Diskursqualität und IBW-Modell/Diskursqualitätsmanagement
Forschung → IBW und Diskursqualität
Studium · Forschung · Fortbildung
DQM im Arbeitszyklus
Fragen klären, belegt prüfen, Ziele abwägen, gestalten, untersuchen und korrigieren.
3.1 Qualitätsmanagement als institutionalisierte Lernfähigkeit
Eine hochwertige Online-Diskussion entsteht nicht allein dadurch, dass Nutzerinnen und Nutzer Beiträge veröffentlichen können. Sie braucht zugängliche und sichere Rahmenbedingungen, nachvollziehbare fachliche Begründungen, faire Beteiligungswege, zuständige Personen und Verfahren, mit denen Fehler tatsächlich korrigiert werden. Genau hier setzt das Diskursqualitätsmanagement (DQM) an. Es organisiert die fortlaufende Auseinandersetzung damit, unter welchen Bedingungen Diskurse stattfinden, wie ihre Qualität beurteilt wird und wie begründete Kritik zu Veränderungen des Systems und seiner Inhalte führt.
In der Dissertation von Glanz wird DQM aus der Informationsqualitätsforschung, dem IBW-Kommunikationsmodell und den 60 Diskursqualitätskriterien entwickelt. Die entscheidende Verschiebung besteht darin, Qualität nicht als statische Eigenschaft einzelner Veröffentlichungen zu behandeln. Qualität ist vielmehr auch das Ergebnis geregelter Beziehungen und rückgekoppelter Prozesse zwischen System, Kommunikationsgegenstand, Personen und Sende- und Empfangsaktivitäten. Die Arbeit verortet hierfür unter anderem die Idee einer Dauerevaluation, die Bedeutung der Expertinnen- und Experteneinbindung, die Transparenz von Entscheidungen und das Zusammenspiel verschiedener Diskursräume (Glanz 2016, Kap. 2.5.5, 3.8, 4–5).
Für eine heutige Forschungsseite muss DQM allerdings stärker zwischen Qualitätsziel, Maßnahme, Beobachtung und behaupteter Wirkung unterscheiden. Ein eingebauter Bewertungsbutton ist eine Maßnahme; die Zahl seiner Klicks ist eine Beobachtung; daraus folgt noch nicht, dass er zu besseren Argumenten oder zu demokratischerer Teilhabe führt. Erst ein geeignetes Forschungsdesign kann solche Zusammenhänge untersuchen. Ein seriöses DQM dokumentiert deshalb nicht nur Erfolge, sondern auch Grenzfälle, unerwünschte Wirkungen und gescheiterte Interventionen.
3.2 Normative Leitideen und praktische Verantwortlichkeiten
Der Zweck eines DQM für Bildungsportale lässt sich in sechs miteinander verbundenen Leitideen zusammenfassen. Wissenschaftlichkeit verlangt prüfbare Quellen, offengelegte Methoden und die Anerkennung von Unsicherheit. Verständigungsorientierung fordert begründete Erwiderungen, die Fähigkeit zur Korrektur und eine Trennung zwischen Person und Argument. Partizipation verlangt erreichbare Wege, um Fragen, Einwände und neue Beiträge einzubringen. Herrschaftsberücksichtigung macht institutionelle Zuständigkeiten, Privilegien und Ausschlussmechanismen sichtbar. Bildungsorientierung richtet sich auf Lernprozesse und verantwortliches Handeln, nicht bloß auf Nutzerbindung. Revidierbarkeit erlaubt es, Standards und Entscheidungen aufgrund neuer Evidenz zu ändern.
Diese Leitideen sind keine einheitliche Messskala. Sie können auch in Spannung zueinander geraten. Fachliche Sorgfalt braucht Zeit, während Teilnehmende schnelle Antworten erwarten. Offene Revision kann auf Datenschutz und Urheberrecht stoßen. Ein reputationsgestütztes Fachreview kann verlässlicher prüfen, aber zugleich neue Stimmen benachteiligen. Ein professionelles DQM löst diese Konflikte nicht durch die Behauptung vollständiger Harmonie, sondern durch transparente Verfahren, überprüfbare Entscheidungskriterien und dokumentierten Dissens.
Die operative Kernfrage lautet daher: Wer hat die Befugnis, eine Änderung vorzuschlagen, zu prüfen, zu beschließen, umzusetzen, anzufechten und später erneut zu evaluieren? Fehlt darauf eine Antwort, bleibt „Qualitätsmanagement“ ein Etikett.
3.3 Die vier Kategorien in einem gemeinsamen Kreislauf
Die Dissertation ordnet die Diskursqualität in System, Objekte, Personen und Prozesse ein. Im DQM bilden sie keine isolierten Abteilungen, sondern ein Wirkungsgefüge:
| Kategorie | Qualitätsverantwortung | Typische Maßnahme | Typischer Nachweis |
|---|---|---|---|
| System | Funktionen, Zugang, Rollen, Sicherheit, Versionierung | barrierefreier Zugang, Revisionsansicht, Rechtematrix | technischer Test, Systemprotokoll, Nutzungsstudie |
| Objekte | Behauptungen, Quellen, Lerninhalte, Medien, Ergebnisse | Quellencheck, Belegstatus, Review, aktualisierte Fassung | versionierter Artikel, Reviewbeleg, Quellenregister |
| Personen | Kompetenzförderung, Anerkennung, Zuständigkeit, Schutz | Diskurstraining, Peer-Review-Einführung, Moderation | freiwillige Qualifizierung, Aufgabenprotokoll, Befragung |
| Prozesse | nachvollziehbare Sendung, Empfang, Feedback und Entscheidung | strukturierte Einwände, Eskalation, Fristen, Einsprüche | Prozesshistorie, Fallakte, Fallauswertung |
Die Kategorie Personen darf nicht mit einer umfassenden Vermessung menschlicher Fähigkeiten verwechselt werden. Das DQM sollte prüfbare Aufgaben und Verfahrensrollen dokumentieren, nicht Menschen in ein vermeintlich objektives Persönlichkeitsranking einteilen. Insbesondere aus „Vorwissen“, „Wille“, „Bewusstsein“ oder „Vernunft“ als historischen IBW-Kategorien dürfen keine unbegründeten automatischen Einzelnoten für Teilnehmende abgeleitet werden.
Auch die Inhalt–Bedeutung–Wirkung-Ordnung ist durchgängig zu berücksichtigen. Eine Veränderung der Inhaltsdarstellung kann Interpretation erleichtern; ein begründetes Review kann die Bedeutung einer These neu fassen; ein dokumentierter Beschluss kann einen Kurs ändern. Umgekehrt kann eine unerwartete Wirkung eine neue Revision des Inhalts auslösen. In dieser Rückkopplung liegt der besondere Nutzen des DQM für dynamische Forschungsportale.

