Information Retrieval 2




                                                               Dr.-Ing. Martin Wolpers




© F...
Gliederung

1. Organisatorisches                                             8. Nutzer- und kontextsensitive
2. Vorstellun...
1. ORGANISATORISCHES


© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Organisatorisches zur Vorlesung



2h Vorlesung + 1h Übung
2 Pausen à 10min.


Sicher: Keine Vorlesungen am 13.10., 20.10....
Organisatorisches zu den Übungen



Vorlesung und Übung sind miteinander integriert.
Zeitl. Trennung von Vorlesung und Übu...
Modulzuordnung und Studienleistung



Computer Science:
• Modulgruppe: Wahlpflicht (WP), 5. Semester
• Prüfung in der letz...
Thema der Vorlesung



                                                               Information Retrieval 2
            ...
Themenkatalog



•      Einführung ins semantic web (rdf, rdf schema, web ontologies, OWL)
•      NLP and text mining
•   ...
2. VORSTELLUNG UND
     KONTEXT DER DOMAINE
       O          O

© Fraunhofer-Institut für Angewandte Informationstechnik ...
Die Fraunhofer* Gesellschaft

 gegründet 1949
 gemeinnütziger Verein für angewandte Forschung
 59 Forschungsinstitute
...
Das Profil der Fraunhofer-Gesellschaft




7 Bereiche:
 Informations- und Kommunikationstechnologie
 Lebenswissenschafte...
Fraunhofer FIT
Institut fü A
I tit t für Angewandte Informationstechnologie
                   dt I f     ti   t h l i
Lei...
CAPLE: Projekte
   ROLE – Responsive Open Learning Environments

   MACE – Metadata for Architectural Contents in Europe...
1. Autonomes Lernen mit PLEs

Autonomes Lernen

   Selbstgesteuertes, autonomes Lernen (self-regulated learning) ist ein
...
Computergestütztes, autonomes Lernen

   Voraussetzung von computergestütztem, autonomen Lernen ist die
    Verfügbarkeit...
Personalisierte Lernumgebungen (PLEs)

   Lernziele im Rahmen von lebenslangem Lernen werden durch berufliche
    Anforde...
Gilt das auch für Lernumgebungen jenseits des
  Computerarbeitsplatzes?

        LogiAssist

        Aus-
        Aus und ...
Kontextabhängige, dynamische Lernumgebungen

   Bei der Konfiguration einer PLE sind die Eigenarten des Nutzers und seine...
Lernziel
                           Nutzer
                                                                   (Aufgabe,
  ...
Dynamisches
                   y a sc es
                                                                                 ...
PLEs heute



  Firma                                                           sonst. Fortbildung




                   ...
Aufgaben

      Bereitstellung und Erschließung von Ressourcen
      Herstellung von Interoperabilität
      Erzeugen (...
Responsive Open Learning Environments
   p        p          g


                                                         ...
2. Erschließung von Lernobjekten


      Objekte, die sich zum Lernen und zur Lehre eignen, sind vorhanden, müssen
      ...
MACE: Metadata for Architectural Contents in Europe




                                                               por...
© Fraunhofer-Institut für Angewandte Informationstechnik FIT
© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Faceted Search




 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
© Fraunhofer-Institut für Angewandte Informationstechnik FIT
© Fraunhofer-Institut für Angewandte Informationstechnik FIT
ALOE




© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Real World Objects




                                                               Renzo Piano


                      ...
© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Open Scout
Skill based scouting of open user-generated and community-
improved content for management education and traini...
Natural Europe
Natural History & Environmental Cultural Heritage in European Digital Libraries
for Education


 Zusammenf...
Erschließung von Lernobjekten für zukünftige
Lernumgebungen
L         b


      Informelles Durchstreifen des Datenraums,...
Informationsinfrastrukturen und externalisiertes Wissen

   Wissen setzt Wissensrepräsentation (Daten) und deren Zugängli...
3. Interaktion jenseits des PC




                  http://portal.mace-project.eu/maeve/
                  http://portal ...
4. Interoperabilität und die Erschließung von Werkzeugen




