Technische Universität Dresden, Philosophische Fakultät
Institut für Kommunikationswissenschaft, Seminar: Agenda-Setting
WS 2004/2005, Fachsemester: 06

Agenda-Setting: Aggregat- oder Individualdaten Phänomen?
Konsequenzen der Analyseebene für die Forschung

von: Peter Neitzsch

Einleitung S.2

1 Grundlagen der Unterscheidung von Individual- und Aggregatdaten S.3

1.1 Person oder Phänomen – zwei unterschiedliche Ansätze S.3
1.2 Was sind Individual- und Aggregatdaten? – Begriffsdefinitionen S.4
1.3 Was können Individual- und Aggregatdaten? – ein Vergleich S.6

2 Vorteile und Probleme der Aggregatdatenanalyse S.8

2.1 Das Potential der Aggregatdatenanalyse S.8
2.2 Die Grenzen der Aggregatdatenanalyse S.9

2.2.1 Informationsverlust durch Aggregation S.9
2.2.2 Der ökologische Fehlschluss S.11

2.3 Individualdaten- oder Mehrebenenanalyse als Lösung des Problems? S.15

3 Konsequenzen für die Agenda-Setting-Forschung S.18

3.1 Kurze Geschichte des Agenda-Setting-Ansatz S.18
3.2 Agenda-Setting: Aggregatdaten im Vergleich S.20
3.3 Neue, methodisch innovative Agenda-Setting-Studien S.21

3.3.1 Jens Wolling: Methodenkombination in der Medienwirkungsforschung S.21
3.3.2 Patrick Rössler: The Individual Agenda-Designing Process S.23

4 Fazit S.26

Literaturverzeichnis S.28

Der Agenda-Setting-Ansatz beschäftigt sich mit der Themensetzungsfunktion der Medien. Seine zentrale These beruht auf der Beobachtung von Cohen, der feststellte: „The Media may not be successful in telling us what to think, but it seems to be stunningly successful in telling us what to think about.“ An die Stelle des einfachen Stimulus-Response-Modells der Medienwirkung trat damit ein Ansatz, der kognitive Prozesse der Rezeption in weit stärkerem Umfang berücksichtigte. Statt Veränderungen in Einstellung und Verhalten der Mediennutzer zu suchen, liegt der Fokus beim Agenda-Setting auf den Veränderungen in Wissensbeständen, Aufmerksamkeit und Problembewusstsein der Rezipienten. (Burkart, 2002, S. 249) Bei den klassischen Agenda-Setting-Studien, die sich an der Ausgangsstudie von McCombs und Shaw zum amerikanischen Präsidentschaftswahlkampf von 1968 orientieren, werden die über einen bestimmten Zeitraum mittels Inhaltsanalyse und Umfragedaten erhobenen Agenden von Medien und Mediennutzern verglichen. Dabei kann die Ausgangshypothese unterschiedlich streng formuliert werden: von einem deterministischen Zusammenhang der Themenrangordnung von Medien und Menschen (priorities-modell), bis zu der einfachen Vermutung größere Publizität führe zu einer verstärkten Problemwahrnehmung des Rezipienten (salience- und awareness-modell). (ebd. S. 250f) Gemeinsam ist all diesen Studien, dass sie mit Aggregatdaten und nicht mit Individualdaten arbeiten: Sowohl die inhaltsanalytisch erhobene ‚Medienagenda’ als auch die ‚Publikumsagenda’ stellen hochaggregierte Datenkonstrukte dar. Es werden also Aussagen auf einer bestimmten Analyseebene (nämlich der des Aggregats) getroffen, was häufig nicht klar zu erkennen ist und unter Umständen problematisch sein kann, wie ich in der vorliegenden Hausarbeit zu zeigen versuche.

Hierzu soll unter dem Oberpunkt eins zuerst einmal der Unterscheidung von Individual- und Aggregatdaten von Grund auf nachgegangen werden, um anschließend unter dem Oberpunkt zwei die Vorteile und Probleme der Aggregatdatenanalyse zu erörtern. So nützlich Aggregatdaten als Instrument des strukturierten Vergleichs (2.1) sind, so problematisch kann ihre Verwendung auch sein, denn der Vorgang der Aggregation ist unweigerlich mit einem Informationsverlust verbunden, was im schlimmsten Fall zu einem ‚ökologischen Fehlschluss’ führen kann (2.2). Als mögliche Auswege aus dem Dilemma sollen unter Punkt 2.3 die Verwendung von Individualdaten und die Mehrebenenanalyse mit Hilfe von Kontexthypothesen vorgestellt werden. Die Möglichkeit und Notwendigkeit diese Analyseverfahren in die Agenda-Setting-Forschung einzuführen, werden im Oberpunkt drei aufgezeigt. Gleichzeitig führen die vorgestellten, methodisch innovativen Studien deutlich vor Augen, welche theoretischen Implikationen die neuen empirischen Befunde haben.

1 Grundlagen der Unterscheidung von Individual- und Aggregatdaten

1.1 Person oder Phänomen – zwei unterschiedliche Ansätze

In dem Buch ‚Alle nicht jeder’ beschreiben die Autoren Noelle-Neumann/Petersen im ersten Kapitel, das bezeichnenderweise den Titel ‚Gute Einzahl, böse Mehrzahl’ trägt, warum Demoskopie ihrer Meinung nach so häufig Unbehagen bei den Menschen verursacht, so geschehen beispielsweise im Zusammenhang mit Wahlumfragen. Dabei machen sie zwei Hauptgründe für jenes Unbehagen aus, die sich dem Alltagsverständnis häufig nur schwer erschließen, das Prinzip der Wahrscheinlichkeit zum einen und das der Verallgemeinerbarkeit kleiner Stichproben zum anderen.