Abbildung: Diskursqualität als überprüfbarer Entwicklungsprozess. Grundlage: Glanz 2016, Kap. 2.5 und 3.8 · neue schematische Operationalisierung für MOOCwiki. Editierbare Vektorfassung (SVG) · Abbildung und Herkunft.
3.4 PDCA je Kriterium Planen, Erproben, Prüfen, Verbessern
Die folgende Verfahrensordnung ist eine heutige Konkretisierung des in der Dissertation verwendeten PDCA-Ansatzes. Eine formative Evaluation begleitet und verändert hier einen Entwicklungsprozess; der Begriff bezeichnet nicht das statistische Messmodell formativer Indikatoren aus Kapitel 2.8.
Glanz knüpft an den von der Qualitätsmanagementliteratur geprägten Plan–Do–Check–Act-Zyklus an (Dissertation Kap. 1.4 und 2.5.5). Ein solches Verfahren kann für einzelne DQ-Kriterien eingesetzt werden, darf jedoch nicht als technischer Selbstläufer missverstanden werden. Die vier Phasen sind nachfolgend als wissenschaftlich prüfbarer Arbeitsablauf präzisiert:
3.4.1 Plan Ziel, Beobachtung und Risiken festlegen
Am Anfang steht ein hinreichend bestimmtes Qualitätsproblem. Beispiele sind: Bei Fachartikeln ist der Prüfstatus unklar oder Einwände aus dem Open Space erreichen das Fachreview selten. Die Beteiligten definieren die Untersuchungseinheit, die betroffenen Gruppen und einen Ausgangswert, soweit ein solcher sinnvoll messbar ist. Sie legen eine Intervention, überprüfbare Erfolgskriterien, mögliche Nebenwirkungen und die Dokumentationspflicht fest. Vor Beginn wird möglichst auch festgehalten, welche Befunde gegen die geplante Maßnahme sprechen würden.
Für demokratisch sensible Entscheidungen müssen Interessenkonflikte, legitime Gegenpositionen und die Zuständigkeit für die Freigabe benannt werden. Wenn Minderjährige oder andere schutzbedürftige Personen beteiligt sind, werden Datenschutz und Forschungsethik bereits hier berücksichtigt.
3.4.2 Do begrenzte Änderung mit nachvollziehbarer Version
Die Maßnahme wird möglichst kontrolliert eingeführt. Das kann ein neuer Editor für strukturierte Argumente, ein erweitertes Quellenformular, ein barrierefreies Video-Transcript, ein öffentlicher Korrekturworkflow oder ein neues Reviewformat sein. Wichtig sind eine Dokumentation der Version, des Zeitpunkts, des betroffenen Inhalts, der Verantwortlichen und eines realistischen Rückbauwegs. Änderungen ohne Protokoll verhindern später die Rekonstruktion, welche Funktion ein beobachtetes Ergebnis begünstigt haben könnte.
Die Umsetzungsphase sollte nicht mit großflächiger Veröffentlichung verwechselt werden. Neue Bewertungs- oder Reputationsverfahren können zunächst in einem abgegrenzten Pilotbereich getestet werden. Der Ausbau erfolgt erst nach Prüfung der tatsächlichen Folgen.
3.4.3 Check Daten, Gegenbeispiele und Unsicherheit auswerten
Geprüft wird nicht nur, ob die Funktion technisch vorhanden ist. Entscheidend ist, ob sie im gegebenen Kontext das vorgesehene Problem tatsächlich bearbeitet. Dazu können Nutzerstudien, qualitative Interviews, Codierungen, Zugänglichkeitsaudits, Reviewprotokolle oder kontrollierte Vergleichsverfahren dienen. Die Auswertung muss zwischen Beobachtung, Interpretation und Schlussfolgerung unterscheiden.
Besondere Aufmerksamkeit gilt negativen und unbeabsichtigten Folgen: Verringert eine komplexe Bewertungsmaske die Beteiligung? Verlagern sich kritische Stimmen auf nicht sichtbare Kanäle? Werden Lernende durch eine Prüfplakette zu unkritischer Übernahme ermutigt? Entstehen unerwünschte Datenspuren? Eine bloß steigende Nutzungszahl wäre unter solchen Umständen kein ausreichender Erfolgsnachweis.
3.4.4 Act begründet entscheiden und revidierbar halten
Auf Grundlage der Prüfung wird eine Maßnahme übernommen, angepasst, zurückgenommen oder in eine neue Erprobung überführt. Das Ergebnis wird dokumentiert; relevante Minderheitspositionen und Unsicherheiten bleiben sichtbar. Anschließend beginnt der nächste Zyklus. Eine längerfristige Nachkontrolle ist notwendig, denn eine anfangs erfolgreiche Funktion kann unter gewandelten Bedingungen neue Probleme erzeugen.
DQM ist so verstanden eine institutionalisierte Fähigkeit zur Selbstkorrektur. Die Dauerhaftigkeit liegt im Recht auf neuerliche Prüfung, nicht in der Annahme einer beliebig hohen Messfrequenz oder permanenten Bewertung einzelner Personen.
3.5 P4P MOOCs und die gemeinsame Herstellung von Bildung
Die Dissertation entwickelt in Kapitel 5 das Konzept der P4P Mini-MOOCs. P4P bedeutet dort Peer for Peer, im schulischen Kontext auch Pupil for Pupil: Lernende erstellen überschaubare Lernangebote füreinander. Gegenüber einer bloßen technischen Verbindung zwischen Gleichgestellten betont das für eine pädagogische Beziehung. Die Entwicklungslinie von Kurzfilmkanon und MOOCit zu den heutigen aiMOOC- und MOOCwiki-Vorhaben führt damit von multimedialen Lerngegenständen zur gemeinsamen Produktion und Prüfung von Bildung. Die heutigen Portale werden hier in dieser vom Autor beschriebenen Projektgeschichte betrachtet, nicht allein anhand wechselnder Domainnamen. (Glanz 2016, Kap. 5.4 und 5.8)
Dieser Gedanke bleibt auch bei einer umfangreichen KI-gestützten Kursproduktion wichtig. Lernende sollen nicht ausschließlich fertige Angebote auswählen. Sie können Fragen stellen, Beispiele aus ihrer Praxis beisteuern, Erklärungen verbessern, Quellen überprüfen und selbst Lernobjekte erstellen. Lehrende unterstützen die Aufgabenwahl und fachliche Reflexion. Die Redaktion sorgt für geeignete Veröffentlichung und nachvollziehbare Zuständigkeit. Ein von ChatGPT verfasster Entwurf wird nicht allein durch seine Verfügbarkeit zum P4P-MOOC; entscheidend ist die gegenseitige pädagogische Arbeit mit dem Angebot.