© Fraunhofer-Institut für Angewandte Informationstechnik FIT
5. Autonomes Lernen und Reflexion

    Autonomes Lernen verlangt die Reflexion des
     eigenen Lernverhaltens.
       g
...
Nutzerbeobachtung

   Nutzungsdaten müssen kontinuierlich aufgezeichnet werden.
   Der Nutzer darf bei seinen Aktivitäte...
Contextualized Attention Metadata (CAM)




 Themen?                                                                      ...
CAMera-Tool zur Reflexionsunterstützung




 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
Kommunikationsanalyse: soziale Netzwerke




 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
Themen im Netzwerk




© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Themen in Beziehungen




© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Handlungsketten: Key Action Extraction




 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
Nussbaumer et al. 2009

© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Nussbaumer et al. 2009

© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Remote Services, Zeitgeist




 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
Forschungsdesiderate

   Wie erkennen wir Handlungen?
   Wie können wir Aufgaben und Ziele spezifizieren?
   Wie können...
6. Nutzer- und kontextsensitive Empfehlungen




 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
Empfehlung adäquater Ressourcen

   Aufgabe des Nutzers: Konfiguration des PLE durch Auswahl relevanter und
    adäquater...
Adäquatheit

   Adäquatheit als Ähnlichkeit:
        Vergleich von Nutzerprofilen, Situationsprofilen etc. mit Ressource...
7. Nutzergesteuerte Konfiguration von PLEs

      ROLE                                                       Intelligent M...
8. Iterative Entwicklung und Evaluation in Testbeds

 PLE-Experts Workshops                                           Des...
Zusammenfassung: Zentrale Themen des TEL

      Informationsinfrastrukturen
      Interoperabilität von Ressourcen
    ...
Kontakt



Dr. Martin Wolpers
martin.wolpers@fit.fraunhofer.de
+49 (0)2241 14 -2128
 49             2128


http://www.fit....
3. REPETITORIUM
     INF. RETRIEVAL 1

© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Charakterisierung des Begriffs “Information Retrieval”



Weitgefaßt versteht man unter dem Begriff Information Retrieval ...
Anwendungen



•      Bibliothekssysteme
•      Suchsysteme aller Art
•      Lernsysteme
•      Personalisierung
•      On...
Verwendete Definition



Die Fachgruppe “Information Retrieval” der GI definiert (in Stichworten) den
   Begriff wie folgt...
Ansätze für IR Systeme



•      Stringsuche: Die Suchanfragen sind Strings oder reguläre Ausdrücke. Nur
       für kleine...
Bool‘sches Retrieval



Antwortmenge basiert auf Auswertung der Eigenschaften (Attribute) eines
   Dokuments.
Auswertung b...
Vektorraummodell



•      Dokumente und Anfragen werden als Vektoren in einem Vektorraum
       aufgefasst.


•      Der ...
Vektorraummodell – Ähnlichkeitsmaß



Wesentlich: Cosinus Maß: Winkel zw. Anfrage und Dokumentenvektor:




Konsequenz aus...
Evaluierung der IR Systeme



Relevanz: Beziehung zw. Anfrage und Antwort-
   Dokumentenmenge


Präzision (Precision) der ...
4. GRUPPENBILDUNG UND
     AUFGABE
         G

© Fraunhofer-Institut für Angewandte Informationstechnik FIT
Gruppenbildung



•      Gruppen à 4 Personen
•      Fest für die gesamte Zeit der Vorlesung
•      Gemeinsame Bearbeitung...
Aufgabe



Je Gruppe:
•      Legen Sie eine web-basierte Gruppenpräsenz (zugangsgeschützt) an. Stellen
       Sie sich dor...
Vielen Dank.
                                                               Weitere Fragen?


