Wie Sie Bias in Quellen erkennen

Wie Sie Bias in Quellen erkennen: kurze Antwort

Verwerfen Sie eine Quelle nicht, weil sie einen Standpunkt hat. Nennen Sie, wer sie erstellt hat und welche Aufgabe die Seite erfüllt, prüfen Sie Finanzierung und Konflikte, verifizieren Sie eine sachliche Behauptung in einer zweiten Quelle, und stellen Sie sie neben ein Dokument mit einer anderen Aufgabe. Ein Briefing einer konservativen Denkfabrik, eine Einführung in Armutspolitik, ein Optionspapier des Congressional Budget Office von 2019 und eine CBO-Bewertung von 2023 eines späteren Gesetzentwurfs können alle zitierbar sein für die Behauptung, die jedes tatsächlich trägt. Sie sind keine austauschbare Evidenz.

Was diese Seite ist (und was nicht)

CitationEasy hat bereits eine Seite für ist diese Quelle glaubwürdig genug zum Zitieren? (glaubwürdige Quellen), eine Seite für die CRAAP-Fragen durchspielen und dann die Seite verlassen (Quellen bewerten), eine Seite für ist diese Behauptung wahr? (Quellen faktenprüfen) und eine Seite für Fachzeitschrift versus Magazin (wissenschaftlich vs. populär). Diese URL beantwortet eine engere Frage: Wie erkennen Sie Bias, trennen ihn von Unzuverlässigkeit und schreiben mit Quellen, die eine erklärte Mission haben? Sie ist keine Medien-Bias-Grafik, und sie ist nicht APAs Kapitel zu bias-freier Sprache — dieses Kapitel betrifft die Wörter, die Sie schreiben, nicht ob eine Quelle einen Standpunkt hat.

Zwei offizielle Bedeutungen von „bias“

Lehrende verwenden ein Wort für zwei verschiedene Probleme. Informationskompetenz-Handouts meinen Zweck und Standpunkt. Methodologinnen und Methodologen meinen systematischen Fehler. Sie zu vermischen ist, wie eine Studierende ein nutzbares Advocacy-Briefing wegwirft oder eine begutachtete Studie als neutral behandelt, weil das PDF offiziell wirkt. Sie brauchen beide Lesarten.

Der Cochrane-Satz betrifft, ob eine Studie einen Effekt über- oder unterschätzt. Der ACRL-Satz betrifft, wessen Stimmen als autoritativ behandelt werden. Eine gut geführte randomisierte Studie kann trotzdem industriegesponsert sein. Eine Primärquelle kann unverzichtbar und einseitig sein. Glaubwürdigkeit ist ein Urteil über Passung; Bias ist Teil dieses Urteils, kein Ersatz dafür.

Zwei Überständigkeiten, die Sie nicht mehr wiederholen sollten. Erstens ist ein nur-2016-ACRL-Satz, der mit „Experts understand the need… acknowledge biases that privilege some sources of authority over others… others’ worldviews, gender…“ begann, überständig leftover-2016-ACRL: Die Revision vom 2. September 2026 ersetzte Experts durch They, nannte „systematic biases that privilege dominant institutions“ und fügte race hinzu. Zitieren Sie die Formulierung von 2016 nicht weiter so, als wäre sie noch der geltende Rahmen. Zweitens listet die Versionsseite des Handbook sowohl „What’s new in Handbook version 6.5.1 (2025)“ (Korrekturen in Kapitel 4 und Kapitel 14) als auch „What’s new in Handbook version 6.5.1 (2026)“ (Wortgrenzen in Kapitel 3). Die geltende Kapitel-7-Zitation sagt weiterhin Version 6.5, Cochrane 2024, zuletzt aktualisiert im August 2022. Eine 6.5.1-Korrektur ist keine Kapitel-7-Neufassung.

