verzerren die Ergebnisse. Vermeidung: 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. Die Erhebungsphase dauert oft 2 bis 4 Wochen. Qualitative 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 das bei BachelorHero online konfigurieren.
Häufig gestellte Fragen
Brauche ich eine neutrale Mitte bei der Likert-Skala (gerade vs. ungerade)?
Eine ungerade Skala (5 oder 7 Punkte) bietet eine neutrale Mitte, die echte Ambivalenz abbilden kann. Eine gerade Skala (4 oder 6 Punkte) zwingt zur Tendenz und vermeidet „Flucht in die Mitte". Faustregel: Wenn Ambivalenz inhaltlich plausibel ist, nutze ungerade. Wenn du klare Positionierung willst, nutze gerade.
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?
Randomisierung innerhalb von Blöcken reduziert Reihenfolgeeffekte und ist bei längeren Skalen sinnvoll. Block-Randomisierung (ganze Themenblöcke in wechselnder Reihenfolge) hilft bei mehreren Konstrukten. Nicht randomisieren: Filterfragen und logisch aufeinander aufbauende Items. Die meisten Umfragetools bieten Randomisierung als Funktion an.
Wie dokumentiere ich eine Skalenübersetzung im Methodikteil?
Nenne die Originalquelle, beschreibe das Übersetzungsverfahren (z. B. Back-Translation durch unabhängige Person) und dokumentiere inhaltliche Anpassungen. Beispiel: „Die Skala von Smith (2018) wurde mittels Back-Translation ins Deutsche übertragen. Item 3 wurde an den deutschen Hochschulkontext angepasst (ursprünglich ‚college‘, adaptiert zu ‚Hochschule‘).“ Prüfe vorab, ob bereits eine validierte deutsche Version existiert.
Wissenschaftlicher Schreibstil 
Danksagung der Masterarbeit 
Ethik in der Masterarbeit