Ein möglicher Qualitätsfall beginnt bei einem kurzen Lernvideo, das eine Seminargruppe für eine andere Gruppe vorbereitet. Die empfangende Gruppe benennt eine unklare Erklärung. Beide Gruppen arbeiten die Bedeutungsdifferenz heraus; eine Fachperson prüft die neue Darstellung; die Redaktion dokumentiert Fassung, Quellen und Entscheidung. Inhalt, Bedeutung und Wirkung werden so in einer konkreten Aufgabe verbunden. Ob dieses Verfahren Transfer, Selbstständigkeit oder Anerkennung verbessert, muss mit Vergleich und geeigneten Aufgaben untersucht werden. Das Konzept legt eine überprüfbare Arbeitsform nahe, keinen garantierten Lernerfolg.
3.6 Dreifachbewertung als institutionelle Form menschlicher Verantwortung
Bereits die Dissertation behandelt die Verbindung von Redaktion, Expertinnen und Experten sowie Open Space als wesentlich für Online-Diskurse. Die Dreifachbewertung macht sichtbar, dass Qualität aus verschiedenen Perspektiven begründet werden muss. Eine Redaktion verantwortet Veröffentlichungsstandards und Aktualisierung. Fachkundige Lehrende oder andere Expertinnen und Experten untersuchen Sachfragen und didaktische Eignung. Lernende bringen Verständnisprobleme, Nutzungserfahrungen, Gegenbelege und neue Themen ein. Keine dieser Perspektiven kann die anderen vollständig ersetzen. (Glanz 2016, Kap. 3.8–4)
Für den technischen Auditstand vom 10. November 2026 ist eine Dreiteilung nachweisbar. Das serverseitig gelesene AiMoocRatingRepository unterscheidet redaction, teacher und learner. Es führt Bewertungen von eins bis fünf Sternen nach Rollen getrennt und berechnet je Gruppe Mittelwert und Anzahl. Redaktion wird unter anderem anhand administrativer Rechte, die Lehrendenrolle anhand entsprechender Rechte oder Gruppen bestimmt. Der native Lesecheck bestätigte die Bereitschaft der zugehörigen Tabelle. Die API verlangt für die Abgabe Registrierung und Berechtigung und prüft den Lesezugang. In diesem Audit wurde keine Bewertung abgegeben. (E10)
Diese Umsetzung ist ein wichtiger Anschluss an die historische Idee, benötigt aber eine präzise Einordnung. Drei Sternwerte sind noch keine drei begründeten Gutachten. Ein Konto mit Lehrendenrechten belegt nicht automatisch Fachzuständigkeit für jedes Thema. Ein redaktionelles Votum kann institutionell verantwortlich und dennoch fachlich falsch sein. Eine große Zahl positiver Lernendenurteile kann gute Nutzbarkeit anzeigen, aber auch gefällige Vereinfachung belohnen. Fachliche Gründe, Erfahrungsberichte und redaktionelle Entscheidungen sollten deshalb getrennt sichtbar bleiben. Die Skala von eins bis fünf Sternen ist außerdem nicht die historische DQ-Rubrik von null bis zwei Punkten. Auch die drei Bewertungsbereiche sind nicht mit den drei IBW-Ebenen gleichzusetzen: Redaktion, Fachreview und Open Space können jeweils Inhalt, Bedeutung und Wirkung untersuchen.
Ein weiterentwickelter Reviewfall könnte zu jeder Aussage drei unterschiedliche Rückmeldungen führen: ein redaktionelles Votum zu Quelle, Sprache, Rechten und Aktualität; ein fachlich begründetes Urteil mit Zuständigkeit und Gegenbelegen; und eine Rückmeldung aus dem Open Space zu Verständnis, Praxisbezug und unbeantworteten Fragen. Die Rückmeldungen beziehen sich auf eine konkrete Fassung. Bleiben sie unvereinbar, zeigt das Portal den Dissens und die Zuständigkeit für den nächsten Schritt. Ein gemittelter Gesamtstern darf diese Differenz nicht unsichtbar machen.
Die durchlässigen Reputationsgrenzen betreffen den Weg eines Beitrags. Ein überprüfbarer Gegenbeleg aus dem Open Space muss eine Fachprüfung auslösen können. Eine fachliche Korrektur muss die Redaktion erreichen. Eine redaktionelle Ablehnung braucht einen verständlichen Grund und einen möglichen Einspruch. Das historische Bild der Quorumsmembran gibt dafür eine Richtung vor; ein bereits implementierter, wissenschaftlich validierter Schwellenalgorithmus wurde hier nicht festgestellt. Die Durchlässigkeit sollte vor einer automatischen Hochstufung von Personen an nachvollziehbaren Fallwegen erprobt werden.

Abbildung: Dreifachbewertung und Human-in-the-Loop. Quellen: Glanz 2016, Kap. 3.8–4; MOOCwiki-Quellstand vom 10.11.2026, Auditbeleg E10. Editierbare Vektorfassung (SVG) · Abbildung und Herkunft.
3.7 Human in the Loop im gesamten Qualitätskreislauf
Im KI-Zeitalter gewinnt diese Architektur zusätzliche Bedeutung. Human-in-the-Loop sollte nicht auf einen letzten Bestätigungsbutton reduziert werden. Menschen bestimmen Forschungsfrage, Zielgruppe und zulässige Daten; prüfen Quellen und Aufgaben; beurteilen Gegenargumente; entscheiden über Veröffentlichung; und bleiben für spätere Korrekturen erreichbar. KI kann bei Programmierung, Strukturierung, Übersetzung und Entwürfen helfen. Sie trägt dadurch keine eigene fachliche oder demokratische Legitimation.
Die Verbindung zur Dreifachbewertung ist funktional: Redaktion, Fachprüfung und Open Space setzen an unterschiedlichen Fehlerquellen an. Die Redaktion kann eine ungekennzeichnete Behauptung entdecken; eine Lehrperson kann einen sachlichen Fehler erkennen; Lernende können zeigen, dass eine korrekte Erklärung missverstanden wird oder an der Praxis vorbeigeht. Ein wirksames DQM muss diese Rückmeldungen in Änderungen übersetzen. Ein Prüfstatus gilt nur für den tatsächlich geprüften Umfang; die bloße Beteiligung eines Menschen garantiert noch keine sorgfältige Kontrolle.
Eine vorgeschlagene minimale Fallakte verbindet Objekt und Revision, genaue Behauptung, Quelle, beteiligte Prüfrollen, Gründe, Gegenposition, Entscheidung, Revisionsweg und Datum der Nachprüfung. KI-Provenienz wird vermerkt, soweit sie für die Beurteilung relevant ist. Nicht jede persönliche Bemerkung gehört in eine öffentliche Akte. So lässt sich menschliche Verantwortung nachvollziehbar machen, ohne Lernende umfassend zu überwachen.
3.8 Drei Diskursräume Redaktion, Fachreview und Open Space
Die in der Dissertation ausgearbeitete Verbindung von Redaktionsebene, Expertinnen- und Expertenebene und Open Space bietet einen organisatorischen Ansatz, um qualitätsgesicherte Information und offene Beteiligung zusammenzuführen. Jeder Raum besitzt eine eigenständige Aufgabe. Ihre Grenzen sind funktional, nicht Ausdruck eines unveränderlichen Menschenrangs.
