IDPA-Daten auswerten: KI-Deutungen kritisch hinterfragen

Das Problem

Eine kleine Befragung oder eine begrenzte Beobachtung liefert interessante Ergebnisse. Die KI macht daraus jedoch schnell Aussagen über «die Lernenden» oder «die Unternehmen» insgesamt. Frau Keller möchte helfen, den eigenen Befund ernst zu nehmen, ohne seine Reichweite zu übertreiben.

Bei der interdisziplinären Projektarbeit, kurz IDPA, bezeichnet Interpretation die begründete Einordnung der Ergebnisse. Sie ist nicht dasselbe wie die blosse Beschreibung einer Tabelle. Der Unterschied muss sichtbar bleiben, besonders wenn das Material lückenhaft ist oder mehrere Erklärungen zulässt.

Richten Sie Auswertung, Dokumentation und Offenlegung von KI-Hilfe an den Vorgaben Ihrer Berufsmaturitätsschule aus. Stimmen Sie methodische Fragen mit der Betreuung ab und berücksichtigen Sie die Beiträge der beteiligten Fächer zur gemeinsamen Untersuchungsfrage.

So lösen Sie es mit KI – Schritt für Schritt

1. Frage und Erhebung nochmals abgleichen. Öffnen Sie den Untersuchungsplan und halten Sie fest, was gefragt und tatsächlich erhoben wurde. Eine Stichprobe ist der untersuchte Teil einer grösseren Gruppe; repräsentativ wäre sie, wenn sie diese für die untersuchte Frage angemessen abbildet. Notieren Sie, wie Personen oder Fälle ausgewählt wurden und welche Gruppen oder Situationen fehlen.

1. Datenbestand nachvollziehbar ordnen. Bewahren Sie Originalmaterial geschützt auf und arbeiten Sie mit einer getrennten Auswertungsfassung. Dokumentieren Sie fehlende Angaben, Ausschlüsse und Korrekturen. Persönliche Rohdaten, Interviewtranskripte und identifizierbare Freitexte gehören nicht in öffentliche KI-Dienste; für die Demonstration nutzen Sie fiktive Daten.

1. Beschreibungen selbst erstellen. Berechnen Sie die benötigten Summen oder Anteile mit kontrollierten Formeln und passender Bezugsgrösse. Bei Textmaterial legen Sie Kategorien fest, also begründete Gruppen für ähnliche Aussagen. Halten Sie fest, nach welcher Regel eine Aussage einer Kategorie zugeordnet wird.

1. KI nach möglichen Deutungen fragen. Geben Sie ausschliesslich ein geeignetes fiktives Unterrichtsbeispiel oder schulisch geklärte, nicht identifizierende Informationen ein. Lassen Sie Beobachtung, mögliche Erklärung und fehlenden Nachweis getrennt ausgeben. Die KI darf weder fehlende Antworten ergänzen noch neue Interviewzitate erzeugen.

1. Alternative Erklärungen prüfen. Suchen Sie bewusst nach Fällen, die nicht zur ersten Deutung passen. Fragen Sie, ob Auswahl, Fragestellung, Zeitpunkt oder Auswertungsentscheidung das Ergebnis mitgeprägt haben könnten. Eine angenehme Erklärung wird nicht dadurch stärker, dass sie sprachlich besonders überzeugend klingt.

1. Reichweite jeder Aussage begrenzen. Ersetzen Sie pauschale Formulierungen durch genaue Bezüge auf das untersuchte Material. Prüfen Sie, ob ein Zusammenhang als Ursache dargestellt wurde. Wo das Vorgehen keine kausale Aussage trägt, beschreiben Sie den beobachteten Zusammenhang und die offene Frage nach seiner Erklärung.

1. Schlussfolgerung eigenständig verfassen. Lassen Sie Lernende Ergebnis, Interpretation, Unsicherheit und Bezug zur Forschungsfrage in eigenen Worten schreiben. Sie dokumentieren, welche KI-Hinweise geprüft oder verworfen wurden. Die Betreuung kontrolliert strittige methodische Punkte, bevor aus einem begrenzten Befund eine weiterreichende Empfehlung entsteht.

Vorlage zum Kopieren

Ein Prompt ist die Arbeitsanweisung an die KI. Nutzen Sie diese Vorlage als Lehrperson zur Vorbereitung und ersetzen Sie die Platzhalter ausschliesslich durch freigegebene Inhalte ohne Personendaten.

