Literaturreview: Studienmatrix mit KI am Volltext überprüfen

Das Problem

Frau Keller erhält eine sorgfältig formatierte Studienmatrix. Beim Nachlesen zeigt sich jedoch, dass eine Gruppengrösse aus dem Abstract stammt, ein Ergebnis aus der Diskussion und die Angabe zum Forschungsdesign lediglich geraten wurde. Die Tabelle sieht einheitlicher aus, als ihre Grundlage tatsächlich ist.

Eine Studienmatrix ordnet Informationen aus mehreren Untersuchungen in vergleichbaren Feldern. Datenextraktion bedeutet dabei, gezielt Angaben aus den Veröffentlichungen zu entnehmen. Ohne klare Felddefinitionen werden unterschiedliche Sachverhalte leicht in derselben Spalte vermischt.

Die pädagogische Aufgabe ist, das Lesen und begründete Zuordnen zu üben. KI kann mögliche Textstellen finden, aber die Studierenden müssen erklären, weshalb eine Stelle das betreffende Tabellenfeld tatsächlich ausfüllt.

So lösen Sie es mit KI – Schritt für Schritt

1. Legen Sie den Zweck der Matrix fest. Öffnen Sie Forschungsfrage und Auswahlplan. Notieren Sie nur Felder, die für den geplanten Vergleich gebraucht werden; eine umfangreiche Tabelle ohne Bezug zur Frage erschwert die Kontrolle.

1. Definieren Sie die Felder mit Beispielen. Unterscheiden Sie untersuchte Personen, tatsächlich ausgewertete Personen, Studiendesign und gemessenes Ergebnis. Halten Sie für jede Spalte fest, was hineingehört und wie fehlende Angaben gekennzeichnet werden.

1. Verknüpfen Sie Berichte derselben Untersuchung. Eine Studie kann mehrere Veröffentlichungen haben. Geben Sie Studie und Bericht getrennte Kennungen, damit dieselben Teilnehmenden oder Ergebnisse später nicht unbemerkt mehrfach gezählt werden.

1. Bearbeiten Sie zuerst einen geeigneten Volltext. Verwenden Sie nur Material, das im gewählten Dienst verarbeitet werden darf. Lassen Sie KI zu jedem Feld einen Wert, die Fundstelle und eine kurze Textgrundlage vorschlagen; leere Felder sollen nicht aus ähnlichen Studien ergänzt werden.

1. Kontrollieren Sie Zahlen und Einheiten. Lesen Sie Tabellenüberschriften, Fussnoten und den zugehörigen Ergebnisteil. Prüfen Sie Bezugsgruppe, Messzeitpunkt und Bedeutung der Kennzahl; eine Zahl ohne diese Angaben ist für den Vergleich oft unbrauchbar.

1. Trennen Sie Entnahme und Deutung. Schreiben Sie eine beobachtete Ergebnisangabe in ein anderes Feld als Ihre Bewertung der Aussagekraft. Lassen Sie bei Widersprüchen zwischen Abstract und Volltext beide Stellen sichtbar stehen, bis eine fachliche Klärung möglich ist.

1. Geben Sie die geprüfte Zeile frei. Markieren Sie, wer welche Angaben am Original kontrolliert hat. Testen Sie die Felddefinitionen an einem methodisch anders aufgebauten Text und passen Sie die Vorlage nötigenfalls mit dokumentierter Begründung an.

Vorlage zum Kopieren

Ich erstelle eine Lehrvorlage für eine Studienmatrix.
Forschungsfrage: [Frage]
Felddefinitionen: [Spalten und genaue Bedeutung]
Freigegebener Volltextauszug mit Seitenangaben: [Text]
Studienkennung und Berichtkennung: [Kennungen]
Ausgabe je Feld: Wert | Fundstelle | kurze Textgrundlage |
fehlende Information | notwendige menschliche Prüfung.
Keine Vermutungen als Daten eintragen. Unterschiedliche Messzeitpunkte und
Bezugsgruppen trennen. Widersprüche ausdrücklich markieren.
Deutungen in einer eigenen Spalte ausweisen, nicht als entnommene Befunde.

Ersetzen Sie die Platzhalter durch Ihre Lehrsituation und ausschliesslich durch zur Nutzung freigegebene Inhalte.

Wie sieht eine kontrollierbare Zeile aus?

Das Cochrane-Handbuch zur Datenentnahme betont die Verbindung zwischen Studien, ihren Berichten und systematisch erfassten Angaben. Für Ihre Lehrveranstaltung sollten Sie daraus eine zur Fragestellung passende, überschaubare Vorlage ableiten, statt eine umfangreiche fremde Tabelle unverändert zu übernehmen.