Die Redaktion übernimmt die Verantwortung für veröffentlichte Grundtexte, redaktionelle Qualitätsstandards, rechtliche Prüfung und nachvollziehbare Entscheidungen. Sie sollte nicht jede wissenschaftliche Aussage als unumstößlichen Konsens ausgeben. Gerade bei strittigen Themen muss sie Quellen, Methoden, Gegenpositionen und den Status der Entscheidung sichtbar halten.
Das Fachreview untersucht Behauptungen anhand nachvollziehbarer Fachkriterien. Qualifikation und mögliche Interessenkonflikte der Prüfenden werden offengelegt, soweit dies datenschutzkonform möglich ist. Ein Gutachten sollte die konkrete Aussage und ihre Begründung beurteilen. Ein Einwand ist nicht schon deshalb unzulässig, weil er von einem fachlich nicht etablierten Konto stammt. Die fachliche Prüfung kann offen, teilöffentlich oder vertraulich organisiert werden, abhängig von Inhalt und Schutzinteressen.
Der Open Space ermöglicht neue Fragen, praktische Erfahrungen, Kritik, kreative Lösungen und Medienbeiträge. Hier findet eine wichtige Innovationsebene statt, die durch ein ausschließlich redaktionelles System schwer zu ersetzen ist. Damit die offene Beteiligung tatsächlich wirksam wird, braucht es aber dokumentierte Übergänge zu Fachprüfung und redaktioneller Entscheidung. Ein Kommentarbereich, dessen Beiträge niemals Konsequenzen haben können, genügt dieser Idee nicht.
Diese Architektur darf nicht zur „Drei-Klassen-Gesellschaft“ digitaler Beteiligung werden. Deshalb sind die Zugangsbedingungen, die Möglichkeit des Rollenwechsels, die Behandlung von Einwänden und der Umgang mit Machtasymmetrien selbst Gegenstand des DQM.
3.9 Quorumsmembran Beiträge aufwerten, ohne Menschen vorschnell zu ranken
Die Dissertation verwendet das Bild einer Quorumsmembran für die Durchlässigkeit von Grenzen zwischen Reputationsebenen. Die Grundidee ist wissenschaftlich anregend: Ein inhaltlich bedeutsamer Beitrag aus einem offenen Raum kann eine qualifizierte Behandlung durch andere Bereiche auslösen. Gerade für Bildung ist dies wichtig, weil Studierende und Lernende in Spezialfragen wertvolle Beobachtungen, Gegenbelege und neue Ideen einbringen können.
Für eine zeitgemäße Umsetzung muss klar zwischen dem historischen Konzept und einem neu zu entwickelnden Verfahren unterschieden werden. Die folgende Spezifikation ist ein Forschungs- und Designvorschlag von 2026, kein übernommener Originalalgorithmus:
- Antragsfähigkeit: Ein Beitrag lässt sich begründet für fachliche Prüfung vorschlagen; eine nicht öffentliche und barrierearme Alternative ist vorhanden.
- Transparente Auslöser: Vorschlagswege können fachliche Relevanz, überprüfbare Gegenbelege oder Hinweise auf Risiken berücksichtigen. Reine Like-Schwellen sind wegen Manipulationsanfälligkeit ungeeignet als alleinige Bedingung.
- Unabhängige Sichtung: Mindestens eine fachlich geeignete Person beurteilt den konkreten Beitrag, nicht den sozialen Status der beitragenden Person. Interessenkonflikte werden berücksichtigt.
- Nachvollziehbare Rückmeldung: Das Ergebnis lautet beispielsweise „zur Prüfung angenommen“, „Präzisierung erbeten“, „nicht ausreichend belegt“ oder „übernommen“, jeweils mit dokumentierter Begründung.
- Einspruch und Revision: Eine Ablehnung kann innerhalb definierter Regeln angefochten werden. Das Verfahren speichert nicht beliebig sensible personenbezogene Details.
- Schutz vor Missbrauch: Organisierte Massenbewertungen, Einschüchterung, Identitätszwang und diskriminierende Sprachbewertungen sollen die Prüfentscheidung nicht bestimmen.
- Evaluation: Zu prüfen ist, ob das Verfahren neue Beiträge tatsächlich berücksichtigt und dabei weder die Qualität der Prüfung noch die Sicherheit von Teilnehmenden schwächt.
Das Ziel ist somit keine automatische Hochstufung von Personen, sondern ein begründeter Übergang von Beiträgen zwischen Prüfräumen. Ein Talentförderungsaspekt kann daraus entstehen, ohne dass ein öffentliches, dauerhaftes Leistungsprofil einer Person angelegt werden muss.

Abbildung: Redaktion · Fachprüfung · offener Diskurs. Grundlage: Glanz 2016, Kap. 3.8 und 4 · neue Portalskizze mit überprüfbaren Übergängen. Editierbare Vektorfassung (SVG) · Abbildung und Herkunft.
3.10 Ein Datenmodell für nachprüfbares DQM
Die Qualität eines Diskursverfahrens ist nur dann untersuchbar, wenn seine relevanten Schritte nachvollziehbar dokumentiert werden. Dafür genügt keine unstrukturierte Kommentarspalte. Vorgeschlagen wird ein Datensatz pro Prüffall mit diesen Pflichtfeldern:
| Feld | Zweck und Mindestinhalt |
|---|---|
case_id | dauerhafte, stabile Fallkennung |
criterion_ids | ein oder mehrere betroffene Kriterien DQ01 bis DQ60 |
object_id und object_version | eindeutige Referenz auf Beitrag, Kurs oder Systemfunktion |
claim | präzise Formulierung der zu prüfenden Aussage beziehungsweise des Problems |
source_evidence | Nachweise, überprüfbare Quellen und zulässige Archivfundstellen |
counterarguments | relevante Einwände und alternative Lesarten |
review_status | Entwurf, Prüfung, Änderung erforderlich, freigegeben, strittig oder zurückgezogen |
reviewers_roles | Verantwortlichkeit und gegebenenfalls Konfliktprüfung, datensparsam |
decision_reason | nachvollziehbare Abwägung und Begründung |
appeal_process | Widerspruchsweg und Bearbeitungsstatus |
timestamps | Entstehung, Änderungen, Prüf- und Revisionsfrist |
uncertainty_and_limits | Datenlücken, nicht beantwortete Fragen, methodische Grenzen |
ai_provenance | ob und wofür KI eingesetzt wurde; menschliche Prüfung dokumentieren |
Personenbezogene Details gehören nicht automatisch in eine öffentliche Fallakte. Die öffentliche Dokumentation und die internen Zugriffsprotokolle sind getrennt zu gestalten. Für Nutzerinnen und Nutzer muss erkennbar sein, welche Daten aus welchem Zweck erhoben werden und wie Korrektur, Löschung und Beschwerde möglich sind. Die konkrete rechtskonforme Implementierung erfordert eine gesonderte Prüfung des Einsatzkontexts.
