Die Arten der Diskursanalyse,
erklärt und angewendet.

Ein anderer Ansatz zur Diskursanalyse.

Diskursanalyse ist eine qualitative Forschungsmethode, die untersucht, wie Sprache in realen Kontexten verwendet wird, um Bedeutung zu konstruieren, Identitäten zu prägen, Macht auszuüben und soziale Handlungen auszuführen. Sie geht über das hinaus, was gesagt wird, um zu analysieren, wie und warum es auf bestimmte Weise gesagt wird, und welche Auswirkungen diese Sprachentscheidungen haben. Die sieben unten aufgeführten Typen teilen diesen Ausgangspunkt, divergieren aber stark in Theorie, Methode und in der Art von Frage, auf die jede ausgerichtet ist.

Die sieben Typen, Theoretiker für Theoretiker

Jede Art hat ihre eigenen Schlüsseltheoretiker, ihre eigenen typischen Anwendungen und ihre eigene Art, ein Transkript zu lesen. Dies ist die schnelle Referenz; die Abschnitte unten gehen tiefer auf die beiden ein, die die meisten Forscher unterschätzen.

• Critical Discourse Analysis (CDA), Fairclough, van Dijk, Wodak. Untersucht politische Rhetorik, Medienbias und Politiksprache. Beispiel: Wie Metaphern von “Flut” oder “Invasion” in der Berichterstattung über Einwanderung Menschen eher als Bedrohungen denn als Individuen konstruieren.
• Conversation Analysis (CA), Sacks, Schegloff, Jefferson. Studieren Sprecherwechsel, Reparatur und Adjacency Pairs im Gesundheitswesen, Gericht und Service-Gesprächen. Beispiel: Patienten wiederholen Symptome, wenn sie sich nicht anerkannt fühlen, korrelieren mit niedrigerer Zufriedenheit.
• Foucaultsche Diskursanalyse (FDA), Foucault, Parker, Willig. Untersucht, wie Institutionen Wissen, Normalität und Subjektpositionen konstruieren. Beispiel: Wie die Verschiebung von “Wahnsinn” zu “psychischer Erkrankung” den wechselnden Einfluss zwischen Medizin, Patienten und Gesellschaft widerspiegelt.
• Narrative Diskursanalyse, Labov, Riessman, Bamberg. Untersucht Erzählstruktur, Positionierung und Identität in Krankheitsnarrativen, Organisationsgeschichten und Lebensgeschichte-Interviews. Beispiel: Krebsüberlebende, die Genesung als “Reise” rahmen, berichten von unterschiedlichen Ergebnissen als diejenigen, die “Schlacht”-Sprache verwenden.
• Multimodal Discourse Analysis (MDA), Kress, van Leeuwen, Machin. Untersucht, wie Text, Bild, Sound, Gestik und Layout in Anzeigen, Social-Media-Inhalten und Videos zusammenwirken. Beispiel: Wie ein Kandidatenfoto, Slogan, Farbschema und Kampagnenmusik zusammen eine Identität aufbauen, die keine einzelne Modalität allein vermitteln könnte.
• Korpusgestützte Diskursanalyse, Baker, Partington, Stubbs. Nutzt Konkordanzanalyse, Kollokation und Schlüsselwortanalyse über große Text- oder Sprachsammlungen. Beispiel: 20 Jahre Klimaberichterstattung verfolgt von “Klimadebatte” zu “Klimakrise” durch Schlüsselwortverlagerung.
• Interaktionale Soziolinguistik, Gumperz, Tannen. Untersucht Kontextualisierungssignale, Code-Switching und Framing in interkulturellen und Gatekeeping-Situationen. Beispiel: Interviewer misslesen die kulturellen Diskursstrategien eines Kandidaten als Mangel an Qualifikation.

