Advanced methodological_designs_(German)

Note: This is the German version of this entry. The original, English version can be found here: Advanced methodological designs. This entry was translated using DeepL and only adapted slightly. Any etymological discussions should be based on the English text.

Hintergrund[edit]

Die Konzeption einer wissenschaftlichen Studie basiert auf Erfahrung und bedeutet, auf den Schultern von Riesen zu stehen. Jede wissenschaftliche Disziplin, die aktiv zur Schaffung empirischen Wissens beiträgt, hat Wege etabliert, wie Wissen am besten geschaffen werden kann. Diese Normen sind oft spezifisch für bestimmte Disziplinen oder Fachgebiete, doch es gibt auch ko-evolutionäre Muster, die zeigen, dass Wege, die zu optimalen Ergebnissen führen – also zu den bestmöglichen Konsequenzen –, nicht nur vom Kontext der Forschung bestimmt werden, sondern dass es stattdessen einheitliche Wege geben kann, die bestimmte Linien der Wissensschaffung vereinen.

Es gibt keinen klaren Grenzwert oder Kriterien, die ein Forschungsdesign als fortgeschritten definieren. Das Wort „fortschrittlich” bedeutet modern und gut entwickelt, und dies sollte es uns ermöglichen, eine Reihe von Definitionen abzuleiten, die einfache Designs von fortschrittlichen Designs unterscheiden. Einfache Designs sind seit langem etabliert, aber nicht gut gealtert. Das Wissen, das einfache Designs hervorbringen, mag robust sein, aber es ist zu vereinfachend in Bezug auf die Forschungsfragen oder Hypothesen, die es uns ermöglicht zu beantworten. Beispielsweise haben einfache statistische Tests nach wie vor einen gewissen Wert für die erste Prüfung von Daten, aber ein Großteil des quantitativen Teils der Wissenschaft hat sich längst zu komplexeren Fragen weiterentwickelt. Fortschrittliche Designs stehen somit an der Grenze des aktuellen Wissens. Sie schaffen das Wissen, das derzeit die Entwicklungsgrenze in dem jeweiligen Bereich darstellt. Fortschrittliche Designs unterscheiden sich jedoch von experimentellen Designs, da letztere weit entfernt sind und nicht von der Mehrheit der Wissenschaftler allgemein anerkannt werden. Daher können wir eine Abfolge von einfach über fortschrittlich bis experimentell bilden, wobei fortschrittliche Designs einen Mittelweg zwischen robusten, aber anachronistischen einfachen Designs und experimentellen, aber nicht gut getesteten und etablierten Designs darstellen.

Dies charakterisiert fortschrittliche Designs mit einer gewissen Komplexität, die von den Forscher*innen, die sie einsetzen, eine gewisse Erfahrung erfordert. Im Sinne von Kuhn sind fortschrittliche Designs die Methoden, die das Gefüge der normalen Wissenschaft in Richtung neuartiger Erkenntnisse erweitern. Fortschrittliche Designs funktionieren jedoch bereits in großem Maßstab und stellen keine extrem innovativen Ausreißer in der Wissensgenerierung dar, die zwar ein höheres Innovationspotenzial haben, aber auch ein höheres Risiko des Scheiterns bergen. Fortschrittliche Designs haben einen Komplexitätsgrad, der über das reine Lehrbuchwissen hinausgeht, aber von den Forscher*innen verlangt, dass sie das Design an die Komplexität der Wissensproduktion anpassen können. Während das Wort „Design” intuitiv eher mit deduktiver Forschung in Verbindung gebracht wird, kann induktive Forschung ebenso als ‘designed’ bezeichnet werden. So können beispielsweise Interviews selbst in ihrer offensten Form immer noch auf vielen normativen Schritten aufbauen, wie der Identifizierung der Befragten, der ersten Kommunikation mit ihnen, der Festlegung der Interviews selbst und den verschiedenen Formen der Analyse. All dies zeugt von vielfältigen Ansätzen, die als mehr oder weniger innovativ angesehen werden können und die Schaffung neuartigen Wissens ermöglichen.

