Murat Sakal
Lernziel–Bloom-Zuordner
Ordnet Ihre Lernziele den Stufen der Bloom-Taxonomie zu, korrigiert nicht messbare Verben wie „wissen“ und „verstehen“ und schlägt für jedes Lernziel eine geeignete Prüfungsmethode vor. Die Zuordnung basiert nicht auf der oberflächlichen Bedeutung des Verbs, sondern auf der tatsächlichen kognitiven Anforderung des Lernziels. Geeignet für: Lehrende, die Lehrpläne oder Kurse entwerfen, sowie Kommissionen für Curriculumsentwicklung.
GIFT-Fragenbank + Bloom-Check
Erstellt aus Ihren Themen und Lernzielen eine vollständige Fragenbank im GIFT-Format mit Multiple-Choice-, Richtig/Falsch-, Zuordnungs-, Kurzantwort- und Lückentextfragen. Kennzeichnet für jede Frage die Stufe der Bloom-Taxonomie. Wenn sich die Fragen überwiegend auf niedrigeren Stufen (Erinnern/Verstehen) sammeln, wird dies ausdrücklich berichtet und es werden zusätzliche Fragen vorgeschlagen, die höhere Denkfähigkeiten messen. Geeignet für: Verantwortliche für Prüfungen und Evaluation sowie Fachbereichskoordinatoren, die die Qualität ihrer Prüfungspools überprüfen möchten.
Wöchentlicher Unterrichtsplaner
Erstellt aus dem von Ihnen angegebenen Unterrichtsthema und der Unterrichtsdauer einen strukturierten wöchentlichen Unterrichtsplan mit messbaren Lernzielen, die mit Verben aus der Bloom-Taxonomie formuliert sind, einem zeitlich gegliederten Unterrichtsablauf und einem Vorschlag für ein Bewertungselement. Lernziele und Aktivitäten werden stets aufeinander abgestimmt. Geeignet für: Hochschullehrende sowie Lehrkräfte, die Kurse oder Bildungsprogramme planen.
GIFT-Fragenbank für Moodle
Erstellt aus Ihrem Thema und Ihren Inhalten eine Multiple-Choice-Fragenbank im GIFT-Format, die direkt im Moodle-Bereich „Fragenbank > Import“ hochgeladen werden kann. Markiert die richtige Antwort, erstellt passende Ablenker zum Thema und vermeidet Fehler in der GIFT-Syntax. Geeignet für: Lehrende, die Moodle für ihre Kurse nutzen, und Bildungskoordinatoren, die Prüfungsfragenpools erstellen.
Statistischer Bericht + Einwände
Erstellt einen vollständigen Ergebnisteil aus Ihren deskriptiven und inferenzstatistischen Ausgaben (einschließlich Tests der Voraussetzungen). Wenn eine Verletzung der Normalverteilung oder Varianzhomogenität festgestellt wird, empfiehlt es den entsprechenden nichtparametrischen Alternativtest, statt dies zu verschweigen. Außerdem identifiziert es vorab mindestens 4 Einwände, die Gutachter in Fachzeitschriften häufig vorbringen (z. B. „Tests der Voraussetzungen nicht berichtet“, „Effektstärke nicht angegeben“, „keine Korrektur für multiple Vergleiche vorgenommen“), und liefert für jeden eine Formulierung zur Verteidigung. Für wen: Forschende, die mit quantitativen Methoden arbeiten und vor der Einreichung bei einer Fachzeitschrift Wert auf eine sorgfältige statistische Berichterstattung legen.
Gruppenvergleichs-Tests
Erstellt einen APA-7-konformen, manuskriptfertigen Ergebnistext aus den Ausgaben Ihres t-Tests, Ihrer ANOVA oder Ihres Chi-Quadrat-Tests. Verwendet das korrekte Format für die statistische Berichterstattung (t(df)=..., p=..., d=...) und interpretiert die Effektstärke anhand der Richtwerte nach Cohen. Erinnert Sie daran, bei Vergleichen von drei oder mehr Gruppen eine Methode zur Korrektur multipler Vergleiche anzugeben. Für wen geeignet: Forschende und Studierende im Aufbaustudium, die experimentelle oder vergleichende Studien durchführen.