                           N...
Nächste SlideShare
Wird geladen in …5
×

2010.10.hbrs.ir2

987 Aufrufe

Veröffentlicht am

0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
987
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
2
Aktionen
Geteilt
0
Downloads
8
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

2010.10.hbrs.ir2

  1. 1. Information Retrieval 2 Dr.-Ing. Martin Wolpers © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  2. 2. Gliederung 1. Organisatorisches 8. Nutzer- und kontextsensitive 2. Vorstellung Martin Wolpers Empfehlungen 1. Fraunhofer, FIT, CAPLE 9. Nutzergesteuerte Konfiguration von Lernumgebungen 2. 2 Autonomes Lernen mit Persönlichen Lernumgebungen 10.Iterative Entwicklung und (PLEs) Evaluation in Testbeds 3. Erschließung von Lernobjekten 11.Zusammenfassung 11 Zusammenfassung zu TEL 4. Interaktion jenseits des PC 3. Repetitorium Inf. Retrieval 1 5. 5 Interoperabilität und die 4. Gruppenbildung und Aufgabe pp g g Erschließung von Werkzeugen 6. Autonomes Lernen und Reflexion 7. Nutzer- und kontextsensitive Empfehlungen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  3. 3. 1. ORGANISATORISCHES © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  4. 4. Organisatorisches zur Vorlesung 2h Vorlesung + 1h Übung 2 Pausen à 10min. Sicher: Keine Vorlesungen am 13.10., 20.10. und 17.11. Evtl.: Evtl : Keine Vorlesungen am 24 11 und 9 12 24.11. 9.12. Ersatztermine?? Folienbasierte Vorlesung (pdf-Format), die nach der Vorlesung im Netz stehen: http://www.fit.fraunhofer.de/~wolpers/ir2/ Prüfung: Klausur (26.1.) (????) © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  5. 5. Organisatorisches zu den Übungen Vorlesung und Übung sind miteinander integriert. Zeitl. Trennung von Vorlesung und Übung oft undeutlich. Übungsaufgaben sollen in der Übung und Zuhause bearbeitet werden. Bearbeitung in Gruppen wobei Lösungen in den Übungen vorgestellt werden Gruppen, Programmiersprache soll Java sein. Der Lösungsweg ist nicht das Ziel. Sie bekommen Zugriff auf das Labor Wissens- und Informationsmanagement: ux-2e00.inf.fh-bonn-rhein-sieg.de (????) © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  6. 6. Modulzuordnung und Studienleistung Computer Science: • Modulgruppe: Wahlpflicht (WP), 5. Semester • Prüfung in der letzten Semesterwoche • Klausur über Vorlesung und Übung Business Information Systems: • Modulgruppe: Wahlpflichtfächer der Informatik (INF wp) • Klausur als Leistungsnachweis Credits: 3 (mit Bestehen der Klausur) © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  7. 7. Thema der Vorlesung Information Retrieval 2 Anwendungen des Information Retrieval © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  8. 8. Themenkatalog • Einführung ins semantic web (rdf, rdf schema, web ontologies, OWL) • NLP and text mining • Social Information Retrieval: Web 2.0, Social Media • Web Management (web structure, web usage, systems for managing) • Recommender Systeme • Nutzerzentrierte Models des Information Retrieval • Multimedia Information Retrieval • Trends in Informationssystemen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  9. 9. 2. VORSTELLUNG UND KONTEXT DER DOMAINE O O © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  10. 10. Die Fraunhofer* Gesellschaft  gegründet 1949  gemeinnütziger Verein für angewandte Forschung  59 Forschungsinstitute  17 000 Angestellte 17.000  jährliches Budget ca. 1.600 Mio. €  Finanzierung: ~1/3 Industrieaufträge 1/3 ~1/3 Forschungsprojekte ~1/3 Grundfinanzierung *Joseph von Fraunhofer (1787 – 1826 ) Forscher, Erfinder und Unternehmer © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  11. 11. Das Profil der Fraunhofer-Gesellschaft 7 Bereiche:  Informations- und Kommunikationstechnologie  Lebenswissenschaften  Mikroelektronik  Li ht und Ob flä h Licht d Oberflächen  Produktion  Materialien und Komponenten - MATERIALS  Verteidigung und Sicherheit © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  12. 