Zwischen Präzision und Sensitivität

Neben digitalisierungsbezogenen Fragestellungen im Kontext Lehren und Lernen im Allgemeinen rücken in jüngster Zeit auch im deutschsprachigen Raum KI-bezogene Fragestellungen im Besonderen in den Fokus der Forschung. In der weitgehend interdisziplinären Bearbeitung des Themas, international aufgegriffen unter artificial intelligence in education (AIED), sind technisch geprägte Fachdisziplinen im Vergleich zu pädagogisch-didaktischen Forschungsbereichen weitaus breiter vertreten (vgl. bspw. für die Hochschuldidaktik: Zawacki-Richter et al. 2019). Zur Stärkung eines erziehungswissenschaftlichen Zugangs wird die Generierung eines Studienkorpus exemplarisch für eine Forschungssynthese mit der Zielstellung eines systematischen Überblicks zu aktuellen Entwicklungen des KI-gestützten Lehrens und Lernens im Kontext institutioneller Bildung dargelegt. Die Entwicklung einer geeigneten Suchstrategie war geprägt von Abwägungen zwischen Präzision und Sensitivität (vgl. bspw. Campbell et al. 2018). Anhand der Prozesse Auswahl von Datenbanken, der Erstellung von Konzeptgruppen und Suchstrings sowie der Spezifizierung von Inklusionskriterien werden diese spezifiziert und für das finale, 51 Treffer umfassende Studienkorpus datenbankbezogen aufgezeigt. Es wird argumentiert, dass die Darlegung von Kennwerten zu Sensitivität und Präzision der verwendeten Datenquellen bei der Bearbeitung interdisziplinärer Fragestellungen, wie sie in bildungstechnologischen Themenfeldern häufig anzutreffen sind, einen Beitrag zur methodischen Qualitätsentwicklung zukünftiger Forschungssynthesen leisten kann.