Literature gap analysis

Literatur-Lückenanalyse

Gemeinsames Preamble laden: Lies skills/_common/preamble.md und befolge alle dort definierten Blöcke (Vorbedingungen, Keine Fabrikation, Aktivierung, Abgrenzung), bevor du mit diesem Skill-spezifischen Inhalt fortfährst.

Übersicht

Analysiert die Literaturbasis auf Abdeckungslücken (fehlende Themen, Autor*innen-Gruppen, Methoden, Zeiträume). Identifiziert disziplinäre Blindstellen und liefert konkrete Such-Queries für /search. Ergänzt den source-quality-audit (der bewertet Einzelquellen, nicht Korpus).

Skill-spezifische Vorbedingung: Fehlt ./literature_state.md oder ist leer → schlage zuerst /search vor, um einen Quellenbestand aufzubauen, und trigger diesen Skill danach erneut.

Abgrenzung

Dieser Skill bewertet Korpus-Vollständigkeit:

• Fehlende Schlüsselthemen aus ./academic_context.md
• Fehlende Autor*innen-Gruppen (Cluster-Diversität)
• Fehlende Methoden-Perspektiven (qualitativ/quantitativ/mixed)
• Fehlende Zeitperioden (Aktualitäts-Lücken)
• Fehlende disziplinäre Sichtweisen (Mono- vs. Multi-Disziplinarität)

Für die Bewertung einzelner Quellen (Impact, Methodik der Einzelquelle, Peer-Review-Status) → source-quality-audit.

Beide Skills greifen auf ./literature_state.md zu, aber mit unterschiedlichem Fokus. Wenn der User „Peer-Review" oder „Quellenqualität einzelner Artikel" erwähnt → delegiere an source-quality-audit.

Coverage-Metriken (numerisch)

Berechne und berichte jede dieser 3 Metriken:

1. Coverage — Anteil abgedeckter Schlüsselthemen aus ./academic_context.md
   • Schwelle: ≥ 80 %
   • Formel: abgedeckte_Themen / gesamte_Schluesselthemen * 100
2. Diversity — Zahl eigenständiger Autor*innen-Gruppen (Co-Autor-Cluster)
   • Schwelle: ≥ 5 Gruppen
   • Zählweise: Autor*innen, die nur untereinander zusammen publizieren, zählen als 1 Gruppe
3. Recency — Anteil Quellen ab Publikationsjahr 2020
   • Schwelle: ≥ 40 %
   • Formel: Quellen_ab_2020 / Gesamtquellen * 100

Ausgabe: Tabelle Metrik + Ist-Wert + Schwelle + PASS/FAIL + bei FAIL: konkreter Verbesserungsvorschlag (welches Thema, welche Autor*innen, welcher Zeitraum fehlt).

Kontext-Dateien

• Lesen: ./academic_context.md (Gliederung, Schlüsselkonzepte), ./literature_state.md (Quelleninventar, Kapitelzuordnungen)
• Schreiben: ./literature_state.md — Coverage-Scores und Gap-Ergebnisse aktualisieren

Core-Workflow

1. Laden und Gegenüberstellen

Beide Kontext-Dateien lesen. Matrix: Zeilen = Kapitel/Unterabschnitte, Spalten = Coverage-Dimensionen (siehe unten).

2. Coverage-Dimensionen

Jedes Kapitel entlang dieser Dimensionen bewerten:

Quellenanzahl

• 0 Quellen — KRITISCH: keine Abdeckung
• 1-2 Quellen — WARNUNG: dünne Abdeckung
• 3-5 Quellen — OK für Unterabschnitte
• 5+ Quellen — Gut für Hauptkapitel

Quellen-Qualität

• Anteil Peer-Review-Quellen pro Kapitel
• Präsenz von Standard-/Grundlagenwerken
• Aktualität — Anteil Quellen aus den letzten 5 Jahren
• Quellen-Diversität — mehrere Autoren, nicht nur eine Forschungsgruppe

Argumentations-Balance

• Sind stützende UND gegensätzliche Positionen vertreten?
• Werden alternative Theorien oder Frameworks erwähnt?
• Gibt es mindestens eine Quelle, die das Hauptargument hinterfragt?

Methodische Passung

• Referenzieren die Methodikkapitel etablierte Methodenliteratur?
• Wird die gewählte Methode durch zitierte Präzedenzen gestützt?
• Werden Limitationen der Methode mit Quellen diskutiert?

3. Coverage-Report erstellen

Einen strukturierten Report im Format aus ## Output-Format (siehe unten) erzeugen.