12. Fraunhofer FIT Institut fü A I tit t für Angewandte Informationstechnologie dt I f ti t h l i Leitung: Prof. Dr. Matthias Jarke  Nutzer-zentrierte Informations- und Kooperationssysteme  Ziel: Optimierung der Nutzbarkeit und Nützlichkeit von IT-Systemen im Zusammenspiel mit bestehenden Praktiken Strukturen und Prozessen Praktiken,  Forschungsgruppe CAPLE: Context and Attention in Personalised Learning g g pp g Environments ca. ca 130 Wissenschaftler: Informatiker, Soziologen, Ökonomen, Psychologen, (Computer-) Linguisten, Biologen, Ingenieure © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  13. 13. CAPLE: Projekte  ROLE – Responsive Open Learning Environments  MACE – Metadata for Architectural Contents in Europe  OpenScout – Skill based scouting of open user-generated and community- improved content for management education and training  NaturalEurope – Natural History & Environmental Cultural Heritage in European Digital Libraries for Education  LogiAssist – Mobile Aus- und Weiterbildung für Fahrer in der Logistikbranche g © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  14. 14. 1. Autonomes Lernen mit PLEs Autonomes Lernen  Selbstgesteuertes, autonomes Lernen (self-regulated learning) ist ein Prozess, b i d P bei dem d L der Lernende selbst entscheidet, was er wann und wie d lb t t h id t d i lernt. Er entscheidet sich frei für seine Lernziele und wählt die Mittel, um sie zu erreichen.  Autonomie ist kein binäres Merkmal. Es gibt Grade der Autonomie. Autonomes Lernen schließt nicht die Anleitung und Förderung durch einen Lehrenden aus. Auch autonom Lernende sind üblicherweise auf Ratschläge angewiesen.  Autonomie steigert den Lernerfolg. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  15. 15. Computergestütztes, autonomes Lernen  Voraussetzung von computergestütztem, autonomen Lernen ist die Verfügbarkeit von  Lernobjekten (Lerninhalten)  Anwendungsprogrammen, die den Zugriff und gg die Aufbereitung und g p g , g ggf. g Interaktion mit Lernobjekten ermöglichen  Lernpartnern  Die Menge der bereits verfügbaren Lernobjekte, Anwendungsprogramme und potentiellen Lernpartner ist unüberschaubar groß.  Lernende sind angewiesen auf g  Unterstützung bei der Suche  Empfehlungen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  16. 16. Personalisierte Lernumgebungen (PLEs)  Lernziele im Rahmen von lebenslangem Lernen werden durch berufliche Anforderungen und persönliche Interessen gesetzt Sie erfordern weitgehend gesetzt. selbstgesteuertes, autonomes Lernen.  Arbeits-, Freizeit- und Lernaktivitäten können nicht immer klar unterschieden werden. Wi l d Wir lernen i Z im Zuge unserer A b it und umgekehrt. Arbeit d k ht  Computerbasierte Arbeits-, Freizeit- und Lernaktivitäten finden zu einem g großen Anteil in ähnlichen, wenn nicht denselben Umgebungen statt. g g  Eine personalisierte Lernumgebung ist eine erweiterte Arbeitsumgebung, die wenigstens die üblichen Anwendungen – wie Webbrowser, Email-Tool Webbrowser Email Tool, Textverarbeitungssoftware etc – umfasst etc. umfasst. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  17. 17. Gilt das auch für Lernumgebungen jenseits des Computerarbeitsplatzes? LogiAssist Aus- Aus und Fortbildung für Fahrer in der Logistik- branche Arbeitsplatz LKW © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  18. 18. Kontextabhängige, dynamische Lernumgebungen  Bei der Konfiguration einer PLE sind die Eigenarten des Nutzers und seine Lernsituation zu berücksichtigen. berücksichtigen  Lernsituationen können sich ändern. PLEs müssen sich ihnen dynamisch anpassen können. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  19. 19. Lernziel Nutzer (Aufgabe, (Nutzerprofil) Aufgabenprofil) PLE Weitere (Lernobjekte, Tools, (Lernobjekte Tools Kontextparameter Partner) © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  20. 