Optimierung eines E-Learning-Angebots durch Studierenden-Interviews und KI-Tools

Ein Werkstattbericht aus dem Universitätsprojekt MaDaLi² (Mannheim Data Literacy)

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.