Zu diesem Zweck ist vieles, was als fortgeschritten angesehen werden kann, nicht unbedingt rein methodisch bedingt. Vielmehr können es die Forschungsthemen der zugrunde liegenden Theorie sein, die die Forschung in Richtung fortschrittlicher Designs vorantreiben. Ein Paradebeispiel für eine solche Innovation ist das Ostrom-Framework, das sich auf die Systemdynamik des Ressourcenmanagements konzentriert. Die Innovation selbst besteht jedoch in der Kombination der theoretischen Grundlagen von Elinor Ostrom mit der Untersuchung durch eine spezifische innovative Linse. Fortschrittliche Designs sind die breitere Avantgarde wissenschaftlicher Innovation in der empirischen Forschung.

Was leisten fortschrittliche Designs?[edit]

Fortschrittliche Designs nähern sich neuartigen Erkenntnissen und erschließen damit Neuland in den jeweiligen Wissenschaftsbereichen. In Bezug auf die Wissensproduktion erfordern fortgeschrittene Designs daher eine gewisse Innovation, die über das hinausgeht, was bereits zuvor beantwortet wurde. Dies beschränkt sich nicht nur auf die bloße Kombination eines Forschungsobjekts oder -themas, der zugrunde liegenden Theorie und der verwendeten Methoden, sondern fügt ein Element hinzu, das an sich neuartig ist. Beispielsweise ist die bloße Reproduktion einer zuvor durchgeführten Studie in der Regel keine Innovation, sondern lediglich eine Bestätigung, zumindest wenn alle Dinge gleich bleiben. Fortschrittliche Designs erweitern somit unser Wissen entweder durch ein neues Forschungsobjekt, eine Modifikation einer Theorie oder einen wirklich neuen methodischen Ansatz. Wir sollten diese Denkweise nicht auf eine einzelne Studie beschränken, sondern Wissenschaft eher als eine Form der Schwarmintelligenz verstehen, bei der eine größere Gemeinschaft von Wissenschaftler*innen zu einer neuen Denk- oder Handlungsweise übergeht.

Ein prominentes Beispiel in der Statistik ist die Implementierung von Mixed-Effect-Modellen, die die Erstellung und Analyse komplexerer Daten ermöglichen. Kurz gesagt ermöglichen Mixed-Effect-Modelle zufällige Informationen oder kompliziertere verschachtelte Designs in der Regressionsanalyse. Obwohl dieser statistische Ansatz bereits seit Jahrzehnten bekannt war, bevor er an Bedeutung gewann, war es die Implementierung in frei verfügbarer Software, die den Weg zu seinem Erfolg ebnete. Ohne Softwarelösungen wäre die breitere Implementierung von Mixed-Effect-Modellen unmöglich gewesen, und die damit verbundenen Innovationen in der Ökologie, Psychologie, Medizin und anderen Wissenschaftszweigen wären ausgeblieben. Dieses Beispiel veranschaulicht, dass statistische Forschungsdesigns bis zur Verbreitung von Mixed-Effect-Modellen weitgehend auf wenige Hypothesen beschränkt waren, und somit eher einfache Designs darstellen, die wenige Interaktionen testeten und hinsichtlich Stichprobengrößen und Prädiktorvariablen eher zahm waren. Mit anderen Worten: Die weit verbreiteten ANOVA-basierten Designs, die vor dem Aufkommen von Mixed-Effect-Modellen die fortschrittlichen Designs dominierten, waren bereits zahm und zielten auf einfache, eher mechanistische und vermeintlich kausale Fragen ab. Diese ANOVA-Studiendesigns galten einst als fortschrittliche Designs, doch seitdem sind Jahrzehnte vergangen. Die zwischen den Weltkriegen etablierten ANOVAS waren der Motor für statistische Forschungsdesigns, bis der Aufstieg der Computer den Aufstieg von Open-Source-Software ermöglichte, was zu vielen methodischen Innovationen führte. Mixed-Effect-Modelle ermöglichten somit die Untersuchung komplexerer Forschungsfragen und öffneten neue Türen zu bisher unerschlossenem Wissen, schufen aber auch andere Sackgassen, die zuerst erkundet werden mussten. Die Reproduzierbarkeitskrise in der Psychologie ist ein Beispiel dafür, wie jede Macht korrumpiert, sogar die statistische Macht. Die Disziplin der Psychologie hat sich seitdem direkt mit diesem Problem auseinandergesetzt, und seitdem hat sich viel verändert und verbessert. Diese Krise zeigt, dass Designs auch zu komplex werden können oder zumindest dazu führen, dass wir Informationen vernachlässigen, die ursprünglich relevant gewesen sein könnten. Jedes fortschrittliche Design ist daher ein komplizierter Aspekt des Tüftelns und Anpassens, der es uns letztendlich ermöglicht, solche Designs optimal zu kalibrieren. Sobald sich solche fortschrittlichen Designs etabliert haben und einfache Rezepte festgelegt sind, erreichen viele Wissenschaften einen Punkt der Trivialisierung. Was einst fortschrittlich war, wird zunehmend als einfach angesehen, und das geschaffene Wissen ist kaum noch neuartig. Das Rad der Wissenschaft dreht sich weiter. Der Entwicklungsvorsprung wird zur normalen Wissenschaft. In Bezug auf Mixed-Effect-Modelle lässt sich dieser Effekt gut beobachten, da die Diversifizierung hin zu neuartigen Ansätzen wie Strukturgleichungsmodellen, verallgemeinerten additiven Modellen oder Zeitreihenanalysen zeigt, dass die Diversifizierung und Anpassung bekannter Entwicklungsvektoren zu neuartigen Ansätzen und damit zu neuen Erkenntnissen und Wissen führt.