Bias ist nicht Ungenauigkeit, und „at risk of bias“ ist nicht „diese Studie ist falsch“

Studierende behandeln oft eine kleine Stichprobe, ein weites Konfidenzintervall oder einen Industrie-Geldgeber als dieselbe rote Flagge. Cochrane-Kapitel 7 trennt diese Probleme. Eine kleine Studie kann präzisionsarm und in ihrem Design trotzdem risikoarm sein. Eine große Studie kann präzise und trotzdem hochriskant sein, wenn das Design zum Neigen gebaut wurde. Das Handbook lehnt auch die Karikatur ab, ein Paper „biased“ als Tatsache über das Universum zu nennen:

Das ist auch die Version für die Seminararbeit. Schreiben Sie „dieses Ergebnis ist at risk of bias durch Sponsoring“ oder „dieses Briefing argumentiert einen konservativen Politikfall“, nicht „dieses PDF ist gefälscht“. Für medizinische Quellentypen, nachdem Sie das Risiko genannt haben, nutzen Sie den medizinischen Zitationsleitfaden.

ACRL 2026: wessen Autorität, und KI, die neutral wirkt

Das Framework vom September 2026 ist die überständige Kompetenzformulierung, die diese Seite einholen musste. Der geltende Absatz der Wissenspraktiken von Authority Is Constructed and Contextual bleibt nicht mehr bei „some sources of authority“ stehen. Er nennt „dominant institutions“ und „marginalized communities“ und fügt einen Satz hinzu, den der Rahmen von 2016 nicht hatte:

Deshalb ist eine generierte Suchübersicht ein Bias-Problem ebenso wie ein Glaubwürdigkeits-Problem: Sie kann wie eine Quelle aussehen und dabei verbergen, wer sie trainiert hat. Die Notiz des MLA Style Center vom 2. Oktober 2024, dass ein AI Overview kein Werk ist, gilt weiter. Wie Sie ein Tool zitieren, das Sie tatsächlich genutzt haben, steht unter KI zitieren.

Schnelle Tests: CRAAP Purpose und SIFT

Das CRAAP-Handout der Bibliothekarin Sarah Blakeslee (Meriam Library, 17. September 2010, CC BY 4.0) behandelt Purpose als „the reason the information exists.“ Diese Fragen sind der schnellste Bias-Filter, der noch aus einer Bibliothek kommt, nicht von einer Bewertungsfirma:

Eine Checkliste, die Sie nur innerhalb der Seite durchspielen, verfehlt eine professionell wirkende Frontgruppe. Mike Caulfields SIFT-Schritte — Stop, Investigate the source, Find better coverage, Trace claims to the original context — führen Sie von der Seite weg. Sein Web Literacy for Student Fact-Checkers ist auch der Ort, der Neigung von Verfahren trennt:

Das ist die Regel, zu der diese Seite immer wieder zurückkehrt. Bias ist nicht dasselbe wie eine fehlende Korrekturrichtlinie. Eine Redaktion mit einer Neigung und einem Korrekturdesk ist ein anderes Objekt als eine Seite, die nie eine Autorin oder einen Autor nennt und nie eine Zahl korrigiert. Für die Stanford-Evidenz, dass Studierende auf der Seite bleiben und von ähnlich aussehenden Organisationen gefangen werden — einschließlich MinimumWage.com, das sich als Projekt des Employment Policies Institute bezeichnete — nutzen Sie den Glaubwürdigkeitsleitfaden. Dieser Frontgruppenfall ist das studentische Bias-Beispiel; die Aufgabe dieser Seite ist, was Sie tun, nachdem Sie die herausgebende Stelle genannt haben.

Dasselbe Thema, vier verschiedene Aufgaben: ein höherer bundesweiter Mindestlohn

Denkfabriken und Behörden sagen Ihnen ihre Aufgabe meist auf der About-Seite. Lesen Sie diese Seite, bevor Sie das PDF als neutrales Briefing behandeln. Die Mission der Heritage Foundation lautet „to formulate and promote conservative public policies based on the principles of free enterprise, limited government, individual freedom, traditional American values, and a strong national defense.“ Das Center on Budget and Policy Priorities beschreibt sich als „a nonpartisan research and policy institute“ und sagt: „We combine rigorous research and analysis, strategic communications, and effective advocacy.“ Die geltende Introduction to CBO (Januar 2025) und die About-Übersicht formulieren die gesetzliche Aufgabe der Behörde in Sätzen, die Sie zitieren können:

Diese Aufgaben erzeugen unterschiedliche Dokumente, selbst wenn das Schlagzeilenthema dasselbe ist. Eine ältere Fassung dieser Seite erfand „Smith, 2025“, „Johnson, 2025“ und ein gefälschtes „CBO, 2025“-Paper, um eine Debatte zu inszenieren. Tun Sie das nicht. Öffnen Sie betitelte Berichte. Und drücken Sie spätere CBO-Arbeit nicht in das Optionspapier von 2019: James Sherks Heritage-Briefing (26. Juli 2016) modelliert eine 15-Dollar-Untergrenze bis 2021 unter der Pay Workers a Living Wage Act; CBO-Publikation 55410 (8. Juli 2019) bewertet 10, 12 oder 15 Dollar bis 2025; CBO-Publikation 59833 (18. Dezember 2023) bewertet S. 2488, die Raise the Wage Act of 2023, bei Verabschiedung im April 2024, auf 17 Dollar bis Juli 2029; CBPPs Policy-Basics-Seite (16. April 2026) ist eine Einführung in die geltende bundesweite Untergrenze von 7,25 Dollar und in Landesgesetze, keine Bewertung eines dieser Entwürfe.

Die BLS-Zahl ist selbst eine überständige Falle, wenn Sie bei CBPPs Paraphrase stehen bleiben. Der offizielle Bericht Characteristics of minimum wage workers, 2024 ist die Ganzjahreszahl 843.000 (82.000 bei 7,25 Dollar und 760.000 darunter). Die geltende CPS annual Table 44 zeigt jetzt 844.000 für 2025 (79.000 am bundesweiten Mindestlohn und 765.000 darunter) und warnt, dass 2025 ein 11-Monats-Durchschnitt ist, der Oktober wegen der Schließung der Bundesverwaltung auslässt, also „not strictly comparable with annual averages for other years.“ Zitieren Sie die Tabelle, die Sie geöffnet haben, und sagen Sie welches Jahr und welchen Vorbehalt.

Kommerzieller und industrieller Bias

Finanzielles Interesse ist der Bias, den Studierende untergewichten, weil das PDF noch einen Methodenabschnitt hat. Andreas Lundhs, Joel Lexchins, Barbara Mintzes’, Jeppe Bennekou Schrolls und Lisa Beros Cochrane-Methodenreview „Industry sponsorship and research outcome“ (2017, Article MR000033) verglich industriegesponserte Arzneimittel- und Medizinproduktstudien mit Studien anderer Geldgeber. Über 75 eingeschlossene Papers hatten industriegesponserte Studien häufiger günstige Wirksamkeitsergebnisse (Risk Ratio 1,27, 95-Prozent-Konfidenzintervall 1,17 bis 1,37) und häufiger günstige Schlussfolgerungen (Risk Ratio 1,34, 95-Prozent-Konfidenzintervall 1,19 bis 1,51). Die Autorinnen und Autoren schlossen, die Industrieassoziation „cannot be explained by standard ‘Risk of bias’ assessments.“ Der Review ist offen unter DOI 10.1002/14651858.MR000033.pub3; der PubMed-Abstract ist der für diese Zahlen geöffnete Text.

Offenlegung ist, wie Leserinnen und Leser dieses Risiko beurteilen. Die ICMJE Recommendations (der Text vom Januar 2026, geöffnet auf dem ACP-Spiegel von icmje.org; Aktualisierungshinweis) setzen den Konflikt in zwei Sätze:

Ein offengelegter Sponsor macht das Paper nicht unbrauchbar. Eine nicht offengelegte Beziehung, ein Sponsor, der die Analyse kontrollierte, oder ein Paper, das nie sagt, wer bezahlt hat, ist ein anderes Problem. Lesen Sie die Finanzierungsangabe und das Konfliktformular, und entscheiden Sie dann, welche Behauptung das Paper tragen kann.

Publikationsbias, Nichtberichts-Bias und die Schublade

Mancher Bias erscheint nie auf der Seite, die Sie gefunden haben, weil die widersprechende Studie nie veröffentlicht wurde. Das geltende Cochrane-Handbook verwendet die klassische Definition weiter in Kapitel 7 und nennt in der Aktualisierung 2024 von Kapitel 13 (zuletzt aktualisiert im August 2024) das ROB-ME-Instrument zur Bewertung fehlender Evidenz in einer Metaanalyse:

Ioannidis’ Essay ist ein echtes, frei zugängliches, begutachtetes Argument mit einer Korrektur von 2022. Es ist ein Modell von Power, Bias und davon, wie viele Teams dieselbe Frage verfolgen — keine Volkszählung jedes Papers und keine Lizenz, Zeitschriften zu ignorieren. Der ausgearbeitete Fall in Kapitel 13 ist konkreter: Als nicht berichtete Ergebnisse zu einem systematischen Review von Oseltamivir (Tamiflu) hinzugefügt wurden, war nicht gezeigt, dass das Arzneimittel Krankenhausaufnahmen senkt, und das Schadensprofil änderte sich (Jefferson et al. 2014, wie im Handbook zusammengefasst). Der praktische Schritt für eine Seminararbeit ist kleiner: suchen Sie ein registriertes Protokoll, einen Review, der Studienregister durchsucht hat, oder eine Replikation, statt den ersten signifikanten Abstract als die Literatur zu behandeln. Cochrane, die Campbell Collaboration in den Sozialwissenschaften und die Reihe Annual Review sind Orte, an denen diese Synthese schon stattgefunden hat.

Bestätigungs-, Selektions- und kultureller Bias

Das sind die Bias, die darin leben, wie die Evidenz zusammengestellt wurde, nicht nur auf der About-Seite. Sie bleiben real, wenn die Autorin oder der Autor einen Ph.D. hat und die Zeitschrift begutachtet. Die ACRL-2026-Disposition zu confirmation bias oben ist die Kompetenzversion des ersten Punkts.

• Bestätigungsbias. Nur nach Studien suchen, die schon zur These passen. Caulfields Lehrbuchwarnung ist die praktische Korrektur: Entscheiden Sie, wessen Expertise Sie respektieren würden, bevor Sie suchen, sonst schmeicheln Ihnen die Treffer.
• Selektions- / Stichprobenbias. Eine Umfrage eines Campus, präsentiert als „Erwachsene“; eine Fallserie von Erfolgen mit ausgelassenen Misserfolgen; eine bequeme Stichprobe, behandelt als Population.
• Kultureller und Sprachbias. Englisch indexierte Zeitschriften überrepräsentieren manche Länder und Methoden. Der ACRL-2026-Rahmen oben ist die Kompetenzversion dieses Problems: manche Institutionen werden privilegiert. Beziehen Sie Arbeit aus anderen Regionen ein, wenn die Frage nicht nur die USA betrifft.
• Methodikbias. Suggestive Umfrageitems, eine unterpowerte Stichprobe, ein Outcome, das nach dem Eintreffen der Ergebnisse gewählt wurde. Cochrane-Kapitel 7 ist der Ort, der dieses risk of bias von bloßer Kleinheit (Ungenauigkeit) trennt.

Wie Sie eine verzerrte Quelle nutzen, ohne sie weißzuwaschen

Eine verzerrte Quelle ist oft die richtige Quelle für eine Perspektiv-Behauptung. Historische Primärquellen sind per Definition verzerrt — sie sind jemandes Aufzeichnung — und sie sind in der Geschichte trotzdem Pflicht. Ein Advocacy-Briefing ist die richtige Quelle für „was diese Organisation argumentiert“. Ein Behördenbericht der grauen Literatur ist oft die einzige öffentliche Methode für eine Statistik. Das Scheitern ist, irgendeines davon als letztes Wort zu einer umstrittenen Tatsache zu behandeln.

Wenn eine Position verlangt ist

Akademisches Schreiben ist keine Forderung, dass Sie keine These haben. Eine Argumentationsarbeit nimmt eine Position ein, nennt das Gegenargument und zeigt die Evidenz. Neutralität ist das falsche Ziel, wenn die Literatur selbst einen Konsens hat — Klimaattribution, Impfstoffwirksamkeit oder ein Cochrane-Review eines Arzneimittels. Falsche Ausgewogenheit (eine Randbehauptung als gleichwertig mit einem Korpus von Studien zu behandeln) ist ein Bias Ihrer Seite, keine Tugend. Der ACRL-Rahmen „Scholarship as Conversation“ ist das bessere Bild: Sie treten in ein Gespräch ein, das schon Begriffe hat, nicht auf eine leere Waage mit zwei gleichen Schalen.