Deskriptive Statistik
Wandelt die Ergebnisse Ihrer deskriptiven Statistik (Mittelwert±SD oder Median(IQR), n(%)) in einen akademischen Absatz zu den „Teilnehmermerkmalen“ um, der direkt in ein Manuskript übernommen werden kann, und erstellt außerdem eine formatierte Table 1. Wählt anhand des Normalitätsstatus die passende deskriptive Statistik (Mittelwert±SD oder Median(IQR)) aus und verwechselt die beiden nie. Für wen: Studierende im Aufbaustudium und Wissenschaftler:innen, die quantitative Forschung durchführen und den Abschnitt „Teilnehmende“ ihres Manuskripts schnell und korrekt verfassen möchten.
Statistikbericht + Einwände
Erstellt aus Ihren deskriptiven und inferenzstatistischen Ergebnissen (einschließlich Tests der Voraussetzungen) einen vollständigen Ergebnisteil. Erkennt er Verletzungen der Normalverteilung oder Varianzhomogenität, empfiehlt er einen nichtparametrischen Alternativtest, statt sie zu verschweigen. Außerdem identifiziert er vorab mindestens 4 Einwände, die Zeitschriftengutachter häufig vorbringen (z. B. „Voraussetzungstests nicht berichtet“, „Effektstärke nicht angegeben“, „keine Korrektur für multiple Vergleiche vorgenommen“), und liefert für jeden einen Satz zur Erwiderung. Für wen geeignet: Forschende, die mit quantitativen Forschungsmethoden arbeiten und vor der Einreichung bei einer Zeitschrift Wert auf robuste statistische Berichterstattung legen.
Gruppenvergleichs-Tester
Erstellt aus Ihren Ergebnissen von t-Tests, ANOVA oder Chi²-Tests einen APA-7-konformen, publikationsfertigen Ergebnisteil. Verwendet das korrekte Format für die statistische Berichterstattung (t(df)=..., p=..., d=...) und interpretiert die Effektstärke anhand der Cohen-Kriterien. Bei Vergleichen von drei oder mehr Gruppen erinnert das Skill daran, dass eine Korrektur für multiple Vergleiche angegeben werden sollte. Geeignet für: Forschende und Studierende im Aufbaustudium, die experimentelle oder vergleichende Studien durchführen.
Schreiber für deskriptive Statistik
Wandelt die deskriptischen Statistik-Ergebnisse des Nutzers (Mittelwert±SD oder Median(IQR), n(%)) in einen akademischen Absatz zu den „Teilnehmermerkmalen“ um, der direkt in einen Artikel übernommen werden kann, sowie in eine Tabelle im Format von Tabelle 1. Wählt je nach Normalverteilung die passende deskriptive Statistik (Mittelwert±SD vs. Median(IQR)) aus und vermischt diese niemals. Geeignet für: Studierende im Aufbaustudium und Forschende, die quantitative Studien durchführen und den Abschnitt „Teilnehmer“ ihres Artikels schnell und korrekt verfassen möchten.
Entropy-TOPSIS-ML + Einwände
Erstellt einen vollständigen Bericht zu Methoden und Ergebnissen auf Grundlage Ihrer Ausgaben zur Entropiegewichtung, TOPSIS-Rangfolge und des ML-Klassifikators (XGBoost, Random Forest, Logistic Regression usw.). Die AUC-Interpretation wird anhand der Kriterien von Hosmer & Lemeshow korrekt eingeordnet. Wenn die Leistungslücke zwischen Training und Test groß ist, wird das Überanpassungsrisiko ausdrücklich benannt. Außerdem werden mindestens 4 Einwände vorweggenommen, die Fachzeitschriften häufig von Gutachtern hören (z. B. „Wie wurde mit dem Klassenungleichgewicht umgegangen?“ oder „Es wurde kein externer Validierungssatz verwendet“), und für jeden Einwand wird eine mögliche Erwiderung vorgeschlagen. Geeignet für Forschende in der Gesundheitsinformatik, der klinischen Risikovorhersage oder der hybriden MCDM-ML-Methodik, die vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten.