Dass soziale Phänomene meist den Gesetzen statistischer Regelmäßigkeit unterliegen, fiel schon 1835 dem Sozialforscher Quetelet auf, der die so genannten ‚Moralstatistiken’ erstellte. Etwas später erkannte Durkheim, dass sich aufgrund dieser Regelmäßigkeiten die Möglichkeit ergibt, die Zahl und die Verteilung künftiger Ereignisse vorherzusagen. Diese Erkenntnis, dass trotz individuell entschiedener Handlungsakte – bedingt durch Prozesse der natürlichen Selbstorganisation – statistisch summiert ein regelmäßiges Muster in Erscheinung tritt, war revolutionär und galt vielen als die Demontage des Konzepts der Willensfreiheit. Hinzu kam zu Beginn des 20 Jahrhunderts noch die Entdeckung des Prinzips der Repräsentativität, welches ermöglichte von kleinen Stichproben auf große Populationen zu schließen – die erste Zufallsstichprobe wurde 1912 durchgeführt. Nun war es möglich anhand der Befragung einiger Weniger, welche zufällig oder nach bestimmten Gesichtspunkten ausgewählt wurden, auf die Meinung der Bevölkerung im Ganzen zu schließen.

Die Reaktionen darauf waren unterschiedlich und teils heftig, so warf man den Meinungsforschern vor Individualmeinungen durch ‚statistische Werte’ zu ersetzen und man empfand die Subsumierung von Menschen unter Merkmale als eine Form der Machtausübung. Auch wenn Umfragen die Meinung einer Einzelperson nicht überflüssig machen, so haben solche Vermutungen doch einen wahren Kern, ist der Bezugspunkt von durch Umfragen ermittelten Aussagen doch das Aggregat der Gesellschaft und nicht das Individuum. Auch ist richtig, dass durch die Forschungslogik die alltägliche Erscheinungswelt auf einige ihrer Merkmale reduziert wird und dabei notwendigerweise Komplexität verloren geht. Als Lösung dieses Konflikts schlagen Noelle-Neumann/Petersen einen richtigen Umgang mit statistischem Material vor, der konsequent den Einzahl- vom Mehrzahlbereich trennt. Oder anders ausgedrückt, den Unterschied zwischen Person und Phänomen, zwischen Individual- und Merkmalsbereich bewusst nachvollzieht. So gelten für letzteren andere Typen von Aussagen, die beispielsweise durch Angabe von Durchschnittswerten, Streuungen und Irrtumswahrscheinlichkeiten gekennzeichnet sind. Neben der Problematik der öffentlichen Wahrnehmung solcher Aggregatdaten, auf die sich obige Aussagetypen beziehen, stellen Aggregate allerdings auch für die Sozialforschung ein Handicap dar. Denn wie die Autoren Noelle-Neumann/Petersen mit dem Titel ihres Buches „Alle nicht Jeder“ implizieren, besteht das Grundproblem der Aggregatdaten darin, dass hier zwar Aussagen über „alle“ aber eben nicht über „jeden“ getroffen werden! Zwar lassen sich mit Hilfe von Aggregatdaten Veränderungen im Meinungsbild oder in der Sozialstruktur einer Gruppe (z.B. der Wählerschaft) rasch aufzeigen, welche Individuen aber aus welchen Gründen Veränderungen bewirkt haben, bleibt im Reich der Spekulation. (Noelle-Neumann/Petersen, 1996, S. 1-77)

1.2 Was sind Individual- und Aggregatdaten? – Begriffsdefinitionen

Bevor ich auf die Unterscheidung von Individual- und Aggregatdaten näher eingehen werde, sollen hier, des besseren Verständnisses halber, noch einmal kurz die wesentlichen statistischen Grundbegriffe erklärt werden, auf denen eine solche Unterscheidung beruht. Eine statistische Einheit ist der Merkmalsträger, an dem die Informationen bzw. Eigenschaften, die im Rahmen einer empirischen Untersuchung von Interesse sind, erhoben werden. Dies können Individuen, Haushalte, Unternehmen oder Wahlberechtigte sein. In der sozialwissenschaftlichen Daueruntersuchung ‚Sozio-ökonomisches Panel’ (SOEP) sind diese statistischen Einheiten beispielsweise die Haushalte und Personen, die an der Umfrage teilgenommen haben. Als statistische Masse oder Population bezeichnet man die hinsichtlich sachlicher, räumlicher und zeitlicher Kriterien gebildete Gesamtheit statistischer Einheiten. Dabei unterscheidet man zwischen der Grundgesamtheit und der Teilgesamtheit, die eine kleine Auswahl – zumeist eine Stichprobe – der ersteren ist. Im SOEP ist die Grundgesamtheit die Wohnbevölkerung Deutschlands.

Ein Merkmal nennt man die unterschiedlichen Eigenschaften der statistischen Einheiten bzw. die Menge an Merkmalsausprägungen, so ist beispielsweise die Kategorie Geschlecht ein Merkmal, männlich und weiblich dessen Ausprägungen. Man unterscheidet weiter manifeste Merkmale, die direkt gemessen werden können, von latenten Merkmalen, wie Einstellungen, die nur indirekt feststellbar sind. Als Variable bezeichnet man die den Merkmalsausprägungen zugeordneten Zahlenwerte, diese können stetig (fortlaufend) oder diskret (ohne Zwischenwerte) sein.

[...]