forschungsprojekte/Systemische Kompetenzentwicklung HRT/S(c)/Systemische Datenerhebung.md

Anleitung: LimeSurvey

Ziel

Dieses Dokument beschreibt die Einrichtung, Durchführung und Auswertung einer systemischen Datenerhebung mithilfe von LimeSurvey. Ziel ist es, die drei zentralen Modellvariablen der Systemintelligenz zu erfassen:

• Strukturelle Kopplung (x)
• Kommunikationsdichte (y)
• Entwicklungspotenzial (z)

1. Vorbereitung des Fragebogens

Fragegruppen

Erstelle eine Fragegruppe mit dem Titel:
Systemische Einschätzung Notfallteam

Fragen

Lege folgende Fragen an:

1. Strukturelle Kopplung
   Fragetext: „Wie klar und verbindlich waren die Rollen und Zuständigkeiten im Team geregelt?“
   Fragetyp: Numerisch (Ganzzahl)
   Skala: 0–10
   Pflichtfeld: Ja

2. Kommunikationsdichte
   Fragetext: „Wie intensiv und kontinuierlich wurde im Team kommuniziert?“
   Fragetyp: Numerisch (Ganzzahl)
   Skala: 0–10
   Pflichtfeld: Ja

3. Entwicklungspotenzial
   Fragetext: „Wie offen war das Team für situatives Lernen und Anpassung?“
   Fragetyp: Numerisch (Ganzzahl)
   Skala: 0–10
   Pflichtfeld: Ja

Hinweise zur Skalierung

Die Skala 0–10 ist für Teilnehmende intuitiv verständlich. Im Python-Modell wird sie anschließend durch Division mit 10 auf einen Wertebereich von 0.0–1.0 normiert.

2. Durchführung der Erhebung

• Befragung im Anschluss an reale Einsätze, Simulationen oder Teambesprechungen
• Optional: Einzelbefragung pro Teammitglied oder aggregierte Einschätzung durch eine Beobachterin oder einen Beobachter
• Die Umfrage kann anonym oder personenbezogen erfolgen, je nach Datenschutzkontext

3. Export der Ergebnisse

• Format: CSV oder XLSX (bevorzugt)
• Exportierte Spalten: je eine Spalte für strukturelle Kopplung, Kommunikationsdichte und Entwicklungspotenzial
• Optional: Zusatzspalten für Datum, Team-ID, Kontextbeschreibung

4. Import in das Modell

Die numerischen Werte werden in Python wie folgt normiert:

    import pandas as pd

    df = pd.read_csv("ergebnisse.csv")
    x = df["struktur"].to_numpy() / 10
    y = df["kommunikation"].to_numpy() / 10
    z = df["entwicklung"].to_numpy() / 10

Diese Werte können dann direkt in das Systemintelligenz-Modell zur Visualisierung und Analyse überführt werden.

5. Weiterführende Schritte

• Integration in Simulationsdesigns
• Vergleich mehrerer Teams oder Zeitpunkte
• Visualisierung systemischer Stabilität über S(c)

Hinweis

Diese Methode basiert auf einem konzeptionellen Modell und eignet sich für explorative, reflexive und wissenschaftlich fundierte Analysen systemischer Teamkonfigurationen.