Data & IT
Pocket
Ableitung Personaler Wissensdomanen Aus Navigationspfaden in Einer Online-Enzyklopadie - Implementierung Eines Prototyps 'Simpedia'
Marcel Minke
1699:-
Uppskattad leveranstid 5-10 arbetsdagar
Fri frakt för medlemmar vid köp för minst 249:-
Doktorarbeit / Dissertation aus dem Jahr 2012 im Fachbereich Informatik - Angewandte Informatik, Note: 1,0, Universitt Hildesheim (Stiftung) (Mathematik, Naturwissenschaften, Wirtschaft und Informatik), Sprache: Deutsch, Abstract: 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 Zusammenhngen gewinnt demgegenber an Bedeutung.
Diese Dissertationsschrift beschreibt einen auf der deutschen Wikipedia basierenden Prototyp, der zum einen zum automatisierten Abfragen von Zusammenhngen genutzt werden kann und zum anderen ein neuartiges didaktisches Konzept zum Lernen von Assoziationen einfhrt.
Zur Definition von Wissensdomnen werden Algorithmen vorgestellt, die die einem Wikipedia-Artikel zugeordneten Kategorien auf vordefinierte Hauptkategorien aggregieren. Da Daten zu inhaltlichen Zusammenhngen zwischen verschiedenen Wikipedia-Eintrgen bisher noch nicht erhoben wurden, stellt diese Arbeit solche Assoziationen anhand der semantischen hnlichkeit her, die durch zwei Programme namens Findlink und SENTRAX berechnet wird. Die so generierte Liste hnlicher Artikel formt ein spezielles Netz, in dem die Knoten einzelne Wikipedia-Artikel darstellen und die Kanten inhaltliche Zusammenhnge abbilden. Die Assoziationen werden anschlieend in die Oberflche des Prototyps integriert und um Mechanismen zum Tracken der Benutzerinteraktion erweitert.
Ein Kernproblem des Versuchsaufbaus stellt der Korpusumfang dar. Einerseits fhrt die enorme Artikelanzahl bei der hnlichkeitsberechnung durch Findlink zu Performanceproblemen, andererseits zeigen sich aufgrund der Vielzahl der Eintrge Anomalien in der Netzstruktur der hnlichen Artikel in Form vieler untereinander kaum verbundener Teilnetze. Als Problemlsungen werden mehrere Filterkriterien definiert und deren A
Diese Dissertationsschrift beschreibt einen auf der deutschen Wikipedia basierenden Prototyp, der zum einen zum automatisierten Abfragen von Zusammenhngen genutzt werden kann und zum anderen ein neuartiges didaktisches Konzept zum Lernen von Assoziationen einfhrt.
Zur Definition von Wissensdomnen werden Algorithmen vorgestellt, die die einem Wikipedia-Artikel zugeordneten Kategorien auf vordefinierte Hauptkategorien aggregieren. Da Daten zu inhaltlichen Zusammenhngen zwischen verschiedenen Wikipedia-Eintrgen bisher noch nicht erhoben wurden, stellt diese Arbeit solche Assoziationen anhand der semantischen hnlichkeit her, die durch zwei Programme namens Findlink und SENTRAX berechnet wird. Die so generierte Liste hnlicher Artikel formt ein spezielles Netz, in dem die Knoten einzelne Wikipedia-Artikel darstellen und die Kanten inhaltliche Zusammenhnge abbilden. Die Assoziationen werden anschlieend in die Oberflche des Prototyps integriert und um Mechanismen zum Tracken der Benutzerinteraktion erweitert.
Ein Kernproblem des Versuchsaufbaus stellt der Korpusumfang dar. Einerseits fhrt die enorme Artikelanzahl bei der hnlichkeitsberechnung durch Findlink zu Performanceproblemen, andererseits zeigen sich aufgrund der Vielzahl der Eintrge Anomalien in der Netzstruktur der hnlichen Artikel in Form vieler untereinander kaum verbundener Teilnetze. Als Problemlsungen werden mehrere Filterkriterien definiert und deren A
- Format: Pocket/Paperback
- ISBN: 9783656360926
- Språk: Tyska
- Antal sidor: 188
- Utgivningsdatum: 2013-02-02
- Förlag: Grin Publishing