Die Aufnahme lesen, nicht nur das Transkript

Die meiste Diskursanalyse beginnt und endet immer noch bei einer Textdatei, auch wenn die zugrunde liegenden Daten gesprochen waren. Das lässt eine Lücke für die Arten, die Interaktion und multimodale Bedeutung lesen: Gesprächsanalyse benötigt die Pausen, Überlappungen und Intonation, die ein einfaches Transkript entfernt, und multimodale Diskursanalyse benötigt die Bilder, Gesten und Sounds, die ein Transkript von Anfang an nie erfasst hat.

Speak AI liest Aufnahmen auf drei Ebenen gleichzeitig: die gesprochenen Wörter, die Stimme dahinter (Ton, Energie, Pacing und Pausen) und das, was in der Aufnahme sichtbar ist (Gesichtsausdruck, Gesten, on-screen Inhalte). Für einen CA-Forscher bedeutet das Zeitstempel-Sprecher-Züge ohne handschriftliches Notieren jeder Überlappung. Für einen MDA-Forscher, der mit Videoint erviews oder sozialen Inhalten arbeitet, bedeutet das einen codierten Datensatz statt separates Protokollieren der visuellen und verbalen Kanäle. Eine frustrierte Pause, ein aufsteigender Pitch auf ein Schlüsselwort, ein Zögern vor der Nennung eines Konkurrenten, all das wird Teil der Daten statt verloren zwischen Recorder und Seite zu gehen.

Durchführung einer Diskursanalyse, Schritt für Schritt

• Definiere deine Forschungsfragen. Konzentrieren Sie sich darauf, wie Sprache funktioniert, nicht nur auf das, was gesagt wird. Viele Forscher verfeinern diese Phase mit einem Grounded-Theory-Themenliste, auch für Studien, die keine formalen Hypothesen testen (die meisten qualitativen Studien benötigen keine).
• Wählen Sie Ihre Daten aus und erfassen Sie sie. Geschriebene Texte, transkribierte Sprache, Social Posts, Interview-Aufnahmen oder Richtliniendokumente. Die Speak AI Qualitative Forschungsplattform und automatische Transkription die Erfassung erheblich beschleunigen.
• Transkribieren und bereiten Sie Ihre Daten auf. CA erfordert genaue Notationen von Pausen und Überlappungen; CDA kann mit Standard-Transkriptionen arbeiten. KI-gestützte Tools wie Speak's Audio-zu-Text-Konverter Der erste Durchgang wird von Ihnen für Ihre analytischen Anforderungen verfeinert.
• Führen Sie initiales Coding durch. Lesen Sie mehrmals durch und lassen Sie Ihr theoretisches Rahmenwerk leiten, worauf Sie achten. A Transkript-Analyzer und KI-gestützte Software für qualitative Codierung kann Themen der ersten Runde sichtbar machen, bevor Sie Zeile für Zeile kodieren.
• Tiefgehend analysieren. Verbinden Sie spezifische Sprachwahlmöglichkeiten, Wortwahlmöglichkeiten, Metaphern, Grammatik und rhetorische Strategie mit den makroskopischen sozialen Prozessen und Theorien, die Ihr Rahmenwerk vorhersagt.
• Interpretieren und dokumentieren. Präsentieren Sie aussagekräftige Beispiele, die die Evidenz hinter deiner Interpretation zeigen, und beziehen Sie Reflexivität über deine eigene Position als Analyst ein.

KI-Tools ersetzen nicht die interpretative Arbeit, die Diskursanalyse ausmacht, und das theoretische Urteilsvermögen hinter einer CDA-Lesart einer Metapher oder einer FDA-Lesart einer Subjektposition muss immer noch vom Forscher kommen. Was sich ändert, ist, wie viel Zeit bis zu diesem Urteil vergeht: weniger Zeit für Transkription, erste Codierungsdurchläufe und das Durchsuchen von Dateien, und mehr Zeit für die Analyse, die tatsächlich Ihre Forschungsfrage beantwortet. Einige Teams verbinden diesen Arbeitsablauf auch mit ein KI-Besprechungsassistent für Live-Recruitment-Interviews oder KI-Agenten um wiederholte Erfassungsaufgaben zu automatisieren.