Zusammenfassung
In der Karriere- und Laufbahnforschung stehen Forscher oftmals vor besonderen methodischen Herausforderungen. Dazu zählen vor allem der Umgang mit nominalen Beschäftigungsdaten und die Notwendigkeit, Daten aus relativ langen Zeiträumen zu erheben. Für viele Forschungsfragen sind nicht nur einzelne berufliche Stationen, sondern die gesamte berufliche Laufbahn oder Karriere von Interesse. Neben Analysemethoden für intervallskalierte oder metrische Daten sind vor allem Methoden zur Auswertung nominalskalierter Daten wichtig, da Informationen zu hierarchischen Positionen oder Stationen in der beruflichen Laufbahn am häufigsten in Kategorien erfasst werden. In diesem Kapitel stellen wir deshalb insbesondere Untersuchungsdesigns und Analyseverfahren näher vor, die speziell im Forschungsbereich zu Karrieren und beruflichen Laufbahnen Verwendung finden.
Zunächst gehen wir auf mögliche Untersuchungsdesigns ein und erläutern einige Möglichkeiten, längsschnittliche Daten zu generieren, wie zum Beispiel retrospektive Interviews oder den Zugriff auf bestehende Panelstudien. Danach wird kurz die Verwendung qualitativer Methoden in der Karriere- und Laufbahnforschung diskutiert. Bei diesen gibt es jedoch wenige Unterschiede zu anderen Forschungsbereichen. Die größte Herausforderung liegt in der Analyse quantitativer Laufbahndaten. Eine Möglichkeit ist die Anwendung von Markov-Ketten, mit welchen einfache Karriere- und Laufbahnentwicklungen erfasst werden können. Mit diesen lassen sich jedoch jeweils nur Übergangswahrscheinlichkeiten abbilden, beispielsweise zwischen verschiedenen hierarchischen Positionen oder beruflichen Status.
Anschließend gehen wir näher auf die Optimal Matching Analyse als wichtigstes Verfahren zur Sequenzdatenanalyse in der Laufbahnforschung ein. Mit dieser Methode kann man Sequenzen analysieren, welche aus räumlich oder zeitlich aneinandergereihten, nominalen Elementen bestehen. Ein Beispiel hierfür wäre eine Aneinanderreihung beruflicher oder hierarchischer Positionen über einen Zeitraum von fünfzehn Jahren. Bei dieser Analysemethode werden Laufbahnsequenzen als Ganzes betrachtet und analysiert, und nicht nur Positionen zu einzelnen Zeitpunkten. Hat man bestimmte Karrieremuster oder Beschäftigungsmuster in beruflichen Laufbahnen ermittelt, können in einem nächsten Schritt Zusammenhänge zwischen der Zugehörigkeit zu einem Laufbahn- oder Beschäftigungsmuster und Faktoren wie Karriereerfolg, Bildungsgrad oder Alter erforscht werden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Aassve, A., Billari, F. C., & Piccarreta, R. (2007). Strings of adulthood: A sequence analysis of young British women’s work-family trajectories. European Journal of Population, 23(3–4), 369–388.
Abbott, A., & Hrycak, A. (1990). Measuring resemblance in sequence data: An optimal matching analysis of musicians’ careers. American Journal of Sociology, 96(1), 144–185.
Abbott, A., & Tsay, A. (2000). Sequence analysis and optimal matching methods in sociology: Review and prospect. Sociological Methods & Research, 29(1), 3–33.
Aisenbrey, S., & Fasang, A. E. (2010). New life for old ideas: The „second wave“ of sequence analysis bringing the „course“ back into the life course. Sociological Methods & Research, 38(3), 420–462.
Andreß, H. J., Golsch, K., & Schmidt, A. W. (2013). Applied panel data analysis for economic and social surveys. Berlin: Springer.
Anyadike-Danes, M., & McVicar, D. (2005). You’ll never walk alone: Childhood influences and male career path clusters. Labour Economics, 12(4), 511–530.
Arthur, M. B., & Rousseau, D. M. (Hrsg.). (1996). The boundaryless career as a new employment principle. In The boundaryless career (S. 3–20). New York: Oxford University Press.
Axinn, W. G., Pearce, L. D., & Ghimire, D. (1999). Innovations in life history calendar applications. Social Science Research, 28(3), 243–264.
Bernard, H. R., Killworth, P., Kronenfeld, D., & Sailer, L. (1984). The problem of informant accuracy: The validity of retrospective data. Annual Review of Anthropology, 13, 495–517.
Biemann, T., & Datta, D. (2014). Analyzing sequence data: Optimal matching in management research. Organizational Research Methods, 17(1), 51–76.
Biemann, T., & Wolf, J. (2009). Career patterns of top management team members in five countries: An optimal matching analysis. The International Journal of Human Resource Management, 20(5), 975–991.
Biemann, T., Zacher, H., & Feldman, D. C. (2012). Career patterns: A twenty-year panel study. Journal of Vocational Behavior, 81(2), 159–170.
Bollen, K. A., & Curran, P. J. (2006). Latent curve models. A structural equation perspective. Hoboken: Wiley.
Brzinsky-Fay, C. (2007). Lost in transition? Labour market entry sequences of school leavers in Europe. European Sociological Review, 23(4), 409–422.
Brzinsky-Fay, C., Kohler, U., & Luniak, M. (2006). Sequence analysis with Stata. Stata Journal, 6(4), 435–460.
Dlouhy, K., & Biemann, T. (2015). Optimal matching analysis in career research: A review and some best-practice recommendations. Journal of Vocational Behavior, 90, 163–173.
Engel, U., & Reinecke, J. (1994). Panelanalyse: Grundlagen, Techniken, Beispiele. Berlin: Walter de Gruyter.
