Der Begriff Mindset

Der Begriff des ‘Mindset’ ist scheinbar in aller Munde; insbesondere in der Personalverwaltung und Führung. Daher gilt es zunächst die Verbreitung des Begriffes zu quantifizieren, sowie den Kontext auszuleuchten.

Verwendung und Kontext eines neuerdings einschlägigen Begriffes lassen sich besonders einfach und schnell auf der Grundlage von Online Korpora abschätzen.

Verwendung in Büchern

Google Books stellt für die 2012er Korpora n-Gramme bereit, also die die Häufigkeit von (n) aufeinander folgenden Wörtern (Michel et al. 2011). Damit lässt sich auch die Verbreitung von einzelnen Wörtern in Büchern messen.

Die unten stehende Abbildung 1 zeigt die Verwendung des Begriffs “mindset” im englischen und deutschen Korpus. Die Rohdaten sind recht verrausscht, daher wird hier ein locally estimated scatterplot smoothing (LOESS nach Cleveland 1979) zur Glättung verwendet.

Google Books Unigramme

Abbildung 1: Google Books Unigramme

Der Begriff des “Mindsets” wird in in den letzten Jahrzehnten zunehmenden in gedruckten Werken verwandt, beginnend in englischen Veröffentlichungen in den 1980er Jahren, in deutschsprachigen Büchern dann ab den 2000er Jahren. Abgebildet sind hier die relativen Häufigkeiten der Unigramme in den jeweiligen Korpora. Spezifischere n-Grams wie etwa “growth mindset” (Dweck 2017) kommen leider in den zur Verfügung stehenden Korpora bis 2010 nicht vor.1

Suchanfragen

Suchanfragen können als grober Indikator für öffentliches Interesse an einem Thema verwendet werden (etwa Choi and Varian 2012). Google stellt mit “Google Trends” Teile dieser Suchanfragen in aggregierter Form öffentlich bereit. Die Daten auf Google Trends basieren auf einer Stichprobe von Suchanfragen bei den Google Suchmaschinen. Außerdem werden die einzelnen Suchanfragen mittels eines proprietären Themenmodells zu Suchthemen zusammengefasst. Die Suchhäufigkeiten sind zu 100 auf das jeweils häufigste Suchthema an einem Tag indiziert und können daher nicht zwischen verschiedenen Abfragen verglichen werden. Die Daten werden hier von der Google Trends API mit dem gtrendsR Package heruntergeladen (Massicotte and Eddelbuettel 2019).

Gesuchte Themen

Google Trends von Mindset Begriffen (LOESSS)

Abbildung 2: Google Trends von Mindset Begriffen (LOESSS)

Die Abbildung gibt die weltweiten Google-Anfragen zu den aufgelisteten Konzepten wieder, indiziert auf einen (rohen) Höchstwert von 100. In den ebenfalls LOESS-geglätteten Daten sind die Höchstwerte u.U. nicht mehr enthalten.

Wie man in der o.s. Abbildung sieht, wird Mindset im Kontext von Personalmanagement sowohl in den USA, als auch Deutschland und im Rest der Welt etwa seit 2012 verstärkt als Suchbegriff verwendet. Die Unterkonzepte wie “agile Mindset” und “digital Mindset” scheinen vor allem in Deutschland gesucht zu werden, was aber möglicherweise ein Artefakt der Indizierung ist: Da “Mindset” insgesamt in Deutschland sehr viel weniger verwendet wird, erscheint das Wachstum der Unterkonzepte relativ stärker.

Verwandte Suchanfragen

Google Trends veröffentlicht zu einem Suchthema auch verwandte Suchanfragen. Google Nutzer, die (beispielsweise) nach “Mindset” gesucht haben, suchten auch nach dieseren anderen Begriffen. Die genaue Definition von verwandten Suchanfragen ist nicht öffentlich.

