JBI Qualitative Data Extraction

Ziel und Anwenderziel: Bereitstellung eines strukturierten Workflows zur Extraktion qualitativer Daten aus Studien, im Einklang mit den JBI-Synthesemethoden. Es unterstützt eine konsistente Datenerfassung über Studien hinweg, ermöglicht transparente Audit-Trails und hochwertige Evidenzzusammenfassungen. Zu den Nutzern gehören systematische Übersichtsarbeiten, Methodologen und Forschungsteams, die reproduzierbares qualitatives Codieren benötigen. Das Tool legt den Schwerpunkt auf Datenintegrität und Nachvollziehbarkeit während des Extraktionsprozesses.
Kernlogik: Erzwingen eines vordefinierten Schemas mit Pflichtfeldern und optionalen akademischen Feldern, Unterstützung mehrerer Codierer und versionierte Historien. Ausgaben können nach Studie oder nach Thema organisiert werden und in CSV-, JSON- oder Excel-kompatible Formate exportiert werden. Es integriert sich in Referenzverwaltungssysteme, um Literaturworkflows zu optimieren.
Eingaben & Ausgaben: Akzeptiert Studiendaten und Extraktionsvorlagen; erzeugt strukturierte Extraktionsdatensätze, Codierungskarten, Thema-Labels und synthese-fertige Zusammenfassungen. Validierung stellt sicher, dass Pflichtfelder existieren und Feldtypen konsistent sind; Ausgaben behalten Quellenherkunft für Audit-Zwecke bei.
Algorithmen & Berechnungen: Anwendet regelbasierte Validierung, Felddatentypprüfungen und bereichsübergreifende Konsistenz bei Codierung. Optionale leichte Themenclustering schlagen Kandidatenthemen per Frequenzanalyse vor, mit expliziten Verknüpfungen zu Quellobjekten für Nachvollziehbarkeit. Es wird keine quantitative Synthese durchgeführt.
Fehler & Randfälle: Umgang mit fehlenden Identifikatoren, Konflikten zwischen Codierern und Importfehlern durch Warnungen und das Bewahren partieller Ergebnisse; fallback auf lokale Schemata, wenn externe Daten nicht verfügbar sind.
Lokalisation der Branche: Unterstützt internationale Zeichen und mehrsprachige Metadaten; entspricht den JBI-Richtlinien für Berichte und Zusammenfassungen; geeignet für globale Akademiker-Teams.
Annahmen & Ausschlüsse: setzt identifizierbare, zitierbare Studiendaten voraus; schließt quantitative Extraktion, Metaanalysen und UI-Styling-Belange aus.