20. Dynamisches y a sc es PLE Nutzerprofil (Lernobjekte, Tools, incl. Lernziel(e) und Partner) Lernsituation(en) ( ) Fundus an Ressourcen, charakterisiert durch Profile © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  21. 21. PLEs heute Firma sonst. Fortbildung privat Firmen LMS, blogs, Firmen-LMS -blogs Kurse und Lerninhalte -ressourcen Institute, Services © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  22. 22. Aufgaben  Bereitstellung und Erschließung von Ressourcen  Herstellung von Interoperabilität  Erzeugen (dynamischer) Nutzerprofile  Unterstützung des Nutzers bei der Zusammenstellung seiner Lernumgebung:  Empfehlungen relevanter und adäquater Ressourcen  Aufklären des Nutzers über sein Profil/ sein Lernen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  23. 23. Responsive Open Learning Environments p p g • Empower the learner to build their ROLE Vision own responsive learning environment • Awareness and reflection of own Responsiveness learning process l i • Individually adapted composition of User-Centred personal learning environment http://www.role-project.eu © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  24. 24. 2. Erschließung von Lernobjekten  Objekte, die sich zum Lernen und zur Lehre eignen, sind vorhanden, müssen j g ggf. aber erschlossen werden.  Durch ihre Erschließung werden die Objekte auffindbar und nutzbar.  Erschließung b i h lt t B it t ll E hli ß beinhaltet Bereitstellung und ( t d di i t ) B d (standardisierte) Beschreibung. h ib © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  25. 25. MACE: Metadata for Architectural Contents in Europe portal.mace project.eu portal.mace-project.eu © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  26. 26. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  27. 27. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  28. 28. Faceted Search © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  29. 29. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  30. 30. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  31. 31. ALOE © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  32. 32. Real World Objects Renzo Piano Centre Pompidou Lloyd‘s Building Richard Rogers Millennium Dome © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  33. 33. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  34. 34. Open Scout Skill based scouting of open user-generated and community- improved content for management education and training  Aus- und Fortbildung in Betriebswirtschaftslehre/ Management  Fokus auf lebenslangem Lernen  Erschließung und Bereitstellung entsprechender interoperabler, anpassbarer und wiederverwendbarer Lernmaterialien Validate V lid t Re-use / Validate Search re- Re-publish adapt solution usability © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  35. 35. Natural Europe Natural History & Environmental Cultural Heritage in European Digital Libraries for Education  Zusammenführung von Materialien naturgeschichtlicher Museen  Anbindung an die Europeana  Didaktische Erschließung für die Nutzung im Unterricht und zum Selbststudium  Aufbereitung zur Definition von Lernpfaden in Museen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  36. 36. Erschließung von Lernobjekten für zukünftige Lernumgebungen L b  Informelles Durchstreifen des Datenraums, freie Assoziation  Entwurf individueller Lernpfade  Verschmelzung von formalem und informellen Lernen  Lehre als Führung und Motivation © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  37. 37. Informationsinfrastrukturen und externalisiertes Wissen  Wissen setzt Wissensrepräsentation (Daten) und deren Zugänglichkeit voraus.  Wissenserwerb besteht im Aufbau oder der Veränderung von Wissensrepräsentationen und/oder im Herstellen neuer Zugänge zu g g Wissensrepräsentationen.  Wenn Wissen auch auf externen Repräsentationen beruhen kann, dann kann Wissenserwerb in einer Veränderung der Umgebung des Erwerbenden (Lernenden) bestehen.  