TOPSIS-Entscheidungsanalyse
Erstellt aus den Ergebnissen Ihrer TOPSIS-Analyse (normalisierte Entscheidungsmatrix, Abstände zu positiven/negativen Ideallösungen und Näherungskoeffizienten) einen vollständigen, manuskriptfertigen Methoden- und Ergebnisteil. Liefert eine Rangtabelle und interpretiert, bei welchen Kriterien die besten und schlechtesten Alternativen besonders stark oder schwach abschneiden. Geeignet für: Forschende, die an multikriteriellen Rankingproblemen arbeiten, etwa bei der Lieferantenauswahl, dem Vergleich von Produkten oder Dienstleistungen oder der klinischen Entscheidungsunterstützung.
AHP-Kriteriengewichtung
Wandelt die Ergebnisse der paarweisen AHP-Vergleiche (Analytic Hierarchy Process) des Nutzers – Kriteriengewichte und Konsistenzverhältnis – in einen akademischen Abschnitt zur „Kriteriengewichtung“ um, der direkt in ein Manuskript übernommen werden kann. Wenn das Konsistenzverhältnis (CR) 0,10 überschreitet, wird dies offen angegeben, statt es zu verschweigen. Geeignet für: Forschende, die MCDM-Methoden wie TOPSIS/VIKOR verwenden und Kriteriengewichte mit AHP bestimmen, sowie Studierende im Aufbaustudium.
Entropie-TOPSIS-ML + Einwände
Erstellt aus Ihren Ergebnissen der Entropiegewichtung, TOPSIS-Rangfolge und ML-Klassifikatoren (XGBoost, Random Forest, logistische Regression usw.) einen vollständigen Bericht zu Methoden und Ergebnissen. Interpretiert AUC-Werte korrekt (nach den Kriterien von Hosmer & Lemeshow) und weist ausdrücklich auf das Risiko einer Überanpassung (Overfitting) hin, wenn der Leistungsunterschied zwischen Training und Test groß ist. Erkennt außerdem im Voraus mindestens 4 Einwände, die von Zeitschriftengutachtern häufig vorgebracht werden (z. B. „Wie wurde mit dem Klassenungleichgewicht umgegangen?“ oder „Warum wurde kein externes Validierungsset verwendet?“), und liefert für jeden eine passende Antwortformulierung. Geeignet für Forschende in der Gesundheitsinformatik, der klinischen Risikoprognose oder der hybriden MCDM-ML-Methodik sowie für alle, die vor der Einreichung bei einer Zeitschrift methodische Robustheit sicherstellen möchten.
TOPSIS-Analysebericht
Erzeugt aus Ihren TOPSIS-Analyseergebnissen (normalisierte Entscheidungsmatrix, Abstände zur positiven/negativen Ideallösung, Nähekoeffizienten) einen vollständigen, publikationsfertigen Text für Methodik + Ergebnisse. Liefert eine Ranglistentabelle und interpretiert, bei welchen Kriterien die beste bzw. schlechteste Alternative besonders hervortritt. Geeignet für Forschende, die an multikriteriellen Rangordnungsproblemen arbeiten, etwa bei der Lieferantenauswahl, dem Vergleich von Produkten/Dienstleistungen oder klinischen Entscheidungsunterstützungssystemen.
AHP-Gewichtungsautor
Wandelt die Ergebnisse der AHP-Paarvergleichsmatrix (Kriteriengewichte, Konsistenzverhältnis) direkt in einen akademischen Abschnitt „Kriteriengewichtung“ um, der in einen Artikel übernommen werden kann. Wenn das Konsistenzverhältnis (CR) 0,10 überschreitet, wird dies klar und ohne es zu verschweigen angegeben. Geeignet für Forschende und Studierende im Aufbaustudium, die mit Mehrkriterien-Entscheidungsverfahren wie TOPSIS oder VIKOR arbeiten und Kriteriengewichte mithilfe von AHP bestimmen.
