Lesbarkeit von KI-Antworten Laien-Fragen anpassen: Externe Lesbarkeitsmetriken funktionieren
Von KI ausgewählt und zusammengefasst
Worum es geht
Studie aus Brasilien mit 400 YouTube-Fragen zur Augenheilkunde, die vier LLMs (GPT 5.2, Gemini 3, Claude Opus 4.5, OSS-20b) unter vier Prompting-Strategien zur Lesbarkeitsanpassung evaluierte.
Ergebnis
Externe Kalkulator-gestützte Strategie erzielte stärkste Lesbarkeitserkennung: Gemini 3 κ=0,94, GPT 5.2 κ=0,90. Hochleistungsmodelle behielten >98 % Faktische Genauigkeit über Strategien hinweg. OSS-20b zeigte niedrigere Genauigkeit (83,75–90%) und höhere Sensitivität gegenüber Lesbarkeitsbeschränkungen. Semantische Ähnlichkeit hoch über Modelle (BERTScore F1>0,87).
Übertragbarkeit auf Deutschland
Brasilien/Methode sprachunabhängig – Verfahren zur Anpassung an Lesbarkeit auch für deutschsprachige Patienten umsetzbar
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.