Diese Struktur kann in einem Wiki als Kombination aus Seitenvorlagen, Diskussionsseiten, Versionshistorie, Prüfkategorien und strukturierten Metadaten realisiert werden. Ob die bestehende technische Installation einzelne Funktionen unterstützt, muss vor der Umsetzung in der realen Umgebung verifiziert werden; die Nennung des Portalnamens ist kein Nachweis für einen bereits vorhandenen Funktionsumfang.
3.11 Qualitätssicherung wissenschaftlicher Aussagen
Ein DQM, das wissenschaftliche Geltungsansprüche ernst nimmt, braucht mehrere Prüfstatus. „Entwurf“, „mit Quellen belegt“, „fachlich geprüft“, „methodisch eingeschränkt“, „kontrovers“, „veraltet“ und „zurückgezogen“ können sinnvollere Aussagen sein als ein einzelnes grünes Qualitätssiegel. Damit keine Scheinpräzision entsteht, muss der Status an ein definiertes Prüfverfahren gebunden sein.
Ein möglicher Reviewprozess ist:
Einreichen. Die Autorin oder der Autor benennt Aussage, Quellen, Kontext und mögliche KI-Unterstützung. Vorprüfung. Redaktionelle oder technische Regeln überprüfen Formales, Rechte und Mindestdokumentation. Fachprüfung. Prüferinnen und Prüfer beurteilen die Kernaussagen anhand von Belegen und ihrer Fachzuständigkeit. Reaktion. Die beitragende Person kann Rückfragen beantworten oder begründet widersprechen. Entscheidung. Es wird mit Begründung veröffentlicht, vertagt oder abgelehnt. Wartung. Ablaufdatum, Wiedervorlage oder neue Evidenz lösen gegebenenfalls eine Neubewertung aus.
Bei zeitlich empfindlichen Aussagen ist Aktualität keine binäre Eigenschaft. Eine historische Quelle von 2016 kann für die Rekonstruktion des IBW-Modells zentral und unverändert gültig sein; sie kann zugleich als Quelle für die heutige Rechtslage, Portaltechnik oder den Stand der KI-Forschung veraltet sein. DQM muss deshalb Gültigkeitsanspruch und Verwendungskontext unterscheiden. Ein Quellenarchiv sollte historische Aussagen nicht nachträglich stillschweigend durch heutige Formulierungen ersetzen.
3.12 Entscheidungen Transparenz, Legitimität und Dissens
Ein transparenter Entscheidungsprozess ist nicht automatisch demokratisch. Eine nachvollziehbare Autoritätsentscheidung bleibt eine Autoritätsentscheidung, auch wenn ihre Gründe offenliegen. Ein DQM muss deshalb zusätzlich klären, wer mit welcher Legitimation entscheiden darf, welche Betroffenen einbezogen werden, welche Rechte überprüfbar sind und welche Konsequenzen eine Gegenposition haben kann.
In Forschungsportalen lassen sich grundsätzlich verschiedene Entscheidungstypen unterscheiden: fachliche Aussagen über Belegbarkeit, redaktionelle Entscheidungen über Veröffentlichung und Verständlichkeit, technische Entscheidungen über Sicherheitsanforderungen sowie partizipative Entscheidungen über Themenprioritäten. Für jede Art gelten andere Zuständigkeiten. Die Mehrheit einer offenen Abstimmung kann beispielsweise keine falsche naturwissenschaftliche Behauptung in eine richtige verwandeln. Umgekehrt kann ein Fachreview nicht allein darüber entscheiden, welche gesellschaftlichen Bildungsfragen Teilnehmende für relevant halten sollen.
Eine differenzierte Entscheidungsansicht dokumentiert deshalb Sachfrage, Zuständigkeit, Verfahren, Evidenz, Interessenlage, Ergebnis, Minderheitsposition, offene Fragen und Revisionsweg. Wo kein Konsens zustande kommt, wird der begründete Dissens nicht verborgen. Ein dokumentierter Dissens ist häufig ein legitimes und lehrreiches Ergebnis eines wissenschaftlichen Diskurses.
3.13 Digitale Sicherheit, Datenschutz und Barrierefreiheit
Die Dissertation hebt Sicherheit und Privatsphäre bereits als DQ-Kriterien hervor. Die Anforderungen sind für Forschungs- und Bildungsportale besonders hoch, weil Lernende, möglicherweise Minderjährige, Lehrkräfte und Hochschulangehörige in einem Umfeld interagieren, das ihre Leistung, Meinungen und Kompetenzzuschreibungen sichtbar machen kann. Die grundlegende Maßgabe lautet: Für die Qualitätsprüfung dürfen nicht mehr personenbezogene Informationen gesammelt werden, als begründet erforderlich und rechtlich zulässig sind.
Für die Implementierung sind mindestens rollenbasierte Rechte, sichere Anmeldung für geschützte Funktionen, nachvollziehbare Moderationsentscheidungen, dokumentierte Aufbewahrungsfristen und Schutz gegen unbefugte Veröffentlichung erforderlich. Ein öffentlicher Diskurs kann unterschiedliche Teilnahmeformen vorsehen: namentliche Fachverantwortung, pseudonyme öffentliche Beiträge, vertrauliche Meldungen und geschützte Beratungsräume. Anonymität und wissenschaftliche Verantwortlichkeit schließen einander nicht automatisch aus; die Belegpflicht bezieht sich zunächst auf die Aussage.
Barrierefreiheit gehört zur diskursiven Qualität, weil eine formal offene Debatte Personen faktisch ausschließen kann. Richtlinien wie WCAG 2.2 bieten überprüfbare technische Anhaltspunkte. Daneben sind verständliche Sprache, gut auffindbare Hilfen, Textalternativen für audiovisuelle Inhalte, Tastaturbedienbarkeit, zugängliche Formulare und assistive Technologien zu berücksichtigen. Eine rein automatische Prüfung kann nur einen Teil dieser Anforderungen abdecken. Tests mit Betroffenen sind für relevante Nutzungsszenarien vorzusehen.
Diese Schutz- und Zugangskriterien sind nicht beliebig gegen Reichweite oder Komfort verrechenbar. Ein DQM kann deshalb Mindeststandards formulieren, deren Nichterfüllung zu einem dokumentierten Stoppsignal führt, auch wenn andere Qualitätsdimensionen gute Ergebnisse zeigen.