Nachrichten: Verfahren versus Neigung

Nachrichtquellen haben Neigungen. Sie haben auch, oder ihnen fehlt, ein Verfahren. Caulfields Unterscheidung oben ist die, die Sie behalten sollten. Ein Nachrichtenbericht, der Nachricht von Meinung trennt, Quellen nennt und Korrekturen fährt, kann trotzdem für eine datierte öffentliche Tatsache genutzt werden. Ein Stück, das Meinung nie kennzeichnet, nie korrigiert und zum Anwerben existiert, ist ein anderes Genre. Faktenprüfen ist die Methode auf Behauptungsebene; dieser Abschnitt ist nur der Bias-Filter.

Kommerzielle Medien-Bias-Grafiken (Ad Fontes, AllSides, Media Bias/Fact Check, NewsGuard) sind selbst Quellen mit einer Methode und einem Geschäftsmodell. Sie können eine Startkarte sein. Sie sind keine offiziellen Handbücher, sie widersprechen einander, und sie sollten dieselben Purpose-Fragen bekommen, die Sie gerade am Artikel durchgespielt haben. Zitieren Sie eine Grafik nicht so, als wäre sie ein begutachteter Befund über eine Zeitung.

Akademisches Publizieren ist nicht biasfrei

Peer-Review ist ein Verfahren, kein Reinheitsstempel. Dieselbe Literatur, die Sie lehrt, Zeitschriften zu vertrauen, dokumentiert auch, wie sie scheitern:

• Finanzierungs- und Industrie-Bias. Lundh et al. (2017) ist die Cochrane-Synthese; die ICMJE-Sätze sind die Offenlegungsregel.
• Publikations- und Zitationsbias. Positive Ergebnisse erscheinen häufiger und werden häufiger zitiert. Cochrane-Kapitel 7 listet Zeitverzögerungs-, Sprach-, Zitations-, Doppelpublikations- und Outcome-Reporting-Bias als Verwandte der Schublade. Das ROB-ME-Instrument in Kapitel 13 ist, wie Reviewerinnen und Reviewer fehlende Evidenz in einer Metaanalyse jetzt bewerten.
• Sprach- und Prestigebias. Englischsprachige und hochimpaktige Publikationsorte verdrängen andere Arbeit. Das ist ein ACRL-2026-Problem „wer zählt als Autorität“ ebenso wie ein Statistikproblem.
• Ihre eigene Literaturliste. Bevorzugt stützende Studien zu zitieren ist, wie eine Literaturübersicht zum Briefing wird. Der Leitfaden zur Literaturübersicht ist der Ort, der diese Gewohnheit bekämpft.

Ihr eigener Bias ist Teil der Methode

Die Quelle ist nicht das einzige verzerrte Objekt im Raum. Die Suchen, die Sie ausführen, das erste PDF, dem Sie vertrauen, und das Gegenbeispiel, das Sie nie öffnen, gehören zum Protokoll. Gebräuchliche Namen für dieses Problem:

1. Schreiben Sie die Behauptung, die Sie wahr haben wollen, und suchen Sie dann die beste Quelle, die sie falsifizieren würde.
2. Entscheiden Sie den Expertenort (eine Statistikbehörde, ein Cochrane-Review, eine Methodenzeitschrift) bevor Sie den Slogan googeln.
3. Lesen Sie die Methoden oder die About-Seite, bevor Sie einen Satz ernten.
4. Bitten Sie jemanden, der anderer Meinung ist, die Stellen zu markieren, an denen Sie ein Briefing als Befund behandelt haben.

Wenn Bias zur Unzuverlässigkeit wird

Bias wird ein Grund, die Quelle für diese Behauptung abzulehnen, wenn er aufhört, eine Perspektive zu sein, und ein gebrochenes Verfahren wird. Das ist dieselbe Dreiwege-Entscheidung wie auf der Glaubwürdigkeitsseite, für dieses Problem neu formuliert:

Verwandte Leitfäden

• Quellen bewerten (CRAAP-Durchgang)
• Wie Sie erkennen, ob eine Quelle glaubwürdig ist
• Quellen faktenprüfen
• Wissenschaftliche vs. populäre Quellen
• Graue Literatur
• Wie der Peer-Review-Prozess funktioniert
• KI zitieren
• Wikipedia für die Forschung nutzen
• Eine Literaturübersicht schreiben
• Plagiate vermeiden
• Peer-Review (Glossar)
• Graue Literatur (Glossar)
• Primärquelle (Glossar)