PLS-SEM-Bericht + Einwände
Erstellt einen vollständigen Bericht zu Messmodell und Strukturmodell auf Grundlage Ihrer PLS-SEM-Analyseergebnisse (äußere Ladungen, CR/AVE, HTMT-Diskriminanzvalidität, Pfadkoeffizienten, R²/f²/Q², SRMR). Wendet den HTMT-Schwellenwert und die R²-Interpretation (Kriterien nach Cohen/Chin) korrekt an und vermeidet Kausalsprache. Identifiziert außerdem vorab mindestens 4 Einwände, die Zeitschriftengutachter häufig vorbringen (z. B. „Warum PLS statt CB-SEM?“ oder „Es wurde keine Kontrolle auf CMB berichtet“) und schlägt für jeden eine passende Verteidigungsformulierung vor. Geeignet für Forschende in den Wirtschafts- und Sozialwissenschaften, die PLS-SEM zur Strukturgleichungsmodellierung einsetzen und vor der Einreichung bei einer Fachzeitschrift die methodische Robustheit verbessern möchten.
Validität & Reliabilität
Erstellt aus Ihren Ergebnissen einer EFA- oder CFA-Analyse (KMO, Bartlett-Test, Faktorladungen, Fit-Indizes, Cronbachs Alpha/CR/AVE) einen vollständigen, manuskriptreifen Methoden- und Ergebnistext. Klassifiziert Schwellenwerte für Fit-Indizes korrekt (CFI/TLI≥.90, RMSEA≤.08 usw.) und berichtet Validitätsprobleme wie AVE<0.50, ohne sie zu verschweigen. Geeignet für: Wissenschaftler und Studierende, die Skalen entwickeln oder anpassen.
Cronbach-Alpha-Bericht
Wandelt die eingegebenen Reliabilitätsstatistiken (Cronbachs Alpha, Anzahl der Items, Subskalen) in einen akademischen Absatz zur „Reliabilitätsanalyse“ um, den du direkt in dein Manuskript übernehmen kannst. Erstellt eine Tabelle zur Akzeptabilität nach Subskala und weist offen auf ein niedriges Alpha (<.60) hin, statt es zu verschweigen. Geeignet für: Studierende und Forschende, die Skalen verwenden und den Methodenteil schnell und korrekt verfassen möchten.
PLS-SEM-Bericht + Einwände
Erstellt aus Ihren PLS-SEM-Analyseergebnissen (externe Ladungen, CR/AVE, HTMT zur diskriminanten Validität, Pfadkoeffizienten, R²/f²/Q², SRMR) einen vollständigen Bericht zu Messmodell und Strukturmodell. Wendet den HTMT-Schwellenwert und die Interpretation von R² (nach Cohen/Chin) korrekt an und vermeidet kausale Formulierungen. Erkennt außerdem mindestens 4 häufige Einwände von Zeitschriftengutachtern im Voraus (z. B. „Warum wurde PLS statt CB-SEM gewählt?“ oder „Es wurde keine CMB-Prüfung durchgeführt“) und liefert zu jedem eine Formulierung zur Verteidigung. Geeignet für: Forschende in Betriebswirtschaft und Sozialwissenschaften, die Strukturgleichungsmodelle mit PLS-SEM analysieren und vor einer Zeitschrifteneinreichung die methodische Robustheit prüfen möchten.
Validität & Reliabilität
Erstellt aus Ihren Ergebnissen der EFA oder CFA (KMO, Bartlett-Test, Faktorladungen, Anpassungsindizes, Cronbachs Alpha/CR/AVE) einen vollständigen, publikationsfertigen Text für Methode und Ergebnisse. Ordnet Schwellenwerte für Anpassungsindizes (CFI/TLI≥.90, RMSEA≤.08 usw.) korrekt ein und berichtet Validitätsprobleme wie AVE<0.50, ohne sie zu verschweigen. Geeignet für: Akademikerinnen und Akademiker sowie Studierende im Aufbaustudium, die Skalen entwickeln oder adaptieren.