3.14 Generative KI im DQM eine neue Prüfungsebene
Seit 2016 haben sich die Möglichkeiten automatisierter Text- und Medienproduktion stark verändert. Gerade für Lernpakete kann generative KI Vorschläge, Aufgaben, Zusammenfassungen, Übersetzungen und alternative Erklärungen bereitstellen. Gleichzeitig kann sie Quellen falsch wiedergeben, erfundene Literaturangaben erzeugen, Vorurteile verstärken und besonders selbstsicher klingende Fehler formulieren. Damit wird DQM nicht überflüssig, sondern erweitert sich um die Qualitätskontrolle maschinell erzeugter Beiträge.
Ein vorgeschlagener KI-Workflow umfasst Auftragsdokumentation, Kennzeichnung des maschinellen Anteils, Belegprüfung, fachlich-pädagogische Freigabe, Risikobewertung und spätere Revision. Der Ausdruck „KI-geprüft“ darf ohne transparentes Verfahren nicht die gleiche Bedeutung wie ein nachvollziehbares Fachreview beanspruchen. Für Forschungsseiten sollten modellgenerierte Interpretationen stets als überprüfungsbedürftige Vorschläge erkennbar sein.
KI kann sinnvoll unterstützen bei Erklärungsvarianten, Transkriptionsentwürfen, der Strukturierung von Gegenargumenten und Hinweisen auf formale Unvollständigkeit. Sie sollte ohne geeignete Schutzmaßnahmen keine abschließenden personenbezogenen Urteile über Wahrhaftigkeit, Vernunft, fachliche Eignung oder „gute Diskursteilnahme“ fällen. Wo automatische Moderation eingesetzt wird, müssen Fehlklassifikationen erfassbar, Eingriffe anfechtbar und Verantwortlichkeiten menschlich zugeordnet werden.
Die UNESCO-Leitlinien zur generativen KI in Bildung und Forschung sprechen sich für einen menschenzentrierten Umgang aus. Für das DQM folgt daraus eine institutionelle Aufgabe: Zuständigkeiten, pädagogische Eignung und Datenflüsse werden vor dem jeweiligen Einsatz geprüft. (Miao und Holmes 2023)
3.15 Drei Entwurfsszenarien für Fallstudien
Die folgenden Beispiele sind konstruierte Testfelder für MOOCwiki.org und aiMOOC.org. Sie beschreiben geplante Prüfverfahren, keine erhobenen Fälle und keine gemessenen Ergebnisse.
3.15.1 Fall A Der fachlich umstrittene Wiki-Artikel
Eine Wiki-Seite erklärt die Bedeutung von „Diskurs“ und stellt Habermas und Foucault als Varianten derselben Theorie dar. Eine Studentin weist darauf hin, dass die normative Orientierung am Konsens bei Habermas und die genealogische Untersuchung von Machtverhältnissen bei Foucault nicht ohne weiteres zusammenfallen. In einem DQM-orientierten Workflow wird der Einwand als prüfbare Differenzierung erfasst. Ein Fachreview nennt geeignete Primär- und Sekundärquellen. Die Redaktion überarbeitet die Seite, verlinkt die Änderung und belässt den Widerspruch als Teil der nachvollziehbaren Wissenschaftsgeschichte.
Erforderliche Belege: Version vor und nach der Änderung, Quellen, Reviewbegründung, Antwort auf den Einwand. Nicht ausreichender Nachweis: Zahl der Likes auf den Hinweis. Forschungsfrage: Werden fachliche Korrekturen durch dieses Verfahren schneller entdeckt und angemessener begründet als in einer unstrukturierten Diskussionsseite?
3.15.2 Fall B Das KI-generierte Lernpaket
Ein aiMOOC zu „Wahrhaftigkeit und Authentizität im digitalen Diskurs“ wurde zunächst mit KI-Unterstützung vorbereitet. Das System kennzeichnet den Entwurf als solchen. Ein Fachreview kontrolliert, ob Habermas’ Geltungsansprüche korrekt dargestellt und nicht mit automatischer Erkennung von Lügen verwechselt werden. Die pädagogische Prüfung untersucht Lernziele, Aufgaben, Barrierefreiheit und differenzierte Beispiele. Erst danach wird eine freigegebene Fassung angezeigt. Später kann ein neues Forschungsergebnis eine Revision auslösen.
Erforderliche Belege: Quellenkontrolle, fachliches Prüfprotokoll, getestete Lernaufgaben, Revisionsfrist. Nicht ausreichender Nachweis: sprachliche Flüssigkeit oder ein automatisch erzeugtes KI-Siegel. Forschungsfrage: Reduziert ein strukturiertes Review sachliche Fehler, ohne die Innovation der Kursproduktion unverhältnismäßig zu behindern?
3.15.3 Fall C Das diskursive Kurzfilmprojekt
Lernende analysieren einen Kurzfilm, dokumentieren Schnitt, Perspektive und Ton und diskutieren, wie die Darstellung politische Deutungen beeinflusst. Die Ergebnisse können als kommentierbare Filmsequenzen, Transkripte und Quellenhinweise bereitgestellt werden, soweit Medienrechte und Datenschutz dies erlauben. Eine Fachperson bewertet die filmwissenschaftlichen Schlussfolgerungen, während Teilnehmende eigene Interpretationen formulieren. Die Redaktion veröffentlicht eine zusammenfassende, offene Lernressource mit kenntlich gemachten Streitpunkten.
Erforderliche Belege: rechtmäßige Mediennutzung, genaue Fundstellen, argumentativ nachvollziehbare Analysen, alternative Interpretationen. Nicht ausreichender Nachweis: isolierte Bewertungen einzelner Sequenzen ohne Kontext. Forschungsfrage: Unterstützt die multimodale, strukturierte Diskussion die Qualität filmbezogener Argumentation gegenüber einer rein textbasierten Kommentarspalte?
Alle drei Fallstudien sind Entwurfsszenarien, keine bereits gemessenen Projektergebnisse.