Erstellen Sie Prüffragen für meine Begleitung einer IDPA-Auswertung.
Forschungsfrage: [Frage].
Fiktiver Datenbestand oder geklärte nicht identifizierende Angaben: [Material].
Auswahl und Erhebung: [Vorgehen und Grenzen].
Bisherige Deutung: [vorläufige Aussage].
Trennen Sie Beschreibung, Interpretation und benötigten zusätzlichen Nachweis.
Suchen Sie alternative Erklärungen und mögliche Gegenbelege.
Ergänzen Sie keine Daten, Antworten oder Zitate.
Markieren Sie unzulässige Verallgemeinerungen und unbelegte Ursache-Wirkungs-Aussagen.
Formulieren Sie Rückfragen statt einer fertigen Schlussfolgerung.

Geben Sie das Auswahlverfahren und die Grenzen mit an, damit die KI nicht stillschweigend eine repräsentative Erhebung voraussetzt.

Worauf Sie achten müssen

• Privatsphäre: Geben Sie keine Schülerdaten in öffentliche KI-Dienste ein. Verwenden Sie erfundene Fälle oder sorgfältig ausgewählte sachliche Angaben; auch ohne Namen können ungewöhnliche Einzelheiten eine Person erkennbar machen.
• Verantwortung: KI kann überzeugend falsche Angaben erzeugen. Prüfen Sie Aussagen am Originalmaterial und entscheiden Sie selbst, welche Fassung Ihre Klasse erhält.
• Datenschutz und Aussagekraft: Eine zusammengefasste Tabelle kann bei kleinen Gruppen weiterhin Rückschlüsse auf Personen ermöglichen. Prüfen Sie die Freigabe mit der zuständigen Stelle; rechtliche Einzelfragen brauchen fachliche Klärung. Datenschutz und methodische Qualität sind getrennt zu beurteilen.
• Zugang und Alter: Planen Sie eine gleichwertige Aufgabe auf Papier und verlangen Sie kein privates KI-Konto. Prüfen Sie bei direkter Nutzung die schulischen Vorgaben und Altersbedingungen des Dienstes.

Ein Beispiel aus der Praxis

Ein Beispiel: Frau Keller begleitet in einer Aargauer Berufsmaturitätsschule eine Gruppe, die freiwillige Rückmeldungen zu einem Informationsangebot untersucht. Vorher formuliert der KI-Entwurf, das Angebot werde von allen Lernenden gleich wahrgenommen. Tatsächlich stammen die Angaben nur von den Personen, die geantwortet haben.

Die Gruppe überprüft die Auswahl, vergleicht abweichende Antworten und beschreibt die Grenzen der Erhebung. Nachher bezieht sich das Ergebnis ausdrücklich auf die vorliegenden Rückmeldungen. Die Schlussfolgerung nennt eine offene Frage für weitere Untersuchungen und verzichtet auf eine unbelegte Aussage über die ganze Schule.

So hilft Ihnen Alpasana

Alpasana bietet KI-Praxiskurse zu Excel, Datenverständnis und der Arbeit mit strukturierten Informationen; im Angebot KI-Praxiskurse finden Sie dafür einen möglichen Lernweg. Die Kurse greifen konkrete Arbeitsaufgaben auf, darunter Präsentationen, Projektmanagement, Excel und Datenverständnis. Praxisaufgaben und die Prüfung der Ergebnisse gehören zum beschriebenen Angebot. Sie können damit den Umgang mit KI an einer überschaubaren Aufgabe üben und anschliessend auf Ihre Unterrichtsvorbereitung übertragen.

Das Angebot ersetzt keine statistische oder wissenschaftliche Betreuung Ihrer konkreten IDPA. Sie können die erlernten Prüfroutinen übernehmen; Dateneignung, Berechnungen und Schlussfolgerungen müssen fachlich kontrolliert werden.

Häufige Fragen

Darf ich fehlende Antworten von der KI ergänzen lassen?

Nein, erfundene Antworten sind keine erhobenen Daten. Fehlende Werte werden nach einem begründeten Verfahren behandelt und als Einschränkung dokumentiert, statt unbemerkt ersetzt zu werden.

Braucht jede IDPA komplizierte Statistik?

Nein, das Vorgehen muss zur Forschungsfrage und zum Material passen. Eine sauber erklärte einfache Auswertung kann angemessener sein als ein Verfahren, dessen Voraussetzungen und Ergebnisse niemand im Projekt nachvollziehen kann.

Was tun, wenn die Daten der ursprünglichen Vermutung widersprechen?

Halten Sie den Befund fest und prüfen Sie zunächst die Auswertung auf Fehler. Bleibt der Widerspruch bestehen, gehört er in die Interpretation; die Daten werden nicht passend zur gewünschten Geschichte verändert.

Vertiefen können Sie die Arbeit mit der Auswahl einer passenden Methode und dem kritischen Lesen von Diagrammen.