Cronbach-Alpha-Bericht
Wandelt die von Nutzenden eingegebenen Reliabilitätsstatistiken (Cronbachs Alpha, Itemanzahl, Subdimensionen) direkt in einen akademischen Absatz zur „Reliabilitätsanalyse“ um, der in einen Artikel übernommen werden kann. Bietet eine Tabelle zur Beurteilung der Akzeptabilität nach Subdimension und weist niedrige Alpha-Werte (<.60) offen aus, statt sie zu verbergen. Geeignet für: Studierende im Aufbaustudium und Forschende, die Skalen verwenden und den Methodenteil ihrer Abschlussarbeit oder ihres Artikels schnell und korrekt verfassen möchten.
CONSORT-2010-Bericht
Aus Ihren Daten einer randomisierten kontrollierten Studie (RCT) – Randomisierungsmethode, Verblindungsstatus, Power-Analyse, CONSORT-Flusszahlen (gescreent/randomisiert/zugeteilt/analysiert) sowie ITT-/PP-Analyseansatz – erstellt es einen vollständigen Entwurf für Abstract, Methoden und Ergebnisse, der allen 25 Punkten von CONSORT 2010 entspricht. Es verwechselt ITT und PP nie und prüft die Konsistenz der Flussdiagrammzahlen (randomisiert ≥ zugeteilt ≥ nachbeobachtet ≥ analysiert). Außerdem identifiziert es vorab mindestens 4 Einwände, die Gutachter in Fachzeitschriften häufig vorbringen (z. B. „Warum wurde keine ITT-Analyse berichtet?“, „Wurde der Erfolg der Verblindung geprüft?“ oder „Wurden Endpunkte gewechselt?“), und schlägt für jeden eine Formulierung zur Entgegnung vor. Entwickelt für klinisch Forschende in Medizin, Pflege und Pharmazie, die vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten. Was es nicht tut: Es führt keine statistischen Analysen durch und generiert keine Daten – es wandelt lediglich bereits vorliegende Ergebnisse in einen CONSORT-konformen Bericht um.
STROBE-Methodenautor
Auf Grundlage Ihres Studiendesigns – Querschnitts-, Kohorten- oder Fall-Kontroll-Studie – erstellt dieser Skill aus Angaben zur Auswahl der Teilnehmenden, zu Variablen, zur Begründung der Stichprobengröße und zu statistischen Methoden einen vollständigen Entwurf für den Methoden- und Ergebnisteil. Dabei werden alle 22 Punkte der STROBE-Checkliste (Strengthening the Reporting of Observational Studies in Epidemiology) implizit berücksichtigt. Am Ende wird außerdem eine Zuordnungstabelle erstellt, die zeigt, welcher Absatz welchem STROBE-Punkt entspricht – bereit zur Beantwortung der Aufforderung einer Zeitschrift, die STROBE-Checkliste auszufüllen. Der Skill vermeidet kausale Formulierungen (verwendet bei Beobachtungsstudien „ist assoziiert mit“ statt „verursacht“) und erläutert ausdrücklich mögliche Verzerrungs- und Confounding-Quellen. Geeignet für Forschende und Fachleute aus Epidemiologie, öffentlicher Gesundheit und klinischer Forschung.
Assistent für fehlende Werte
Wenn Sie Ihre Stichprobengröße, den Anteil bzw. das Muster fehlender Daten (MCAR/MAR/MNAR), die Methode zum Umgang mit fehlenden Daten (Ausschluss von Fällen, multiple Imputation usw.) und die Methode zur Ausreißererkennung (Z-Score, IQR, Mahalanobis) eingeben, erstellt das Tool einen akademischen Absatz, den Sie direkt in den Abschnitt „Datenvorverarbeitung“ Ihres Manuskripts übernehmen können. Wenn ein methodischer Widerspruch zwischen Ihrer Methodenwahl und dem Muster fehlender Daten besteht (z. B. die Verwendung des Ausschlusses von Fällen bei einem MNAR-Muster), wird dieser ausdrücklich benannt. Geeignet für: Studierende im Aufbaustudium und Forschende, die Umfragen oder klinische Daten analysieren und den Abschnitt zur Datenvorverarbeitung schnell und korrekt verfassen möchten.