Eine zusätzliche Kontrollspalte ist besonders hilfreich, wenn mehrere Personen zusammenarbeiten. «Geprüft» sollte bedeuten, dass die angegebene Stelle tatsächlich gelesen wurde. Ein zweiter KI-Durchlauf allein ist dafür kein gleichwertiger Ersatz.

Worauf Sie achten müssen

• Daten begrenzen: Geben Sie keine Personendaten von Studierenden oder Schülerinnen und Schülern in öffentliche KI-Dienste ein. Verwenden Sie für Lehrübungen erfundene Fälle oder freigegebenes Material; prüfen Sie auch Kommentare und angehängte Dateien.
• Fehler erkennen: KI kann plausible, aber falsche Aussagen erzeugen. Eine flüssige Erklärung, eine Quellenangabe oder eine selbst vergebene Sicherheitseinstufung ersetzt keine Kontrolle am Ausgangsmaterial.
• Eigenständigkeit erhalten: Lassen Sie Lernende zuerst einen eigenen Vorschlag festhalten und danach eine Änderung begründen. Besprechen Sie Unsicherheiten persönlich, statt eine KI-Rückmeldung als Urteil über die Person zu behandeln.
• Zugang fair gestalten: Stellen Sie bei Lehrveranstaltungen eine gleichwertige Arbeitsmöglichkeit ohne privaten Bezahlzugang bereit. Klären Sie bei jüngeren Teilnehmenden zusätzlich die Altersbedingungen und die notwendige Begleitung.
• Örtliche Regeln klären: An Schweizer Hochschulen und PH gelten die Vorgaben der jeweiligen Institution und des Moduls; kantonale Rahmenbedingungen können unterschiedlich sein. Klären Sie zulässige Hilfsmittel, Offenlegung und offene Rechtsfragen mit den zuständigen Fachstellen im Einzelfall.

Ein Beispiel aus der Praxis

Ein erfundenes Beispiel: In einem Seminar in Chur übernimmt ein Team die anfängliche Teilnehmendenzahl als Grundlage sämtlicher Ergebnisse. Frau Keller lässt die Fussnote der Ergebnistabelle lesen. Dort wird deutlich, dass nicht alle Personen in diese Auswertung eingegangen sind.

Die Studierenden trennen die verschiedenen Bezugsgruppen und vermerken den Messzeitpunkt. Anschliessend prüfen sie ähnliche Felder in den übrigen Texten. Die Matrix ist weniger glatt, bildet die Untersuchungen aber genauer ab.

So hilft Ihnen Alpasana

Mit KI und IT für konkrete Arbeitsaufgaben können Sie die dafür nötige KI-Arbeitsweise üben. Das Angebot umfasst unter anderem Datenverständnis, strukturierte Arbeit mit KI, Qualitätsprüfung und Einsatzregeln. Praxisaufgaben helfen Ihnen, die Prüfung von Ergebnissen in einen wiederholbaren Arbeitsablauf zu übersetzen.

Für Frau Keller ist das eine Grundlage, um eigene Lehrvorlagen bewusster zu gestalten und Ergebnisse nachvollziehbar zu kontrollieren. Die fachliche Beurteilung wissenschaftlicher Arbeiten und die Freigabe durch Ihre Hochschule bleiben bei den dafür zuständigen Personen.

Häufige Fragen

Darf die Matrix nur auf Abstracts beruhen?

Dann müssen Sie diesen begrenzten Informationsstand ausdrücklich benennen. Für detaillierte Angaben zu Methode und Ergebnissen ist der Abstract häufig nicht ausreichend; offene Felder brauchen eine Volltextprüfung.

Was mache ich bei widersprüchlichen Zahlen im Artikel?

Notieren Sie beide Angaben mit Fundstellen und prüfen Sie deren Bezugsgruppen. Bleibt der Widerspruch bestehen, klären Sie ihn über die Betreuung oder geeignete fachliche Rückfragen, statt einen Wert frei auszuwählen.

Kann ich qualitative und quantitative Studien gemeinsam erfassen?

Ja, wenn die Matrix gemeinsame Grundangaben und passende getrennte Felder enthält. Erzwingen Sie keine identischen Ergebnisfelder für grundsätzlich unterschiedliche Arten von Erkenntnissen.

Für den nächsten Arbeitsschritt helfen Ihnen Literaturüberblick mit KI: Widersprüche statt Quellenlisten und Literaturreview: Einschlusskriterien mit KI präzisieren.