3.16 Ein aktueller Qualitätsfall mit klaren Grenzen
Der am 10. November 2026 festgestellte falsche Begriffseintrag auf der IBW-Seite bildet einen konkreten Ausgangspunkt für DQM. Das Original bestimmt Inhalt, Bedeutung und Wirkung; die damalige öffentliche Revision 10450 nannte Interaktion, Bildung und Welt. Quellenvergleich und Korrektur wurden am 11. November durch die neue Revision 98428 nachvollziehbar umgesetzt. Die Ausgangsrevision bleibt als Beleg erhalten. Der Fall demonstriert eine dokumentierte Textkorrektur; er weist noch keinen Lerneffekt oder eine allgemeine Verbesserung der Diskursqualität nach. (E01)
Ein zweiter Ausgangspunkt betrifft die Kunstseite. Hier können die unterschiedlichen Sätze zum Verhältnis privater und sozialer Plastik als echte begriffliche Rückfrage an den Autor formuliert werden. Die neue Analyse schlägt eine Interpretation vor, gibt sie jedoch nicht als abschließende Autorentscheidung aus. DQM macht damit auch bei eigenen Texten Einwände und Unsicherheit sichtbar. Es prüft Aussagen und Verfahren, ohne die Person als Gesamtwesen zu bewerten. (E04)
Die aktuelle Produktionsarchitektur erweitert diese Fälle: Codex unterstützt den Softwareaufbau, ChatGPT Kursentwürfe, das Wiki ihre öffentliche Korrekturfähigkeit. Lokale KI kann in freigegebenen Szenarien eigene Verarbeitung ermöglichen. Ein Bildungsbuffet erhält wissenschaftlichen und pädagogischen Wert durch begründete Auswahl, offene Lizenzen, passende Aufgaben und erreichbare menschliche Prüfung. Die ausführliche Untersuchung im Anhang zur Bildungsinfrastruktur ordnet diese Entwicklungen den Pressethemen und DQ-Kriterien zu. (E07–E12)
3.17 Indikatoren was beobachtbar ist und was nicht
Ein DQM braucht Kennzahlen und qualitative Befunde, die zu seinen Zielen passen. Reichweite kann etwa als Zahl der Sitzungen beschrieben werden, sagt aber wenig über Verständigung aus. Beteiligungsbreite kann über die Verteilung von aktiven Beiträgen zwischen Rollen untersucht werden, darf aber keine personenbezogene Überwachung rechtfertigen. Korrekturfähigkeit lässt sich über dokumentierte und fachlich bestätigte Revisionen erfassen. Begründungsqualität kann anhand eines vorab definierten Kodierschemas untersucht werden. Wahrgenommene Fairness erfordert eine Befragung oder qualitative Erhebung; sie ergibt sich nicht aus Logdateien allein.
| Untersuchungsdimension | Möglicher Indikator | Wichtige Einschränkung |
|---|---|---|
| Korrektur | Anteil der sachlich begründet bearbeiteten Einwände | „bearbeitet“ ist nicht dasselbe wie „berechtigt“ |
| Fachprüfung | dokumentierte Prüfbelege je veröffentlichtem Fachstatus | hohe Anzahl an Reviews garantiert nicht ihre Güte |
| Beteiligung | Zugang und Antwortchancen verschiedener Rollen | sensible Merkmale nicht ohne Rechtsgrundlage erfassen |
| Transparenz | Vollständigkeit nachvollziehbarer Entscheidungsakten | Akte kann transparent und Entscheidung dennoch falsch sein |
| Bildung | aufgabenspezifischer Kompetenzzuwachs | erfordert valides Testdesign und ethische Prüfung |
| Sicherheit | dokumentierte Schutzlücken und deren Bearbeitung | Null Meldungen sind kein Beweis fehlender Probleme |
| Barrierefreiheit | Erfüllung definierter WCAG-Prüfschritte und Nutzungstests | automatische Scores reichen nicht aus |
Eine qualitative Gegenprüfung bleibt unerlässlich. Wenn ein Team beispielsweise viele schnelle Korrekturen meldet, könnte dies Ausdruck eines funktionierenden DQM sein – oder eines Systems, das zunächst besonders viele mangelhafte Texte veröffentlicht. Die Interpretation braucht eine geeignete Vergleichsbasis und die Beobachtung des Gesamtprozesses.
Bei zeitlichen und kontextübergreifenden Vergleichen sollten Fallmischung, Fachgebiet, Anzahl aktiver Beteiligter, Moderationsaufwand und Komplexität der Aufgaben mitberichtet werden. Wo kleine Fallzahlen, starke Selbstselektion oder fehlende Basisdaten vorliegen, muss die Aussagekraft ausdrücklich eingeschränkt bleiben.
3.18 Eine realistische Einführungsarchitektur
Die Umsetzung sollte inkrementell erfolgen. Ein DQM braucht zunächst eine dokumentierte Quellen- und Beitragsstruktur, bevor komplexe Bewertungen eingeführt werden. Im nächsten Schritt können transparente Review- und Korrekturprozesse erprobt werden. Erst anschließend sollten umfassendere Reputations-, Quorums- oder Empfehlungsmechanismen getestet werden.
Phase 1 – Forschungsgrundlage: Originalkriterien digital erfassen, Quellenanker prüfen, Glossar und Arbeitsdefinitionen veröffentlichen, offene Fragen und Gegenpositionen kennzeichnen. Eine getrennte Datenstruktur hält historische Terminologie und heutige Interpretation auseinander.
Phase 2 – kleinster funktionierender Prüffall: Auf einer begrenzten Zahl von Forschungsseiten einen vollständigen Zyklus durchführen: Behauptung erfassen, Belege prüfen, Einwand beantworten, Änderung dokumentieren und Qualität der Rückmeldung untersuchen. Der Nutzen wird nicht allein an der Funktionsdemonstration gemessen.
Phase 3 – Lernintegration: Aus den Kriterientests Lernpakete für Studium und Fortbildung ableiten. Lernende sollen nicht nur fertige Regeln konsumieren, sondern selbst Quellen prüfen, Gegenargumente darstellen, Konfliktfälle beurteilen und DQM-Entscheidungen nachvollziehen können.
Phase 4 – Pilotvergleich: Die neu entwickelten Diskursfunktionen mit üblichen Arbeitsformen vergleichen, Ergebnisse offen auswerten und bei problematischen Folgen nachbessern. Eine wissenschaftlich begründete Revision kann auch die Reduktion unnötiger Features sein.
Phase 5 – Langzeitbetrieb: Verantwortliche für Aktualisierung, Beschwerden, Datenschutz, fachliche Prüfung, Barrierefreiheit, Quellensicherheit und wissenschaftliche Evaluation bestimmen. Ohne dauerhafte Zuständigkeiten bleibt selbst eine gute Pilotoberfläche instabil.
Die Phasen sind Abhängigkeitsstufen, keine Behauptung über den aktuellen Entwicklungsstand der genannten Portale. Vor jeder Realisierung müssen Infrastruktur und organisatorische Berechtigungen geprüft werden.
3.19 Governance Rollen, Konflikte und Korrekturbefugnisse
Ein Qualitätsmanagement erfordert Verantwortliche, ohne den Diskurs vollständig zu zentralisieren. Vorgeschlagen wird eine transparente Rollenstruktur. Autorinnen und Autoren verantworten ihre Einreichungen und beantworten fachliche Rückfragen. Redaktionelle Verantwortliche prüfen Veröffentlichungsstandards und treffen dokumentierte Entscheidungen. Fachprüfende untersuchen die ihnen zugewiesenen Sachfragen und legen Interessenkonflikte offen. Moderierende schützen Teilnehmende und sichern die Prozessregeln, ohne automatisch über die fachliche Wahrheit aller Beiträge zu entscheiden. Forschende evaluieren Verfahren und legen methodische Grenzen offen. Datenschutz- und Sicherheitsverantwortliche besitzen bei relevanten Risiken eigenständige Eskalationswege.