Skalen-Datenqualitätscheck
Diese Fähigkeit prüft Rohdaten aus einer im Rahmen einer Skalenentwicklungsstudie durchgeführten Umfrage systematisch auf fehlende Werte, Ausreißer, careless responding (Straightlining, Longstring, Random Responding), Verzerrungen in den itembezogenen Verteilungen sowie Voraussetzungen für Reliabilität und Faktorenanalysierbarkeit. Sie erstellt keine abschließenden EFA-/CFA-Ergebnisse, sondern liefert eine evidenzbasierte „Go/No-Go“-Entscheidung dazu, ob die Daten für die nächsten Analyseschritte bereit sind, und empfiehlt eine stratifizierte Aufteilung der Stichprobe (EFA/CFA-Split). Alle Berechnungen erfolgen durch die Ausführung echten Codes (Python: pandas, scipy, factor_analyzer, pingouin); es werden keine hypothetischen Zahlen erzeugt.
Meta-Analyse: Vollbericht
Erstellt einen vollständigen Text für Methoden, Ergebnisse und Limitationen gemäß PRISMA 2020 und dem Cochrane Handbook aus Ihren Statistiken zur Meta-Analyse (gepoolte Effektstärke, I², Q, tau² und Indikatoren für Publikationsbias). Der I²-Wert wird niemals falsch interpretiert, auch nicht im Sinne des „Anteils der Varianz“. Überzogene kausale Formulierungen werden vermieden, indem vorsichtige Formulierungen wie „Die Befunde stimmen mit … überein“ anstelle von „Die Evidenz zeigt, dass …“ verwendet werden. Am Ende werden außerdem mindestens 3 Fragen angeboten, die ein Reviewer stellen könnte, jeweils mit Formulierungen zur Beantwortung. Geeignet für: Forschende, die eine Meta-Analyse veröffentlichen und ihren Methodenteil vor der Einreichung bei einer Zeitschrift stärken möchten. Was es nicht tut: Es führt keine statistischen Berechnungen anhand von Rohdaten durch. Sie müssen Ihre R/RevMan/CMA-Ausgabe bereits erstellt haben – das Tool wandelt Ihre Ergebnisse lediglich in wissenschaftlichen Text um und interpretiert sie.
Bibliometrie-Texter
Wandelt rohe Zahlen aus VOSviewer- oder Biblioshiny-Ausgaben (Bibliometrix/R) – darunter Keyword-Häufigkeiten, Cluster in Zitationsnetzwerken, jährliche Publikationstrends sowie die Verteilung nach Ländern, Institutionen und Zeitschriften – in publikationsreifen, interpretierten akademischen Text um. Verwendet einen akademischen Ton, der beschreibt, wohin sich die Literatur entwickelt, statt rohe Zahlen zu wiederholen, und vermeidet spekulative Kausalbehauptungen. Geeignet für: Forschende, die eine bibliometrische Analyse für eine Abschlussarbeit oder einen wissenschaftlichen Artikel verfassen und Schwierigkeiten haben, Rohdaten in akademische Sprache zu übertragen. Anwendung: Füge deine Cluster-/Keyword-Liste aus VOSviewer oder deine Biblioshiny-Zusammenfassungstabelle direkt ein. Der Skill benennt und interpretiert die Keyword-Cluster thematisch und bewertet das Zitationsnetzwerk sowie die Kooperationsmuster zwischen Ländern.
PRISMA-2020-Flussdiagramm
Erstellt einen PRISMA-2020-konformen Text für ein Flussdiagramm sowie einen Protokollabsatz für Forschende, die systematische Übersichtsarbeiten durchführen. Geben Sie Ihre Screening-Zahlen aus Datenbanken ein (Identifikation → Screening → Eignungsprüfung → eingeschlossen). Das Tool prüft die Konsistenz der Zahlen und erstellt einen Text, der die Frage von Gutachtenden nachvollziehbar beantwortet: „Warum gehen in Ihrem Flussdiagramm so viele Datensätze verloren?“ Außerdem wandelt es Ihre Ein- und Ausschlusskriterien in eine Tabelle im PICO-/PECO-Format um. Geeignet für: Studierende im Aufbaustudium, Forschende und Vorabprüfungen von Arbeiten zu systematischen Übersichtsarbeiten bzw. Meta-Analysen durch Zeitschriftenredaktionen. Erkennt das Tool eine numerische Inkonsistenz (z. B. mehr eingeschlossene Datensätze als Datensätze in der Eignungsprüfung), weist es ausdrücklich darauf hin, statt die Zahlen stillschweigend zu korrigieren.
