fit 2002 >
Modellierung >
Bewertung
Suchmaschinen benutzen vergleichsweise simple Modelle. Als Beispiel sei hier kurz die Arbeitsweise der Suchmaschine Google erklärt.
Der Modellbildungsprozess der Suchmaschine vollzieht sich in zwei Schritten. Der erste ist eine Bildung von gewichten über die aktuellen Hypertext-Nodes.
Dieser Schritt geht als adaptiv-quantitatives Verfahren davon aus, daßHypertext-Nodes die oft referenziert werden, wichtige Information enthalten und daher auch oft gesucht werden.
Der zweite Schritt ist die explizite Wissensgenerierung durch Befragung des Benutzers nach Schlüsselworten.
Als Ergebnis der Anfrage werden die Nodes, die diese Schlüsselworte enthalten, in Reihenfolge der in Schritt eins gewonnenen Gewichte ausgegeben.
Diese Methode, Hypertext-Nodes zu selektieren bietet den Vorteil, mit generischen Texten zu funktionieren, da sie rein syntaktisch arbeitet und keinerlei Wissen um den Inhalt voraussetzt.
Es existieren jedoch eine Reihe von Nachteilen: Redundante Information - also Nodes mit ähnlicher oder gleicher Information - wird mehrfach ausgegeben. Schlimmer noch, kann redundantes Vorhandensein wichtiger Information zu deren Unterbewertung führen, da sich die Referenzen auf einen Satz von Nodes verteilen und so zur schlechteren Gewichtung der Information führen.
Auf diesem Gebiet kann extensivere Benutzermodellierung eine Reihe von Verbesserungen bewirken:
Stärkeres Wissen um den User in Form seiner Aufrufgewohnheiten, kann zu besserer Bewertung mithilfe statistischer Modelle führen.
Es treten auch wesentlich fundamentalere Probleme der Kognitionspsychologie auf, über die an dieser Stelle jedoch nichts ausgesagt werden soll.
Michael Ramscar, Helen Pain, and John Lee. Do We Know What the User Knows, and Does It Matter? The Epistemics of User Modelling. In Anthony Jameson, Ce'cile Paris, and Carlo Tasso (Eds.), User Modeling: Proceedings of the Sixth International Con-ference, UM97. Vienna, New York: Springer Wien New York.
Verweise auf Arbeiten anderer gruppen
Entstehungskontext | Konzepte und
Techniken | Entwicklung und
Auswirkungen | Praxis | >Bewertung
Im folgenden Text soll eine Darstellung der verschiedenen Chancen und Möglichkeiten des User Modelling gegeben werden sowie eine Bewertung des voraussichtlichen Einsatzes stattfinden.
Bis jetzt war die wirtschaftliche Nachfrage nach User Modelling Systemen gering. Im Zuge immer komplexerer Softwarepakete ist jedoch zukünftig mit verstärkter Nachfrage für adaptive Technologien zu rechnen, die es ermöglichen, Software an Benutzergruppen unterschiedlichster Ansprüche und Erfahrung anzupassen, um optimale Ammortisation der Investition in die Codebasis zu ermöglichen.
Adaptive Hypermedia-Systeme sind wahrscheinlich das aussichtsreichste Gebiet der Benutzermodellierung. Des ergibt sich aus mehreren Gründen: Im Zuge der wachsenden Datenfluten wird es für den Benutzer von Hypermedia-Systemen zunehmend schwieriger, Daten mit Informationsgehalt auszuselektieren. Die Selektion von Daten wird zunehmend vom qualitativen Problem, das heißt die richtigen Daten auszuwählen, zum quantitative Problem, das heißt möglichst früh möglichst viele unpassende Daten auszuschließen. Eine Illustration dieses Problems bieten diverse Suchmaschinen.
Der derzeit wahrscheinlich größte Hemmschuh für die Techniken des User Modelling ist, daßdie Pragmatik des Benutzerhandelns für Softwaresysteme insgesammt ein großen Fragezeichen bleibt. Dies ist zum Teil auf ungenügende Sensorik zurückzuführen, da Software nur das Verhalten des Users ihr gegenüber erkennen kann, ihr jedoch der physische Aspekt seines Handelns derzeit verschlossen bleibt. Noch wichtiger jedoch ist die Unzulänglichkeit der vorhandenen kognitiven Modelle. Auch daßdie Software logischerweise nicht über das Wissen des Benutzers verfügen kann spielt hier wesentlich mit hinein. Regelbasierte Systeme, die (eingeschränkt) Versuchen, Semantik und Pragmatik des Benutzerhandelns wiederzugeben, stoßen auf die Grenze, daßdiese beiden nicht konstant sind, sondern sich bei hinreichend komplexen Aufgaben ständig ändern. Der Author zweifelt daran, daßhier die notwendige Flexibilität realisiert werden kann.
Ferner stösst die aktive Wissensgenerierung von UM-Systemen durch Befragung des Benutzers durch dessen Willigkeit zur Interaktion auf dieser, von der Erledigung der eigentlichen Aufgabe getrennten, Eben auf enge Grenzen.
Linda Strachan, John Anderson, Murray Sneesby, and Mark Evans. Pragmatic User Modelling. In Anthony Jameson, Ce'cile Paris, and Carlo Tasso (Eds.), User Modeling: Proceedings of the Sixth International Con-ference, UM97. Vienna, New York: Springer Wien New York.