Diversifizierung ist ein bekanntes Muster in jeder Methodik, die eine Phase der Revolution im Sinne von Kuhn durchlaufen hat. Ist die Revolution vorbei, bleibt ein kleinerer Teil der ehemals oft mit Schlagworten operierenden Gemeinschaft übrig und wird zu Experten für die jeweiligen Methoden. Es können sich verschiedene Denkschulen herausbilden, die manchmal unterschiedliche Standpunkte oder normative Ansprüche widerspiegeln. All dies ist Teil der wissenschaftlichen Auseinandersetzung und schafft ein Ökosystem, das im besten Fall lebendig und im schlimmsten Fall dogmatisch sein kann. Methoden, die mit ehemals fortschrittlichen Entwürfen verbunden sind, verschieben sich manchmal oder sterben aus, sobald ihre Verfechter*innen in den Ruhestand gehen oder sich anderen Aufgaben zuwenden. Dies unterstreicht, dass Trends in Bezug auf methodische Innovationen bisher in der Regel eher Jahrzehnte als Jahre umspannen. Der KI-Boom Mitte der 2020er Jahre ist wahrscheinlich keine Ausnahme, schließlich gibt es viele dieser Modelle schon seit geraumer Zeit. Der einzige Unterschied besteht nun darin, dass sie der Öffentlichkeit in größerem Umfang zugänglich sind, was sowohl Vor- als auch Nachteile mit sich bringt.

Fortschrittliche Designs folgen somit einem allgemeinen Zeitplan, in dem sie vorgeschlagen, implementiert, angepasst oder diversifiziert werden und schließlich weitgehend ersetzt werden. Fast jede Generation von Wissenschaftler*innen hatte in jedem erkenntnistheoretischen Bereich ihre ganz eigene methodische Revolution, doch diese dauert oft nur einige Jahre und hält dann noch einige weitere Jahre an, in der Regel 1-2 Jahrzehnte, bevor eine neue Revolution ausgerufen wird, die dem Generationswechsel in der Wissenschaft folgt. Die fortschrittlichen Designs der letzten Generation sind oft die einfachen Designs der folgenden Generation. Methoden mögen nicht gut altern, aber zumindest können sie den Kanon des Wissens diversifizieren und einen Stapel von Ansätzen schaffen, der wie ein Sediment gelesen werden kann. Ältere Schichten befinden sich unten, und neue Schichten sammeln sich oben an. In der Regel sind es die Spitzenforschungen ihrer Zeit und ihres Fachgebiets, die eine neue Schicht auf höchster Ebene initiieren.