Der Lernende braucht sich nur noch bedingt aktiv am Lernprozess zu beteiligen. beteiligen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  38. 38. 3. Interaktion jenseits des PC http://portal.mace-project.eu/maeve/ http://portal mace project eu/maeve/ © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  39. 39. 4. Interoperabilität und die Erschließung von Werkzeugen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  40. 40. 5. Autonomes Lernen und Reflexion  Autonomes Lernen verlangt die Reflexion des eigenen Lernverhaltens. g  Selbstbeobachtung – als Voraussetzung von Reflexion – dient der effektiven Lernunterstützung:  Sie ermöglicht dem Lernenden, seine Lernstrategie zu erkennen und zu optimieren. ti i  Sie fördert die Motivation.  Selbstbeobachtung unterstützt sowohl individuelle als auch kollaborative Lernaktivitäten.  Um wirksam zu sein muss Selbstbeobachtung sein, fortlaufend stattfinden. Nussbaumer et al. 2009 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  41. 41. Nutzerbeobachtung  Nutzungsdaten müssen kontinuierlich aufgezeichnet werden.  Der Nutzer darf bei seinen Aktivitäten nicht gestört werden werden.  Beobachtungsdaten müssen direkt vom Nutzer interpretiert werden können.  Beobachtungsdaten müssen verlässlich sein und dürfen nicht auf nur wahrscheinlichen Schlussfolgerungen beruhen.  Die Daten sind zu destillieren, so dass sie leichter nachvollziehbar sind und weitergehende Interpretationen anregen können.  Lokal erhobene Nutzungsdaten sind privat und stehen unter der Kontrolle des jeweiligen Nutzers.  Nutzungsdaten können sowohl lokal auf dem Rechner des Nutzers als auch auf Servern mit denen der Nutzer interagiert, gesammelt werden. (Letzteres setzt die Einwilligung des Nutzers voraus.) © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  42. 42. Contextualized Attention Metadata (CAM) Themen? Suchanfragen? g Wieder- Was? Wann? sammeln, assoziieren, verwendung? In welchem destillieren, , Kontext? kumulieren Wann? Mit wem? Worüber? © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  43. 43. CAMera-Tool zur Reflexionsunterstützung © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  44. 44. Kommunikationsanalyse: soziale Netzwerke © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  45. 45. Themen im Netzwerk © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  46. 46. Themen in Beziehungen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  47. 47. Handlungsketten: Key Action Extraction © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  48. 48. Nussbaumer et al. 2009 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  49. 49. Nussbaumer et al. 2009 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  50. 50. Remote Services, Zeitgeist © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  51. 51. Forschungsdesiderate  Wie erkennen wir Handlungen?  Wie können wir Aufgaben und Ziele spezifizieren?  Wie können Nutzungsdaten mit anderen Daten (aus Fragebögen, Metadaten, …) optimal integriert werden?  Was sind adäquate, die Reflexion des Nutzers effektiv unterstützende Datendestillationen?  Über welchen Zeitraum hinweg können Nutzungsdaten interessant und interpretierbar für einen Nutzer sein?  Wie können Nutzungsdaten für die Reflexion und Planung von Lehre verwendet werden?  Wie gewährleisten wir Datensicherheit? © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  52. 52. 6. Nutzer- und kontextsensitive Empfehlungen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  53. 53. Empfehlung adäquater Ressourcen  Aufgabe des Nutzers: Konfiguration des PLE durch Auswahl relevanter und adäquater Ressourcen  Unterstützung des Nutzers:  Befriedigung des Informationsbedürfnisses (Datensammlung und Destillation)  Bereitstellung eines überschaubaren Fundus von Ressourcen, Empfehlungen  Voraussetzung: ‚A priori‘-Wissen über (potentielle) Relevanz und Adäquatheit von Ressourcen; Spezifikation und Operationalisierung eines Adäquatheitsbegriffs © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  54. 