Vor dem Hintergrund der von Desinformationen rückte Vertrauen in Wissenschaft stärker ins Interesse kommunikationswissenschaftlicher Forschung. Obwohl Vertrauen in Wissenschaft ein komplexes, multidimensionales Konstrukt ist, das durch individuelle Erfahrungen und Schlüsselereignisse geprägt ist, wird es oftmals standardisiert mittels Einzelitem gemessen. Die vorliegende Studie liefert einen Gegenentwurf und kombiniert eine standardisierte Befragungen mit differenzierter Messung (nach Expertise, Integrität, Wohlwollen, Transparenz und Dialog) im Drei-Wellen-Paneldesign mit offenen, retrospektiven Abfragen (n1=4821, n2=1030, n3=123). In diesem Vortrag soll der Mehrwert der methodischen Kombination vorgestellt werden.

Es zeigen sich deutliche Veränderungen im Vertrauen in Wissenschaft über drei Messzeitpunkte hinweg. Diese standardisiert gemessenen Vertrauensentwicklungen spiegeln sich jedoch nur bedingt in retrospektiven Selbstauskünften wider. Offene Fragestellungen können ausführlichere Informationen über die Erklärungen von Stabilität und Veränderungen des Wissenschaftsvertrauens liefern, könnten jedoch vor allem als erste Hinweise für anschließende qualitative Interviews oder Tagebuchstudien gesehen werden.

Wir möchten mit unserem Beitrag das Experimentieren mit KI-simulierten qualitativen Interviews das Potential des Einsatzes von KI in der qualitativen Forschung diskutieren, fokussieren und demonstrieren. Dabei betrachten wir sowohl die Qualität der Daten, die durch Interviews mit einer KI gewonnen werden, als auch die Potentiale der Interviewführung mit einer KI als Praxis zur Verbesserung von Methodenkompetenzen. Schließlich reflektieren wir kritisch ethische Fragen, epistemologische Implikationen und praktischen Nutzen eines solchen Einsatzes von KI in der qualitativen Methodenanwendung, -entwicklung und -praxis.

Der Artikel stellt einen neuen Ansatz zur qualitativen Datenerhebung im Kontext politischen Microtargetings vor. Politisches Online-Microtargeting (PMT) auf Social Media wird weltweit genutzt, um Wähler:innen gezielt zu erreichen, was jedoch Bedenken hinsichtlich der informationellen Selbstbestimmung weckt. Die Studie kombiniert die Methode des lauten Denkens und die Nutzung eines Mock-Facebook-Feeds der Teilnehmer:innen, wie sie politische Anzeigen wahrnehmen. Im ersten Durchgang scrollten die Teilnehmer:innen gewöhnlich durch ihren Feed, während sie laut dachten, ohne weitere Anweisungen. Im zweiten Durchgang wurden sie aufgefordert, sich gezielt über die Europawahl 2024 zu informieren. Nach beiden Scroll-Durchgängen folgte ein qualitatives Leitfadeninterview zur Wahrnehmung der Anzeigen. Die Datenanalyse nutzt zusätzlich ein Large Language Model (LLM), um die Aussagen effizient und objektiv zu codieren und zu analysieren. Insgesamt bietet die Think-Aloud Methode eine realitätsnahe Erfassung situativer Reaktionen auf politische Werbung.

Using a case study on the topic of how artificial intelligence could change public service journalism, a mix of qualitative methods was trialled. As part of a Constructive Technology Assessment (CTA), narrative short stories were presented to German communication scientists as a stimulus to encourage group discussions. The transcripts of the group discussion were analysed using grounded theory methodology. This methodology is actually an evaluation and interpretation process in which theoretical concepts or typologies are developed based on the data collected (Heiser, 2018, p. 223; Heiser, Kurrat, 2017). This sets it apart from purely descriptive and exploratory approaches to qualitative social research (Strübing, 2014). The project tested successfully that grounded theory is not only suitable for developing entire theories and typologies, it also can be used to derive research hypotheses. In other words, it can also be an empirical method for preparing research.