CONSORT 2010 Vollbericht
Erstellt aus Ihren Daten randomisierter kontrollierter Studien (RCTs) – darunter Randomisierungsmethode, Verblindungsstatus, Power-Analyse und CONSORT-Flussdiagrammzahlen (screened/randomized/allocated/analyzed) sowie der ITT-/PP-Analyseansatz – einen vollständigen Entwurf für Zusammenfassung, Methoden und Ergebnisse gemäß den 25 Punkten von CONSORT 2010. Verwechselt ITT und PP niemals und prüft die Konsistenz der Zahlen im Flussdiagramm (randomisiert ≥ zugeteilt ≥ nachbeobachtet ≥ analysiert). Erkennt außerdem mindestens 4 Einwände, die Gutachter von Fachzeitschriften häufig vorbringen (z. B. „Warum wurde keine ITT-Analyse berichtet?“, „Wurde der Erfolg der Verblindung geprüft?“, „Gab es einen Wechsel der Zielvariable?“), vorab und schlägt für jeden eine Formulierung zur Verteidigung vor. Entwickelt für klinische Forschende sowie Wissenschaftlerinnen und Wissenschaftler, die RCTs in Medizin, Pflege oder Pharmazie durchführen und vor der Einreichung bei einer Fachzeitschrift methodische Robustheit sicherstellen möchten.
Skalenentwicklung: Datencheck
"Dieser Skill wird eingesetzt, wenn Rohdaten zur Skalenentwicklung (Excel/CSV), die von einem professionellen Umfrageinstitut erhoben wurden, vor der EFA/CFA oder endgültigen Reliabilitätsanalysen hinsichtlich ihrer psychometrischen Datenqualität geprüft werden müssen. Fehlende Werte, Ausreißer, unaufmerksames Antwortverhalten, Antwortverzerrungen, Itemqualität und Stichprobeneignung werden umfassend bewertet und eine Go-/No-Go-Entscheidung getroffen; die Daten werden nicht verändert, sondern ausschließlich in einem Diagnose- und Prüfbericht dokumentiert."
STROBE-Checklisten-Autor
Für Ihr Studiendesign – Querschnitt-, Kohorten- oder Fall-Kontroll-Studie – erstellt dieses Skill einen vollständigen Entwurf für Methoden und Ergebnisse, wenn Sie Angaben zur Auswahl der Teilnehmenden, zu den Variablen, zur Begründung der Stichprobengröße und zu den statistischen Methoden eingeben. Dabei werden die 22 Punkte der STROBE (Strengthening the Reporting of Observational Studies in Epidemiology)-Checkliste implizit berücksichtigt. Am Ende wird außerdem eine Zuordnungstabelle angezeigt, aus der hervorgeht, welcher Absatz welchen STROBE-Punkt erfüllt – eine direkte Antwort auf die bei der Einreichung häufige Aufforderung, die „STROBE-Checkliste auszufüllen“. Das Skill vermeidet kausale Formulierungen: Da es sich um eine Beobachtungsstudie handelt, wird nicht „verursacht“, sondern „steht im Zusammenhang mit“ verwendet. Außerdem werden mögliche Quellen von Verzerrungen und Confounding ausdrücklich diskutiert. Geeignet für Forschende aus Epidemiologie, Public Health und klinischer Forschung.