Eine mögliche Rollenmatrix unterscheidet außerdem zwischen Vorschlag, Fachvotum, verbindlicher Entscheidung, Umsetzung und Einspruch. Keine Person soll allein aus ihrer Popularität alle diese Befugnisse erhalten. Wo Interessenkonflikte vorliegen, wird ein unabhängiger Prüfweg eröffnet. Fehlverhalten wird anhand klarer Regeln, nicht anhand der inhaltlichen Unbeliebtheit einer Position behandelt.
Für die Forschung ist ein Beirat mit pluralen Perspektiven sinnvoll: Kommunikations- und Sprachwissenschaft, Philosophie, Sozialwissenschaften, Bildungsforschung, Informatik, Barrierefreiheit sowie Vertreterinnen und Vertreter der lernenden Praxis. Er soll nicht nur bestehende Überzeugungen bestätigen, sondern alternative Deutungen und Fehlannahmen sichtbar machen. Seine Zusammensetzung ist selbst öffentlich begründungspflichtig.
3.20 Kritik und Risiken des DQM
Ein umfassendes DQM birgt seine eigenen Risiken. Ein sehr komplexer Prüfprozess kann Menschen von Beteiligung abhalten. Zahlreiche Qualitätsabzeichen können den Eindruck wissenschaftlicher Gewissheit erzeugen, die durch die Belege nicht gedeckt ist. Starke Redaktionsrechte können zur Verfestigung bestehender Sichtweisen führen; völlig offene Systeme können durch Massenkampagnen oder koordinierte Desinformation vereinnahmt werden. KI-Unterstützung kann den Eindruck schneller Qualitätssteigerung schaffen, während sie tatsächlich neue Fehlerkategorien produziert. Eine hohe Zahl formaler Regeln kann außerdem den gesellschaftlichen Wert kreativer, noch nicht etablierter Ansätze unterschätzen.
Aus diesen Gründen muss das DQM selbst der Diskursqualitätsprüfung unterliegen. Seine Kriterien, Eingriffe, Unterscheidungen und Machtwirkungen sind Gegenstände des öffentlichen und wissenschaftlichen Diskurses. Regeländerungen sollten versionsgeführt, begründet und evaluierbar sein. Auch die Frage, wann weniger Steuerung die bessere Gestaltung sein kann, ist ausdrücklich zulässig.
Ein weiteres Problem betrifft die Messung: Die 60 DQ-Kriterien lassen sich nicht sämtlich mit gleicher Präzision erfassen. Technische Verfügbarkeit ist anders zu prüfen als Wahrhaftigkeit oder Erkenntnis. Quantitative Skalierung aller Bereiche auf dieselben numerischen Werte kann eine Scheingenauigkeit erzeugen. Ein wissenschaftlich angemessenes DQM verwendet daher mehrere Methoden, getrennte Qualitätsdimensionen, qualitative Fallanalysen und explizite Unsicherheit.

Abbildung: Vom Portalmerkmal zum Lernergebnis. Neue Forschungsskizze 2026 · Bezug: Glanz 2016; DQI 2003; Community of Inquiry 2000. Editierbare Vektorfassung (SVG) · Abbildung und Herkunft.
3.21 Forschungsagenda für die nächste Phase
Die Kennungen F1–F7 entsprechen dem Forschungsprogramm der Wiki-Seite und der maschinenlesbaren Forschungsfragen-Datei. Sie benennen prüfbare Fragen, keine bereits bestätigten Wirkungen.
F1 Struktur und Verstehen: Eine explizite IBW-Gliederung könnte die Unterscheidung von Befund, Deutung und Forderung erleichtern. Vergleichbare neue Fallaufgabe; alternative Erklärungen wie Vorwissen berücksichtigen.
F2 Quellen und Begründung: Ein leicht nutzbarer Belegweg könnte die Passung von Behauptung und Quelle verbessern. Unabhängige Bewertung der Belegpassung; Mehrarbeit und Abbrüche miterheben.
F3 Rollen und Status: Thematische Fachprüfung könnte Orientierung bieten, sichtbarer Status aber Urteile verzerren. Getrennte Untersuchung von Belegqualität und Rollenhinweis; Verblindung vorab planen.
F4 Offenheit und Beteiligung: Durchlässige Vorschlags- und Einspruchswege könnten Beteiligung und faire Behandlung fördern. Teilnahme, begründete Ablehnungen und Erfahrungen verschiedener Gruppen erfassen.
F5 Training und Transfer: Ein Diskurstraining könnte die faire Gegenpositionsrekonstruktion in einem neuen Fall verbessern. Vorher-, Nachher- und verzögerte Transferaufgabe mit geeigneter Vergleichsbedingung.
F6 KI und Handlungsfähigkeit: Eine freiwillige sprachliche Hilfe könnte Gründe klarer machen und zugleich Vertrauen oder Teilnahme mindern. Gesprächsqualität, Akzeptanz und Autonomie getrennt untersuchen; gesonderte Freigaben vor Einsatz.
F7 Codebuch und Übertragbarkeit: Die 60 Kriterien könnten je nach Fach, Sprache und Aufgabe unterschiedlich gut beobachtbar sein. Mehrere Codierende, dokumentierte Nichtanwendbarkeit und Vergleich der Messbedeutung.
Als Querschnittsfrage wird in allen sieben Untersuchungsfeldern der notwendige Moderations-, Prüf- und Pflegeaufwand erfasst. Diese Ressourcenfrage erhält hier keine abweichend belegte F-Kennung. Die Verfahren können in qualitativen Fallanalysen, kontrollierten Vergleichen und partizipativer Entwicklungsforschung untersucht werden.
3.22 Schlussfolgerung Qualität als überprüfbare gemeinsame Verantwortung
Ein DQM für digitale Bildung sollte nicht vorrangig die Reputation von Personen verwalten, sondern die Prüfbarkeit von Behauptungen, die Qualität der Diskursbedingungen, die Sichtbarkeit begründeter Einwände und die Verbindlichkeit nachvollziehbarer Revisionen stärken. In diesem Sinn übersetzt das DQM die IBW-Perspektive in institutionelles Handeln: Inhalte werden zugänglich und belegbar, Bedeutungen werden offen diskutierbar, Wirkungen werden verantwortet und später überprüft.
Für MOOCwiki.org und aiMOOC.org liegt die Chance nicht darin, möglichst viele Funktionen oder Abzeichen gleichzeitig einzuführen, sondern einen dauerhaften, lernfähigen Wissenschafts- und Bildungsprozess aufzubauen. Ein solcher Prozess verbindet redaktionelle Verlässlichkeit, fachliches Review und offene Mitwirkung, ohne deren Spannungen zu verdecken. Wissenschaftliche Strenge zeigt sich letztlich auch darin, eigene Qualitätsannahmen zu kritisieren, Misserfolge zu dokumentieren und begründete Änderungen tatsächlich umzusetzen.
NEWSLernweltNOAH fragen