4. Lücken-Klassifikation

Jede identifizierte Lücke einordnen:

Lücken-Typ	Beschreibung	Priorität
KRITISCH	Kapitel hat keine Quellen	Sofort
STRUKTURELL	Fehlendes Grundlagen-/Standardwerk	Hoch
BALANCE	Keine Gegenargumente oder Alternativsichten	Hoch
AKTUALITÄT	Alle Quellen älter als 5 Jahre	Mittel
TIEFE	Zu wenige Quellen für den Kapitel-Scope	Mittel
DIVERSITÄT	Alle Quellen von derselben Autor/Gruppe	Niedrig

5. Such-Empfehlungen

Für jede Lücke eine gezielte Such-Empfehlung erzeugen:

• Such-Query — Abgeleitet aus Kapiteltitel, Schlüsselkonzepten und Lücken-Typ
• Vorgeschlagene Module — Welche Such-Module liefern am wahrscheinlichsten Treffer
• Vorgeschlagener Modus — quick bei kleinen Lücken, deep bei kritischen Lücken
• Erwarteter Quellentyp — Journal-Artikel, Konferenzbeitrag, Buchkapitel, Report

Beispiel:

GAP: Kapitel 3.2 "DevOps Governance Modelle" — keine Gegenargumente
QUERY: "DevOps governance challenges limitations criticism"
MODULE: semantic_scholar, crossref
MODE: standard
EXPECTED: Journal-Artikel zu Governance-Limitationen

6. Automatisiertes Lücken-Schließen

Mit User-Freigabe /search für jede Lücke mit den empfohlenen Queries triggern. Nach Abschluss:

1. Neue Treffer gegen die Lücken-Anforderungen prüfen
2. Kapitelzuordnung für neue Quellen vorschlagen
3. Coverage-Report aktualisieren
4. Coverage-Scores neu berechnen

7. Literaturstatus aktualisieren

./literature_state.md lesen, dann Coverage-Scores, Lücken, Empfehlungen und Zeitstempel schreiben.

Vergleich mit ähnlichen Arbeiten

Prüfen auf: Standardreferenzen des Felds, aktuelle Literaturreviews/Meta-Analysen, Methodenlehrbücher, institutionelle Mindest-Quellenzahl.

Typische Minima nach Arbeitstyp:

Arbeitstyp	Minimum Quellen	Peer-Review-Minimum
Bachelorarbeit	25-35	60%
Masterarbeit	40-60	70%
Hausarbeit	10-20	50%

Output-Format

## Literatur-Coverage-Report

### Gesamtbewertung
- Quellen gesamt: [N]
- Peer-reviewed: [N]%
- Durchschnittsalter: [N] Jahre
- Kapitel ohne Quellen: [N]
- Gesamtabdeckung: [SCORE]%

### Kapitelweise Analyse

#### [Kapiteltitel]
- Zugewiesene Quellen: [N]
- Peer-reviewed: [N]%
- Status: [KRITISCH / LÜCKE / AUSREICHEND / GUT]
- Fehlend: [konkrete Lückenbeschreibung]
- Empfehlung: [gezielte Aktion]

Few-Shot-Beispiele

Stil: Gap-Identifikation

Schlecht (Grund: vage ohne konkrete Lücke):

"Es fehlen noch einige Quellen zu KI und Lehre."

Gut (Grund: konkretes Konzept + Zahl + Such-Empfehlung):

"Unterversorgt: 'formative Bewertung mit KI' — nur 1 Quelle im Korpus. Empfehlung: /search 'formative assessment AI higher education 2023-2024' mit Modulen semanticscholar + openalex."

Stil: Corpus-Coverage

Schlecht (Grund: unklar was abgedeckt ist):

"Literaturbasis ist okay."

Gut (Grund: Coverage pro Forschungsfrage-Dimension):

"Abdeckung Forschungsfrage 1 (KI-Adoption): 12 Quellen OK. Abdeckung Nebenfrage 2 (ethische Implikationen): 2 Quellen UNTER-SERVIERT."

Wichtige Regeln

• Fakten berichten, nicht werten — Coverage-Daten objektiv präsentieren; der User setzt Prioritäten
• Vorschlagen, nicht automatisch ausführen — Vor Such-Triggern immer nachfragen
• Limitationen anerkennen — Die Gap-Analyse hängt von korrekten Kapitelzuordnungen im Literaturstatus ab
• Nach Änderungen neu laufen lassen — Nach Literatur-Updates eine erneute Analyse vorschlagen
• Keine Fehlalarme — Nur Lücken flaggen, wo die Gliederung klar Quellenbedarf vorsieht