Fehlende Werte & Ausreißer
Geben Sie Ihre Stichprobengröße, den Anteil und das Muster fehlender Daten (MCAR/MAR/MNAR), die von Ihnen verwendete Methode für fehlende Daten (z. B. Listwise Deletion oder multiple Imputation) sowie Ihre Methode zur Erkennung von Ausreißern (Z-Score, IQR, Mahalanobis) ein. Daraufhin wird ein wissenschaftlicher Absatz erstellt, den Sie direkt in den Abschnitt „Datenvorverarbeitung“ Ihres Artikels übernehmen können. Wenn zwischen Ihrer Methodenwahl und dem Muster fehlender Daten ein methodischer Widerspruch besteht (z. B. die Verwendung von Listwise Deletion bei einem MNAR-Muster), wird dies ausdrücklich kenntlich gemacht. Geeignet für Studierende und Forschende, die Umfrage- oder klinische Daten analysieren und den Abschnitt zur Datenvorverarbeitung schnell und korrekt verfassen möchten.
Meta-Analyse & Systematik
Erstellt gemäß PRISMA 2020 und dem Cochrane-Handbuch aus Ihren Meta-Analyse-Statistiken (gepoolte Effektgröße, I², Q, τ², Indikatoren für Publikationsbias) einen vollständigen Text zu Methoden, Ergebnissen und Limitationen. Der I²-Wert wird niemals falsch interpretiert (einschließlich der Erklärung des prozentualen Varianzanteils); übertriebene Kausalaussagen werden vermieden und durch vorsichtige Formulierungen wie „Die Befunde sind vereinbar mit …“ statt „Die Evidenz zeigt, dass …“ ersetzt. Am Ende werden außerdem mindestens drei mögliche Fragen von Gutachtern sowie Formulierungen zu ihrer Beantwortung bereitgestellt. Geeignet für Forschende, die einen Meta-Analyse-Artikel verfassen und den Methodenteil vor der Einreichung bei einer Zeitschrift stärken möchten. Was es nicht tut: Es führt keine statistischen Berechnungen aus Rohdaten durch (Ihre Ausgaben aus R/RevMan/CMA müssen bereits berechnet sein), sondern wandelt ausschließlich Ergebnisse in akademischen Text um und interpretiert sie.
Bibliometrische Befunde
Wandelt die rohen Zahlen aus VOSviewer oder Biblioshiny (Bibliometrix/R) – etwa zu Keyword-Häufigkeiten, Clustern in Zitationsnetzwerken, jährlichen Publikationstrends sowie der Verteilung nach Ländern, Institutionen und Zeitschriften – in einen akademischen, publikationsreifen Interpretationstext um. Statt Zahlen lediglich zu wiederholen, beschreibt der Text in akademischem Ton, in welche Richtung sich die Literatur entwickelt, und vermeidet spekulative Kausalitätsbehauptungen. Geeignet für Forschende, die an einer Dissertation oder einem Artikel schreiben und einen Abschnitt zur bibliometrischen Analyse erstellen müssen, aber Schwierigkeiten haben, Rohdaten in eine akademische Sprache zu übertragen. Anwendung: Fügen Sie direkt Ihre Cluster-/Keyword-Liste aus VOSviewer oder die Übersichtstabelle aus Biblioshiny ein; der Skill benennt und interpretiert Keyword-Cluster thematisch und bewertet das Zitationsnetzwerk sowie die Muster der Länderkooperation.
PRISMA-2020-Flussdiagramm
Erstellt für Forschende, die systematische Reviews durchführen, einen mit der PRISMA-2020-Checkliste konformen Flussdiagrammtext und einen Absatz für das Protokoll. Wenn Sie die Zahlen Ihrer Datenbanksuche (identification → screening → eligibility → included) eingeben, prüft das Skill ihre Konsistenz und erstellt einen nachvollziehbar begründeten Text für die Frage des Gutachters: „Warum weist Ihr Flussdiagramm so viele Verluste auf?“ Außerdem wandelt es Ihre Ein- und Ausschlusskriterien in eine Tabelle im PICO-/PECO-Format um. Dieses Skill eignet sich für: Studierende im Aufbaustudium, die systematische Reviews oder Metaanalysen verfassen, sowie für eine Vorabprüfung durch Zeitschriftenredaktionen. Wenn es numerische Unstimmigkeiten feststellt (z. B. included > eligibility), weist es ausdrücklich darauf hin und korrigiert sie nicht stillschweigend.