Eine Möglichkeit, sich mit fortschrittlichen Designs auseinanderzusetzen, liegt eindeutig in der wiederholten Anwendung von Methoden. Der Aufbau von Erfahrung basiert auf einer kontinuierlichen und breit gefächerten Anwendung, bei der sich Wiederholungen im Laufe der Zeit summieren und Anfänger*innen ermöglichen, Schwung und Erfahrung zu gewinnen. Wiederholung ist ein Schlüsselelement, doch ein weiteres wichtiges Element, um Fortschritte in Richtung fortgeschrittener Designs zu erzielen, ist die Anwendung von Methoden in unterschiedlichen Kontexten. Keine Methode kann unter allen Umständen angewendet werden, sondern hängt vom Kontext ab. Um Erfahrung zu sammeln, ist es unerlässlich zu verstehen, wie verschiedene Elemente einer methodischen Anwendung unter unterschiedlichen Umständen von Bedeutung sind. Viele Anfänger*innen suchen nach einfachen Rezepten für die optimale Anwendung einer Methode, aber so funktioniert keine wissenschaftliche Methode. Stattdessen muss man eine Vielzahl von Variationen entwickeln, die sich im Laufe der Zeit summieren. Interviews sind ein gutes Beispiel dafür. Die Durchführung von Interviews ist nur ein Teil der gesamten Methode, und schon allein die Durchführung von Interviews, die eine bestimmte Gemeinschaft repräsentieren, kann eine Aufgabe für sich sein. Die Analyse von Interviews kann ebenfalls auf unterschiedliche Weise erfolgen, sodass man bereits drei bewegliche Teile hat: Die Vorbereitung der Interviews und die Identifizierung der Interviewpartner*innen, die Durchführung der Interviews und deren Dokumentation sowie schließlich die Analyse der Vielfalt der Informationen sind drei unabhängige Komponenten, die das Gesamtergebnis bilden.

Jede Methode hat also mehrere grundlegende Elemente, die alle in verschiedenen Variationen untersucht werden können, und die Kombination der Variationen macht alle wissenschaftlichen Methoden zu endlosen Variationen eines Musikstücks. Fortschrittliche Designs sind daher ein wesentlicher Bestandteil der wissenschaftlichen Realität und bilden die Grundlage sowohl für den wissenschaftlichen Fortschritt als auch für die Tatsache, dass sich alles Wissen ständig verändert. Was auch immer als aktuelle Grundlage für fortschrittliche Designs angesehen wird, bildet somit die Grundlage für das Verständnis der aktuellen Komplexität der Welt. Was heute komplex ist, kann in Zukunft einfach werden.

Stärken und Herausforderungen[edit]

Die Kernstärke fortschrittlicher Designs besteht darin, dass sie den derzeit besten Ansatz zur Generierung neuartiger Erkenntnisse darstellen. Die Sicherheit hierfür liegt in der Vielzahl, da fortschrittliche Designs in der Regel methodische Ansätze sind, die als innovativ gelten und somit das bieten, was die meisten Forscher*innen innerhalb eines Wissenschaftszweigs nutzen, um das Fachgebiet voranzubringen. Da dies jedoch bedeutet, dass sich auch die Methodiken weiterentwickeln, mangelt es der Disziplin oft an Meta-Erfahrung, und manchmal kann sogar die Begeisterung für das Neue die Oberhand über einen wissenschaftlichen Forschungsbereich gewinnen. So entwickelte sich beispielsweise die Forschung zum Klimawandel lange Zeit hauptsächlich auf der Grundlage einer tief in der Modellierung und den Naturwissenschaften verwurzelten Perspektive, und es bedurfte einer Veränderung in dieser Forschungsgemeinschaft, um Sozialwissenschaftler einzubeziehen und einen Paradigmenwechsel hin zu Klimaschutz und Anpassung zu ermöglichen. Daher kann eine Gemeinschaft, die die Wissenschaft weiterentwickelt, insbesondere wenn dieses Wissen von der Gesellschaft diskutiert wird, eine fast unvorhersehbare konservative Wendung nehmen, da die Begeisterung durch die gesellschaftliche Debatte letztendlich zu einem Stillstand führen kann. Wenn eine Wissensblase platzt, bleibt in der Regel ein kleinerer Teil der Disziplin übrig, der in den meisten Fällen eine kleinere, aber solidere Forschungsgemeinschaft bildet. Mit anderen Worten: Eine ständige Gefahr fortschrittlicher Entwürfe besteht darin, dass sie dazu verleitet werden, ihr neues Wissen zu überbewerten. Dieses Muster wird oft durch einen gewissen Mangel an kritischer Perspektive in der empirischen Forschung verstärkt, da viele methodische Innovationen bis heute von Positivist*innen vorangetrieben werden. Diese Art von Forscher*innen neigt dazu, ihr Wissen zu überbewerten, oder es fehlt ihnen zumindest die kritische Fähigkeit, Schwächen in den aktuellen methodischen Innovationen zu erkennen.

