Stefan Hradil definiert soziale Ungleichheit als die unterschiedliche Verteilung von Ressourcen, Chancen und Macht in einer Gesellschaft. Intersektionalität bezieht sich auf die Wechselwirkungen verschiedener sozialer Kategorien wie Geschlecht, Klasse und Ethnizität, die gemeinsam die soziale Position und Erfahrungen einer Person bestimmen. Hradil betont, dass soziale Ungleichheit und Intersektionalität eng miteinander verbunden sind und dass eine umfassende Analyse sozialer Ungleichheit die Berücksichtigung verschiedener sozialer Kategorien erfordert. **

Die Intersektionalität ermöglicht es, verschiedene soziale Kategorien wie Geschlecht, Klasse und Ethnizität zu berücksichtigen und ihre Auswirkungen auf die mittelalterlichen Quellen zu analysieren. Dadurch können bisher vernachlässigte Perspektiven und Erfahrungen sichtbar gemacht werden. Ein Nachteil könnte jedoch sein, dass die Anwendung der Intersektionalität auf mittelalterliche Quellen aufgrund der begrenzten Informationen und Quellenlage herausfordernd sein kann. Zudem besteht die Gefahr, dass moderne Konzepte und Kategorien auf eine historische Epoche projiziert werden, die diese möglicherweise nicht in derselben Weise verstanden hat. **

Statistische Signifikanz bezieht sich auf die Wahrscheinlichkeit, dass ein beobachteter Effekt nicht zufällig ist, während praktische Bedeutsamkeit die Relevanz und Auswirkungen dieses Effekts im realen Leben betrachtet. Ein Ergebnis kann statistisch signifikant sein, aber dennoch keine praktische Bedeutung haben, wenn der Effekt zu gering ist. Es ist wichtig, sowohl die statistische Signifikanz als auch die praktische Bedeutsamkeit bei der Interpretation von Forschungsergebnissen zu berücksichtigen. **

Statistische Signifikanz bezieht sich auf die Wahrscheinlichkeit, dass ein beobachteter Effekt nicht zufällig ist, während praktische Relevanz die Bedeutung dieses Effekts im realen Kontext beschreibt. Ein Ergebnis kann statistisch signifikant sein, aber dennoch keine praktische Relevanz haben, wenn der Effekt zu klein ist, um einen tatsächlichen Unterschied zu machen. Es ist wichtig, sowohl die statistische Signifikanz als auch die praktische Relevanz bei der Interpretation von Daten zu berücksichtigen. **

Statistische Signifikanz bezieht sich auf die Wahrscheinlichkeit, dass ein beobachteter Effekt nicht zufällig ist, während praktische Relevanz darauf hinweist, ob dieser Effekt tatsächlich einen bedeutsamen Unterschied in der realen Welt ausmacht. Ein Ergebnis kann statistisch signifikant sein, aber dennoch keine praktische Relevanz haben, wenn der beobachtete Effekt zu gering ist. Forscher sollten daher sowohl auf statistische Signifikanz als auch auf praktische Relevanz achten, um fundierte Schlussfolgerungen zu ziehen. **

"Wichtigkeit 2" bezieht sich auf einen mittleren Grad der Bedeutung oder Priorität. Es zeigt an, dass etwas nicht so dringend oder entscheidend ist wie "Wichtigkeit 1", aber dennoch eine gewisse Relevanz hat. Es könnte bedeuten, dass etwas beachtet oder erledigt werden sollte, aber nicht unmittelbar. **

Statistische Signifikanz bezieht sich auf die Wahrscheinlichkeit, dass ein beobachteter Effekt nicht zufällig ist, während praktische Relevanz darauf hinweist, ob dieser Effekt tatsächlich einen bedeutsamen Unterschied im realen Leben macht. Ein Ergebnis kann statistisch signifikant sein, aber dennoch keine praktische Bedeutung haben, wenn der Effekt zu gering ist. Forscher sollten daher sowohl auf statistische Signifikanz als auch auf praktische Relevanz achten, um fundierte Schlussfolgerungen aus ihren Ergebnissen ziehen zu können. **

Relevanz bezieht sich auf die Wichtigkeit oder Bedeutung einer Sache in Bezug auf einen bestimmten Kontext oder ein bestimmtes Thema. Etwas ist relevant, wenn es direkt mit dem Thema oder der Fragestellung zusammenhängt und einen signifikanten Einfluss oder Beitrag dazu hat. Die Relevanz einer Information oder eines Arguments ist entscheidend, um deren Bedeutung und Nutzen zu bestimmen. **