54. Adäquatheit  Adäquatheit als Ähnlichkeit:  Vergleich von Nutzerprofilen, Situationsprofilen etc. mit Ressourcenprofilen  Auswahl von Attributgruppen  Adäquatheit als Identität der Werte ausgewählter Attribute  Adäquatheit als Verschiedenheit:  Bestimmung von Lernzielen (ggf. Einsatz von goal-setting tools)  Berechnung der Differenz zwischen dem Ist-Zustand (u.a. spezifiziert durch Beobachtungsdaten) und den Zielen  Empfehlungen zum Ausgleich der Differenz  Explizite Werturteile von Nutzern und Experten © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  55. 55. 7. Nutzergesteuerte Konfiguration von PLEs ROLE Intelligent Mediation and Recommendation Mash-up within ROLE Interoperability Framework Services (GUI mash up + mash-up on learning design level) mash-up mash up Activity‐ Manage- Preference- Skill- Test- Resource- driven ment- driven driven driven driven driven Action Action- Mash-up M h outcome- Personal learning Competency C profile driven Planned Learning Content Learning progress Rules tool style rules rules outcomes rules milestones bindings And Principles Tool and Time and Rules to learner l Learning Peer cost fulfill progress Service rules educator interaction constraints Compliance driven rules given rules patterns /preferences Tests API to Content API to User and Skill Profiles in OpenID, LMS API to Test Repositories, LMS, LCMS, etc. Systems Soc. Networks © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  56. 56. 8. Iterative Entwicklung und Evaluation in Testbeds  PLE-Experts Workshops Design Scenarios Tryout  B iti h Institute f L British I tit t for Learning and i d Development (BILD) Learners Specs Scientists RWTH  FESTO Lernzentrum Components  Open University U Open FESTO  Rheinisch-Westfälische Learn Developers Externa‐ Technische Hochschule (RWTH) lisation Aachen: Web 2.0 Knowledge BILD Map for Academic Teaching World W ld Standards  Shanghai Jiao Tong University ( (SJTU) ) SJTU Educators Providers  U&I Learning g Freeing Evaluation methodologies  IMC AG © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  57. 57. Zusammenfassung: Zentrale Themen des TEL  Informationsinfrastrukturen  Interoperabilität von Ressourcen  Individualisierung/ Personalisierung  Kontextualisierung  Kooperationsunterstützung  Reflexionsunterstützung: Bewusstmachung des (eigenen) Tuns, Aufklärung  Nutzer- und kontextsensitive Empfehlungen © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  58. 58. Kontakt Dr. Martin Wolpers martin.wolpers@fit.fraunhofer.de +49 (0)2241 14 -2128 49 2128 http://www.fit.fraunhofer.de/services/mobile/caple.html http://www fit fraunhofer de/services/mobile/caple html © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  59. 59. 3. REPETITORIUM INF. RETRIEVAL 1 © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  60. 60. Charakterisierung des Begriffs “Information Retrieval” Weitgefaßt versteht man unter dem Begriff Information Retrieval (IR) jede Art der Wiedergewinnung maschinell gespeicherter Daten. • Im Vordergrund stehen dabei Anfragen mit vagen oder unvollständigen Kriterien. •  “weiche” Daten im Gegensatz zu den “harten” Daten in klassischen DB • Die Suche ist in erster Linie an inhaltlichen Kriterien ausgerichtet. •  E geht um das Wi d Es ht d Wiederauffinden von I f ffi d Informationen zu th ti thematischen, also ti h l inhaltlichen Fragen. Auf Basis der IR1 Folien: http://www2.inf.fh-bonn-rhein-sieg.de/~pbecke2m/retrieval/einfuehrung1.pdf © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  61. 61. Anwendungen • Bibliothekssysteme • Suchsysteme aller Art • Lernsysteme • Personalisierung • Online Handel • Etc. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  62. 