Eine weitere Herausforderung innerhalb fortschrittlicher Designs ist die Vielfalt der verschiedenen Denkschulen. In jeder sich entwickelnden wissenschaftlichen Gemeinschaft gibt es in der Regel ein Spektrum von Pragmatiker*innen bis zu Dogmatiker*innen, und die Frage ist, ob diese beiden Forschungsgemeinschaften ihre unterschiedlichen Ansätze überdenken können. Es können jedoch auch andere Denkschulen entstehen, von denen einige auf lange Sicht im Vergleich zu anderen weniger wertvoll sein können. Fortschrittliche Designs als Testfeld für neuartige Ansätze neigen daher in ihrer Anfangsphase dazu, zu fragwürdigen, wenn nicht sogar falschen Ansätzen zu führen, was technisch als eher experimentelle Phase definiert wird. Doch Übergänge vollziehen sich schrittweise, und gerade in dieser schrittweisen Entwicklung der Wissenschaft liegen die meisten Herausforderungen in Bezug auf fragwürdige Innovationen. Dieser Prozess steht und fällt mit der Kühnheit der Fachgemeinschaft, die die neuen Ansätze überprüft und diskutiert. Einige Forschungsgemeinschaften sind überraschend dogmatisch und konservativ und unterdrücken den Fortschritt fast aktiv. Dies steht zwar im Widerspruch zur ursprünglichen Mission der Wissenschaft, ist aber dennoch ein Problem, das angegangen werden muss.

Dies hängt mit einem weiteren Problem zusammen, das mit fortschrittlichen Designs verbunden ist. Wie wir bereits festgestellt haben, werden solche Ansätze von einer breiteren Fachgemeinschaft getragen, doch die Tatsache, dass es sich dabei um Tausende oder sogar Hunderttausende von Wissenschaftler*innen handeln kann, macht sie nicht inklusiver. Fortschrittliche Designs können ein Grund für eine tiefe dogmatische Verhärtung sein, und viele Wissenschaftszweige definieren benachbarte Zweige, indem sie sie gänzlich ablehnen. Dies kann zu tiefgreifenden epistemologischen Meinungsverschiedenheiten führen, bei denen bestimmte methodische Ansätze eher von Identität als von Wissen selbst bestimmt werden. Dies ist zwar schwer nachzuverfolgen, aber es ist Teil dessen, was viele wissenschaftliche Disziplinen ausmacht. Insofern können fortschrittliche Designs ein richtiges Mittel zu einem falschen Zweck sein. Ein weiteres großes Problem bei der Etablierung fortschrittlicher Designs ist die Tatsache, dass solche Designs per Definition nicht auf (statistische) Lehrbücher reduziert werden können und sollten. Diese können als Ausgangspunkt dienen und wertvolle erste Einblicke vermitteln, aber sie können keine längere Ausbildung ersetzen, die in der Regel mindestens ein Jahrzehnt dauert, wenn man einen Doktortitel mit einbezieht. Dieser Zeitrahmen schafft ein weiteres Problem der Zeitlichkeit und veranschaulicht einen zuvor genannten Punkt: Der wissenschaftliche Fortschritt dauert Jahrzehnte, und genau diese Jahrzehnte benötigen Studierende, um sich in fortgeschrittene Designs einzuarbeiten. Die Wissenschaft arbeitet in der Regel in diesem Zeitrahmen, in dem es mindestens ein bis zwei Jahrzehnte dauert, bis methodische Innovationen stattfinden, die als radikal angesehen werden können. Die meisten Wissenschaftler*innen, die Methoden anwenden, entwickeln diese schrittweise weiter, da Paradigmenwechsel Ausnahmen sind, in Fachgemeinschaften stattfinden und Zeit brauchen, um sich zu etablieren.

