Optimierung eines E-Learning-Angebots durch Studierenden-Interviews und KI-Tools. Ein Werkstattbericht aus dem Universitätsprojekt MaDaLi2 (Mannheim Data Literacy).

Autor/inn/en	Bröcher, Leonie; Schmidt, Thomas; Hartig, Isabella; Schwenzer, Jonathan; Schumm, Irene; Baldus, Niko
Titel	Optimierung eines E-Learning-Angebots durch Studierenden-Interviews und KI-Tools. Ein Werkstattbericht aus dem Universitätsprojekt MaDaLi2 (Mannheim Data Literacy).
Quelle	Aus: Berendt, Brigitte (Hrsg.): Neues Handbuch Hochschullehre. [Teil] I. Evaluation. Veranstaltungsevaluation. Stuttgart: Steiner (2025) I 1.20, S. 83-104Verfügbarkeit
Sprache	deutsch
Dokumenttyp	gedruckt; Sammelwerksbeitrag
ISSN	2198-5693
Schlagwörter	Deutschland; Mannheim
Abstract	Die qualitative Auswertung von Interviews bildet einen ressourcenintensiven Arbeitsschritt in Forschungsprojekten der Geistes-, Sozial- und Wirtschaftswissenschaften. Neben der Transkription von Audiomitschnitten stellt die inhaltliche Auswertung der textuellen Datengrundlage einen zeitaufwändigen Teil der Analyse dar. Insbesondere die Identifikation relevanter Kategorien, Muster und Zusammenhänge erfordert ein methodisch fundiertes, systematisches Vorgehen. Anhand der Evaluation des E-Learning-Angebots MaDaLi2 (Mannheim Data Literacy) für Studierende, das an der Universität Mannheim entwickelt wird, beschreiben wir den Einsatz von KI-Tools zur Audiotranskription und Large Language Models (LLMs) für die inhaltliche Auswertung. Die Vorteile und Herausforderungen eines prototypischen Workflows, der die Projektplanung, Aufgabenstellung, Datenerhebung und die abschließende Analyse der Interviewdaten mit Hilfe gängiger LLMs umfasst, werden ausführlich dargestellt. (HoF/Text übernommen).
Erfasst von	Institut für Hochschulforschung (HoF) an der Martin-Luther-Universität Halle-Wittenberg
Update	2025/3