Ueber das Projekt
Diese Seite ist die interaktive Begleitpublikation zu:
Pollin, C., Sackl-Sharif, S., Klinger, S. & Steiner, C. (2026). Deep-Research-gestuetzte Literature-Reviews: Feministische AI Literacies in der Sozialen Arbeit. Forum Wissenschaft, 2/2026.
Methodik
326 wissenschaftliche Publikationen zu feministischen AI Literacies im Feld der Sozialen Arbeit wurden durch einen fuenfstufigen Workflow verarbeitet: Identifikation (Deep Research mit 4 Providern), PDF-Akquise (257/326, 4 Fallback-Strategien), Markdown-Konversion (Docling), Wissensextraktion (Claude Haiku 4.5) und Assessment nach 10 Kategorien.
Duale Bewertung
Zwei unabhaengige Bewertungspfade klassifizieren nach identischem 10-Kategorien-Schema:
- Expert:innen (291 Papers) -- Manuelle Bewertung durch Fachwissenschaftler:innen
- LLM (326 Papers) -- Automatisierte Bewertung durch Claude Haiku 4.5
Kernergebnis
LLM-Include-Rate 71.5% vs. Human 46% (Benchmark: 291 Papers mit beiden Bewertungen). 108 Faelle LLM-Include/Human-Exclude vs. 34 umgekehrt. Drei Divergenz-Muster: Semantische Expansion (51%), Implizite Feldzugehoerigkeit (30%), Keyword-Inklusion (19%). Cohen's Kappa (0.056) ist ein Prevalence-Bias-Artefakt, nicht primaerer Indikator.
Zitationsvorschlag
Pollin, C., Sackl-Sharif, S., Klinger, S. & Steiner, C. (2026). Feministische AI Literacies -- Interaktive Evidenz [Web-Anwendung]. https://chpollin.github.io/FemPrompt_SozArb/
Technologie
Vanilla JavaScript, Chart.js, D3.js, Gemini 3 Flash. Kein Framework, kein Build-Tool. Quellcode: GitHub.