Ein letzter Vorteil fortschrittlicher Designs besteht darin, dass sie in der Regel auf gesellschaftlichen Anforderungen basieren oder zumindest indirekt aus diesen hervorgehen. Wenn bestimmte Probleme eine Annäherung an Lösungen erfordern, sind diese Probleme in der Regel auch für die Gesellschaften, die mit ihnen konfrontiert sind, komplex. Das Manhattan-Projekt steht für ein solch unmittelbares und ziemlich düsteres Problem, mit dem die USA während des Zweiten Weltkriegs konfrontiert waren. Die Voraussetzungen dafür waren jedoch bereits zuvor geschaffen worden, und gerade die Eile des Manhattan-Projekts und die damit verbundenen verzweifelten Ressourcen zeigen, wie fortschrittliche Entwürfe und viel Tüftelei einen wissenschaftlichen Vorstoß unterstützen können. Dieses Beispiel verdeutlicht auch, dass solche von der Wissenschaft annähernd gefundenen Lösungen nicht unbedingt zu einer besseren Gesellschaft führen, was die potenziellen moralischen Gefahren wissenschaftlicher Innovationen verdeutlicht.

Normativität[edit]

Ein wichtiger Punkt, der sich aus diesem mechanistischen Modell der methodologischen Innovation ergibt, ist die Rolle der Technologie. Wir können und sollten methodologische Innovation nicht auf technische Innovation reduzieren, auch wenn dies mehr als verlockend erscheinen mag. Das Teleskop trug zur kopernikanischen Wende bei, Kameras und Audiorecorder revolutionierten die Interviewforschung sowie die Medienwissenschaft, Mikroskope revolutionierten die Biologie, die Genetik trieb medizinische Innovationen voran, und der jüngste KI-Boom sorgte für erhebliche Wellen in der Wissenschaft. All dies könnte dazu verleiten, methodische Innovation als bloßen Quotienten der Technologie zu betrachten. Dies ist jedoch nicht der Fall. Stattdessen müssen wir diese Entwicklungen als Teil einer umfassenderen Gesamtentwicklung betrachten. Ein Beispiel für einen solchen Prozess sind die gesellschaftlichen Veränderungen der 1950er und 1960er Jahre nach dem Zweiten Weltkrieg, als Studierendenproteste und politische Bewegungen mit einer aufkommenden kritischen Perspektive in der Wissenschaft einhergingen. Daher kann es viele ko-evolutionäre Muster geben, bei denen man sich fragen könnte, ob das eine das andere ausgelöst hat, wenn sich die Wissenschaft letztendlich als komplexes System entwickelt.

Sie als einzelne Studierende und Forscher*innen müssen entscheiden, ob sie zum etablierten Kanon der Wissenschaft beitragen und durch inkrementelle Veränderungen auf der Grundlage einfacher Entwürfe einen Beitrag leisten wollen. Es gibt viele Arbeitsplätze in der Industrie, in Organisationen, NGOs und der Gesellschaft insgesamt, die die Wissenschaft und ihre Prozesse in einen breiteren und anwendungsorientierteren Kanon des Wissens einordnen. Dennoch werden sich Wissenschaftler*innen, die aktiv zur Forschung beitragen, weiterentwickeln und voranschreiten, was dem Wesen der Wissenschaft selbst entspricht. Per Definition wollen wir mehr wissen, und dazu gehört nicht nur die Schaffung von Wissen, sondern auch die damit verbundene Verantwortung und die Konsequenzen, die sich aus unserem Wissensgewinn ergeben.

Ausblick[edit]

Fortschrittliche Designs sind der Motor des wissenschaftlichen empirischen Fortschritts, im Guten wie im Schlechten. Die bisher durchlaufenen Evolutionszyklen ähneln oft weitgehend dem Zeitrahmen, in dem Wissenschaftler*innen diese Methoden angewendet haben. Es bleibt abzuwarten, ob die große Beschleunigung auch Auswirkungen auf den wissenschaftlichen Fortschritt und seine Probleme hat. Der lange Schatten, den die KI derzeit auf die Wissenschaft wirft, kann als Zeugnis für einen solchen übergreifenden und beschleunigenden Effekt angesehen werden. Es besteht jedoch auch die Hoffnung, dass wissenschaftliche Innovationen agiler und pluralistischer werden können, wenn sich die Wissenschaft insgesamt zum Besseren verändert. Die Identität einzelner Wissenschaftler*innen könnte sich schließlich stärker von den Evolutionszyklen fortschrittlicher Designs lösen. Die Zeit wird zeigen, ob sich der wissenschaftliche Fortschritt ohne weitere Probleme weiterentwickeln kann.