In der heutigen Informationsgesellschaft erweist sich der effiziente Umgang mit dem Produktionsfaktor Wissen als entscheidender Wettbewerbsfaktor. Aufgrund der geringeren Halbwertszeit des Wissens tritt das reine Faktenlernen zunehmend in den Hintergrund, das Lernen von Zusammenhängen gewinnt demgegenüber an Bedeutung.
Diese Dissertationsschrift beschreibt einen auf der deutschen Wikipedia basierenden Prototyp, der zum einen zum automatisierten Abfragen von Zusammenhängen genutzt werden kann und zum anderen ein neuartiges didaktisches Konzept zum Lernen von Assoziationen einführt.
Zur Definition von Wissensdomänen werden Algorithmen vorgestellt, die die einem Wikipedia-Artikel zugeordneten Kategorien auf vordefinierte Hauptkategorien aggregieren. Da Daten zu inhaltlichen Zusammenhängen zwischen verschiedenen Wikipedia-Einträgen bisher noch nicht erhoben wurden, stellt diese Arbeit solche Assoziationen anhand der semantischen Ähnlichkeit her, die durch zwei Programme namens Findlink und SENTRAX berechnet wird. Die so generierte Liste ähnlicher Artikel formt ein spezielles Netz, in dem die Knoten einzelne Wikipedia-Artikel darstellen und die Kanten inhaltliche Zusammenhänge abbilden. Die Assoziationen werden anschließend in die Oberfläche des Prototyps integriert und um Mechanismen zum Tracken der Benutzerinteraktion erweitert.
Ein Kernproblem des Versuchsaufbaus stellt der Korpusumfang dar. Einerseits führt die enorme Artikelanzahl bei der Ähnlichkeitsberechnung durch Findlink zu Performanceproblemen, andererseits zeigen sich aufgrund der Vielzahl der Einträge Anomalien in der Netzstruktur der ähnlichen Artikel in Form vieler untereinander kaum verbundener Teilnetze. Als Problemlösungen werden mehrere Filterkriterien definiert und deren Auswirkungen auf den Korpusumfang skizziert. Zusätzlich wird ein eigenes Gütemaß eingeführt, das sich als hilfreich bei der Beurteilung der Relevanz eines Artikels erweist.
Die im entwickelten Prototyp implementierten Konzepte ermöglichen das spielerische Lernen von Zusammenhängen durch die Bearbeitung zufälliger oder vordefinierter Navigationsaufgaben. Darüber hinaus kann der erstellte Prototyp als Ausgangspunkt für weitere Forschungen zum Lernen von Zusammenhängen dienen. Das implementierte Tracking der Benutzerinteraktion legt die Basis für spätere Auswertungsalgorithmen.
Inhaltsverzeichnis
- Einleitung
- Theoretischer Rahmen
-
- Wissensrepräsentation
- Lernen von Zusammenhängen
- Didaktische Konzepte
- Prototyp „Simpedia“
-
- Architektur
- Funktionalität
- Benutzungsoberfläche
- Bewertung und Ausblick
Zielsetzung und Themenschwerpunkte
Diese Dissertation befasst sich mit der Entwicklung eines Prototypen, der das Lernen von Zusammenhängen in der deutschen Wikipedia fördert. Der Fokus liegt dabei auf der automatisierten Ableitung personaler Wissensdomänen aus Navigationspfaden innerhalb der Online-Enzyklopädie. Der Prototyp "Simpedia" soll sowohl zur effizienten Informationsgewinnung beitragen als auch neue didaktische Konzepte für den Wissenserwerb erproben.
- Automatisierte Ableitung von Wissensdomänen
- Entwicklung eines didaktischen Konzepts für das Lernen von Zusammenhängen
- Implementierung eines Prototypen für die Navigation in der Wikipedia
- Analyse der Benutzerinteraktion und der Effektivität des Prototyps
- Entwicklung eines Gütemaßes zur Bewertung der Relevanz von Wikipedia-Artikeln
Zusammenfassung der Kapitel
Die Einleitung stellt die Problemstellung und die Relevanz des Themas dar. Der theoretische Rahmen befasst sich mit relevanten Konzepten wie Wissensrepräsentation, Lernen von Zusammenhängen und didaktischen Konzepten. Das Kapitel "Prototyp „Simpedia“" beschreibt die Architektur, die Funktionalität und die Benutzungsoberfläche des Prototypen. Abschließend werden die Ergebnisse der Evaluation und die weiteren Forschungsrichtungen diskutiert.
Schlüsselwörter
Die Arbeit beschäftigt sich mit den Themen Wissensdomänen, Navigationspfade, Online-Enzyklopädie, Wikipedia, didaktisches Konzept, Lernen von Zusammenhängen, Prototypenentwicklung, Benutzerinteraktion, semantische Ähnlichkeit, Gütemaß, Filterkriterien.
Häufig gestellte Fragen
Was ist der Prototyp „Simpedia“?
Simpedia ist ein auf der deutschen Wikipedia basierender Prototyp, der das spielerische Lernen von Zusammenhängen durch Navigationsaufgaben ermöglicht.
Wie werden Zusammenhänge zwischen Wikipedia-Artikeln ermittelt?
Die Zusammenhänge werden durch semantische Ähnlichkeit berechnet, wofür Programme wie Findlink und SENTRAX eingesetzt werden, um ein Netz aus verwandten Artikeln zu bilden.
Was versteht man unter "Lernen von Zusammenhängen"?
Anstatt reines Faktenwissen auswendig zu lernen, geht es darum, die inhaltlichen Assoziationen und Verbindungen zwischen verschiedenen Themengebieten zu begreifen.
Welche Probleme gab es bei der Ähnlichkeitsberechnung?
Aufgrund der enormen Artikelanzahl der Wikipedia kam es zu Performanceproblemen und Anomalien in der Netzstruktur, was den Einsatz von Filterkriterien und Gütemaßen notwendig machte.
Wie funktioniert das Tracking der Benutzerinteraktion in Simpedia?
Der Prototyp erfasst die Navigationspfade der Nutzer, um daraus Rückschlüsse auf personale Wissensdomänen zu ziehen und die Effektivität des didaktischen Konzepts zu bewerten.
- Quote paper
- MSc Marcel Minke (Author), 2012, Ableitung personaler Wissensdomänen aus Navigationspfaden in einer Online-Enzyklopädie – Implementierung eines Prototyps „Simpedia“, Munich, GRIN Verlag, https://www.grin.com/document/208590