62. Verwendete Definition Die Fachgruppe “Information Retrieval” der GI definiert (in Stichworten) den Begriff wie folgt (siehe auch Fuhr, 1995): Gegenstand des IR: Informationssysteme in Bezug auf ihre Rolle beim Wissenstransfer vom menschlichen Wissensproduzenten zum Informationsnachfragenden Schwerpunkt sind Fragestellungen, die im Zusammenhang mit vagen Anfragen und unsicherem Wissen entstehen. (Vage: Antwort ist a p ( g priori nicht eindeutig g definiert ist.) Ein Ei weiterer wichtiger Punkt ist die Bewertung der Qualität d A t it i hti P kt i t di B t d Q lität der Antworten eines t i Informationssystems (Ranking, etc.). © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  63. 63. Ansätze für IR Systeme • Stringsuche: Die Suchanfragen sind Strings oder reguläre Ausdrücke. Nur für kleine Bestände geeignet. • Bool sches Bool‘sches Retrieval: Mengenoperationen • Vektorraummodell: Dokumente und Anfragen werden als Vektoren in einem Vektorraum repräsentiert. Als Basis für das IR dient eine Ähnlichkeitsfunktion, die f den Vektordarstellungen aufsetzt. di auf d V kt d t ll f t t • Probabilistisches Retrieval: Die Wichtigkeit eines Dokuments für eine Anfrage wird über die Wahrscheinlichkeit der Relevanz g g gemessen. Die Berechnungen basieren dabei auf gewissen statistischen Annahmen. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  64. 64. Bool‘sches Retrieval Antwortmenge basiert auf Auswertung der Eigenschaften (Attribute) eines Dokuments. Auswertung basiert auf wahr oder falsch eines logisches Ausdrucks (Anfrage) (Anfrage). Bool‘sche Mengenoperationen • AND: Einschränkung g • OR: Ergänzung • NOT: Ausschluss © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  65. 65. Vektorraummodell • Dokumente und Anfragen werden als Vektoren in einem Vektorraum aufgefasst. • Der Vektorraum wird durch die in der Datenbank enthaltenen Terme aufgespannt (pro Term eine Dimension). • Beim Retrieval wird nach Dokumenten gesucht, deren Dokumentvektor ähnlich zum Anfragevektor ist ist. • Die Ähnlichkeit wird durch eine geeignete Funktion definiert. g g © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  66. 66. Vektorraummodell – Ähnlichkeitsmaß Wesentlich: Cosinus Maß: Winkel zw. Anfrage und Dokumentenvektor: Konsequenz aus Zipf‘schen Gesetz: Alleine Terme mit mittlerer Häufigkeit sind geeignet für die Suche und Indexierung. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  67. 67. Evaluierung der IR Systeme Relevanz: Beziehung zw. Anfrage und Antwort- Dokumentenmenge Präzision (Precision) der Antwort = Anzahl der relevanten Dokumente in der Antwortmenge / Alle Dokumente i d D k All D k t in der Dokumentenmenge t Vollständigkeit (Recall) der Antwort = Anzahl der relevanten Dokumente in der Antwortmenge / Alle relevanten Dokumente in der Dokumentenmenge © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  68. 68. 4. GRUPPENBILDUNG UND AUFGABE G © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  69. 69. Gruppenbildung • Gruppen à 4 Personen • Fest für die gesamte Zeit der Vorlesung • Gemeinsame Bearbeitung der Aufgaben • Gemeinsame Präsentation in den Übungen • Jede Gruppe richtet sich eine Webpräsenz (blog?) ein auf der sich die ein, Gruppe vorstellt und die eigenen Ergebnisse vorstellt. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  70. 70. Aufgabe Je Gruppe: • Legen Sie eine web-basierte Gruppenpräsenz (zugangsgeschützt) an. Stellen Sie sich dort kurz vor vor. • Desweiteren, bearbeiten Sie dort kurz folgende Aufgabenstellen: • Benennen Sie 2 Beispiele für IR Systeme. Beschreiben Sie kurz, welcher IR p y , Ansatz verwendet wird. Charakterisieren Sie die Systeme auf Basis der jeweiligen Anwendung. • Senden Sie die URL der Gruppenpräsenz bis zum 24 10 bitte an mich 24.10. (martin.wolpers@fit.fraunhofer.de) • Bereiten Sie sich auf eine adhoc Präsentation Ihres Ergebnisses mithilfe der Webpräsenz während d nächsten V l W b ä äh d der ä h t Vorlesung vor. © Fraunhofer-Institut für Angewandte Informationstechnik FIT
  71. 71. Vielen Dank. Weitere Fragen? Nächste Vorlesung am 27 10 um 14 00 Nä h t V l 27.10. 14:00. © Fraunhofer-Institut für Angewandte Informationstechnik FIT

×