Fouad, N. A., Kantamneni, N., Smothers, M. K., Chen, Y. L., Fitzpatrick, M., & Terry, S. (2008). Asian American career development: A qualitative analysis. Journal of Vocational Behavior, 72(1), 43–59.
Gabadinho, A., Ritschard, G., Müller, N. S., & Studer, M. (2011). Analyzing and visualizing state sequences in R with TraMineR. Journal of Statistical Software, 40(4), 1–37.
Giesselmann, M., & Windzio, M. (2013). Regressionsmodelle zur Analyse von Paneldaten (Bd. 1). Wiesbaden: Springer.
Ghosh, R., & Reio, T. G. (2013). Career benefits associated with mentoring for mentors: A meta-analysis. Journal of Vocational Behavior, 83(1), 106–116.
Griffin, L. J. (1993). Narrative, event-structure analysis, and causal interpretation in historical sociology. American Journal of Sociology, 98(5), 1094–1133.
Hall, D. T. (1996). Protean careers of the 21st century. Academy of Management Executive, 10, 8–16.
Hall, D. T. (2004). The protean career: A quarter-century journey. Journal of Vocational Behavior, 65, 1–13.
Heise, D. R. (1991). Event structure analysis: A qualitative model of quantitative research. In N. G. Fielding & R. M. Lee (Hrsg.), Using computers in qualitative research (S. 136–163). London: Sage.
Hox, J. (2010). Multilevel analysis: Techniques and applications. New York: Routledge.
Joseph, D., Boh, W. F., Ang, S., & Slaughter, S. (2012). The career paths less (or more) traveled: A sequence analysis of IT career histories, mobility patterns, and career success. MIS Quarterly, 36(2), 427–452.
Kenny, D. A. (2005). Cross-lagged panel design. New York: Wiley.
Kovalenko, M., & Mortelmans, D. (2014). Does career type matter? Outcomes in traditional and transitional career patterns. Journal of Vocational Behavior, 85(2), 238–249.
Langer, W. (2004). Mehrebenenanalyse. Eine Einführung für Forschung und Praxis. Wiesbaden: Springer.
MacIndoe, H., & Abbott, A. (2004). Sequence analysis and optimal matching techniques for social science data. In M. Hardy & A. Bryman (Hrsg.), Handbook of data analysis (S. 387–406). London: Sage.
McMahon, M., Watson, M., & Bimrose, J. (2012). Career adaptability: A qualitative understanding from the stories of older women. Journal of Vocational Behavior, 80(3), 762–768.
Mainiero, L. A., & Sullivan, S. E. (2005). Kaleidoscope careers: An alternative explanation for the „opt-out generation“. Academy of Management Executive, 19, 106–123.
Manzoni, A., Vermunt, J. K., Luijkx, R., & Muffels, R. (2010). Memory bias in retrospectively collected employment careers: A model-based approach to correct for measurement error. Sociological Methodology, 40(1), 39–73.
Martin, P., Schoon, I., & Ross, A. (2008). Beyond transitions: Applying optimal matching analysis to life course research. International Journal of Social Research Methodology, 11(3), 179–199.
Ng, T. W., Eby, L. T., Sorensen, K. L., & Feldman, D. C. (2005). Predictors of objective and subjective career success: A meta‐analysis. Personnel Psychology, 58(2), 367–408.
R Core Team. (2013). R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing.
Ritchie, J., Lewis, J., Nicholls, C. M., & Ormston, R. (Hrsg.). (2013). Qualitative research practice: A guide for social science students and researchers. Sage.
Rohwer, G., & Pötter, U. (1999). TDA user’s manual. Bochum: Ruhr-Universität Bochum.
Rosenbaum, J. E. (1979). Tournament mobility: Career patterns in a corporation. Administrative Science Quarterly, 24(2), 220–241.
Savickas, M. L. (2002). Reinvigorating the study of careers. Journal of Vocational Behavior, 61(3), 381–385.
Seibert, S. E., Kraimer, M. L., & Liden, R. C. (2001). A social capital theory of career success. Academy of Management Journal, 44(2), 219–237.
Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. New York: Oxford University Press.
Spurk, D., Abele, A. E., & Volmer, J. (2011). The career satisfaction scale: Longitudinal measurement invariance and latent growth analysis. Journal of Occupational and Organizational Psychology, 84(2), 315–326.
Stead, G. B., Perry, J. C., Munka, L. M., Bonnett, H. R., Shiban, A. P., & Care, E. (2012). Qualitative research in career development: Content analysis from 1990 to 2009. International Journal for Educational and Vocational Guidance, 12(2), 105–122.
Stovel, K., & Bolan, M. (2004). Residential trajectories using optimal alignment to reveal the structure of residential mobility. Sociological Methods & Research, 32(4), 559–598.
Sullivan, S. E., & Baruch, Y. (2009). Advances in career theory and research: A critical review and agenda for future exploration. Journal of Management, 35(6), 1542–1571.
Sydow, J., Schreyögg, G., & Koch, J. (2009). Organizational PD: Opening the black box. Academy of Management Review, 34(4), 689–709.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer-Verlag GmbH Deutschland
About this chapter
Cite this chapter
Dlouhy, K., Biemann, T. (2019). Methodische Herausforderungen in der Karriere- und Laufbahnforschung. In: Kauffeld, S., Spurk, D. (eds) Handbuch Karriere und Laufbahnmanagement. Springer Reference Psychologie . Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-48750-1_40
Download citation
DOI: https://doi.org/10.1007/978-3-662-48750-1_40
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-662-48749-5
Online ISBN: 978-3-662-48750-1
eBook Packages: Psychology (German Language)