Hier dargestellt sind die verwandten Suchanfragen von mindset, growth mindset, fixed mindset, agile* mindset und digital mindset. Bei diesen Daten handelt es sich um einen ungerichteten, partiellen Graphen: Die ursprünglichen Suchthemen können jeweils mit allen anderen Suchthemen, sowie deren verwandten Suchanfragen assoziert sein. Zu jeden der (ursprünglichen und verwandten) Suchanfragen ist die Zentralität (des Grades nach etwa Freeman 1977) errechnet. Da Assoziationen zwischen den verwandten Suchanfragen zwar denkbar, nicht aber abgefragt sind, ist die resultierende Zentralität der ursprünglichen Suchbegriffe in gewisser Hinsicht ein Artefakt der Datenerhebung. Die Zentralität der Suchbegriffe im unten stehenden Graph in der Größe der Knoten (= Nodes) wiedergegeben, sowie im Layout des Netzwerks. Die Dicke der Kanten (= Edges) reflektiert die auf 100 indizierte relative Häufigkeit der verwandten Anfragen.

Google Trends Related Queries (aus Deutschland)

Abbildung 3: Google Trends Related Queries (aus Deutschland)

Bei den Nutzern aus Deutschland zeigt sich in Abbildung 3 aufgrund der spärlichen Datenlage nur ein übersichtliches Assoziationsfeld: Die Suchbegriffe mindset, growth mindset, fixed mindset, agile* mindset und digital mindset sind schwach miteinander assoziert, aber sonst mit wenigen anderen Konzepten.

Google Trends Related Queries Weltweit

Abbildung 4: Google Trends Related Queries Weltweit

Weltweit, hier vor allem aus englischprachigen Ländern, zeigen sich in Abbildung 4 umfangreichere Beziehungen. Die ausgewählten Suchbegriffe sind stark untereinander assoziert, sowie mit verwandten Begriffen. Es dominieren aber Anfragen hinsichtlich der ursprünglichen Literatur von Dweck.

Bibliografie

Carmody, Sean. 2013. Ngramr: Retrieve and Plot Google N-Gram Data. https://github.com/seancarmody/ngramr.

Choi, Hyunyoung, and Hal Varian. 2012. “Predicting the Present with Google Trends.” Economic Record 88 (s1): 2–9. https://doi.org/10.1111/j.1475-4932.2012.00809.x.

Cleveland, William S. 1979. “Robust Locally Weighted Regression and Smoothing Scatterplots.” Journal of the American Statistical Association 74 (368): 829–36. https://doi.org/10.1080/01621459.1979.10481038.

Dweck, Carol S. 2017. Mindset: The New Psychology of Success. New York: Random House.

Francois, Romain. 2017. Bibtex: Bibtex Parser. https://CRAN.R-project.org/package=bibtex.

Freeman, Linton C. 1977. “A Set of Measures of Centrality Based on Betweenness.” Sociometry 40 (1): 35–41. https://doi.org/10.2307/3033543.

Massicotte, Philippe, and Dirk Eddelbuettel. 2019. GtrendsR: Perform and Display Google Trends Queries. https://github.com/PMassicotte/gtrendsR.

Michel, Jean-Baptiste, Yuan Kui Shen, Aviva Presser Aiden, Adrian Veres, Matthew K. Gray, The Google Books Team, Joseph P. Pickett, et al. 2011. “Quantitative Analysis of Culture Using Millions of Digitized Books.” Science 331 (6014): 176–82. https://doi.org/10.1126/science.1199644.

Pedersen, Thomas Lin. 2018. Ggraph: An Implementation of Grammar of Graphics for Graphs and Networks. https://CRAN.R-project.org/package=ggraph.

———. 2019. Tidygraph: A Tidy Api for Graph Manipulation. https://CRAN.R-project.org/package=tidygraph.

Robinson, David, and Julia Silge. 2019. Tidytext: Text Mining Using ’Dplyr’, ’Ggplot2’, and Other Tidy Tools. https://CRAN.R-project.org/package=tidytext.

Wickham, Hadley. 2017. Tidyverse: Easily Install and Load the ’Tidyverse’. https://CRAN.R-project.org/package=tidyverse.

———. 2018. Scales: Scale Functions for Visualization. https://CRAN.R-project.org/package=scales.

Xie, Yihui. 2017. Printr: Automatically Print R Objects to Appropriate Formats According to the ’Knitr’ Output Format. https://CRAN.R-project.org/package=printr.

———. 2019. Bookdown: Authoring Books and Technical Documents with R Markdown. https://CRAN.R-project.org/package=bookdown.


  1. Nur n-Gramme die in mindestens 40 Büchern vorkommen sind Teil des Datensatzes; es kann also sein dass “growth mindset” in den Korpora bis 2010 vereinzelt vorkommt.