Die Session 7 am 23.03.2012 befasste sich mit dem Thema des \u201eInformation Retrieval im Social Web\u201c.<\/p>\n
Der erste Vortrag \u201eSocial ranking as a feedback mechanism to raise contributions in course wikis\u201c<\/strong> von Athanasios Mazarakis vom FZI Forschungszentrum Informatik stellte einen Teil seiner Dissertation dar und besch\u00e4ftigte sich mit der Frage: Wie kann man es schaffen, dass man Beteiligungen in Wikis anregt? Dies wurde am Beispiel eines Vorlesungswikis der Vorlesung \u201eGrundz\u00fcge der Informationswirtschaft\u201c erl\u00e4utert.<\/p>\n <\/p>\n Die Motivation f\u00fcr die Beteiligung sollte \u00a0die dauerhafte Besch\u00e4ftigung mit Vorlesungsinhalten sein. Die Vorteile im Hochschulbereich sind das Mehr-Augen-Prinzip, die M\u00f6glichkeit der unmittelbaren R\u00fcckmeldung f\u00fcr den Dozenten sowie die Tatsache, dass kontr\u00e4re Positionen deutlich werden. Allerdings sind Wikis keine Selbstl\u00e4ufer, wie Herr Mazarakis betonte. Wichtig sei ein gemeinsam gesetztes Ziel, das zur Teilnahme motiviert. Die Frage ist: K\u00f6nnen Feedbackmechanismen helfen? Im Folgenden wurden vier verschiedene Feedbackmechanismen vorgestellt. Die Gratitude, ein einfaches \u201eDankesch\u00f6n\u201c f\u00fcr die Teilnahme, ist einer von ihnen. Der Historical Reminder dagegen zeigt die Anzahl der eigenen Bearbeitungen im Wiki an. Das Relative Ranking stellt den Nutzer in Vergleich zu den restlichen Beteiligten (z.B. Top 8% aller Beitragenden im Wiki). Das Social Ranking geht noch einen Schritt weiter. Neben der Indexseite wird der eigene Zwischenstand angezeigt. Sich selbst sieht man dabei in der Mitte und Teilnehmer mit \u00e4hnlichen vielen Beitr\u00e4gen dar\u00fcber beziehungsweise darunter. Dies soll der sozialen Identifizierung dienen. Anschlie\u00dfend erl\u00e4uterte Herr Mazarakis die Rahmenbedingungen der Untersuchung. Als Anreiz zur Teilnahme am Wiki sollte es einen Punktebonus zur Klausur geben. Es gab zwei Studien: im Wintersemester 2009\/2010 und im Wintersemester 2010\/2011. Bei der Registrierung der Studierenden erfolgte eine dauerhafte Zuweisung zu einer der vier Feedbackmechanismen. Zus\u00e4tzlich gab es eine Kontrollgruppe. In der zweiten Studie gab es allerdings nur zwei Versuchsbedingungen: Kontrollgruppe vs. Soziales Ranking.<\/p>\n Zwar war die Beteiligung in der ersten Studie gr\u00f6\u00dfer, allerdings wurden keine signifikanten Unterschiede verzeichnet. Festzustellen war, dass beim Sozialen Ranking signifikant mehr Beitr\u00e4ge als bei der Kontrollgruppe entstanden sind und es zudem den effektivsten Feedbackmechanismus darstellt. Insgesamt sind aber alle Feedbackmechanismen als effektiv anzusehen.<\/p>\n Die Pr\u00e4sentationsfolien finden Sie hier: pdf<\/a>.<\/p>\n <\/p>\n Den zweiten Vortrag \u201eSocial Media Monitoring \u2013 Information Retrieval in unstrukturierten Daten mit der Software web2monitor\u201c<\/strong> hielt Evrim Sen von der infospeed GmbH. Mit den Worten \u201eWir sind eine Spezies untereinander\u201c stellte er kurz das Unternehmen vor und lieferte eine Definition von Social Media Monitoring. Darunter versteht man die Identifikation, Beobachtung und Analyse von User Generated Content im Web. Anschlie\u00dfend folgte eine Problembeschreibung, wie man sie als Nutzer beispielsweise bei Google hat. Unter Umst\u00e4nden werden Millionen von Treffern angezeigt, doch wie kann man diese Daten auswerten? Zur Erl\u00e4uterung stellte Herr Sen ein Modell zur Erfassung des Webs vor. Zuerst einmal sei das Web in Schichten aufzuteilen, zum Beispiel in Social Networks, Foren und Presseportale. Bei der Identifikation gilt es herauszufinden, ob zu einem bestimmten Thema Blogs, Foren usw. existieren. Danach erfolgt die Erstellung einer White List \u201eMaster Sheet\u201c, aus der sich beispielsweise erkennen l\u00e4sst, welches die Top 10 Foren sind. Anschlie\u00dfend werden die Quellen anhand der Entit\u00e4ten (Autor, Datum, Posting) analysiert. Hier zeigt sich das gro\u00dfe Problem: Foren haben alle verschiedene Konzepte, wie diese Entit\u00e4ten dargestellt werden und dies m\u00fcssen Suchmaschinen erkennen. Bei der Indexierung muss der Parser Strukturen erkennen, um sie zu identifizieren; diese strukturierten Daten k\u00f6nnen nun ausgewertet werden.<\/p>\n W\u00e4hrend allgemeine Suchmaschinen auf das gesamte Web zugreifen und einen Volltext-Index bieten, durchsucht w2m mit dem Focused Crawler Social Media Quellen und bietet einen strukturierten Index. Durch die Identifikation, das regelm\u00e4\u00dfige Crawling und den Einsatz von Expertensuche verringert sich die Anzahl der Treffer auf die der wirklich relevanten, wie Herr Sen an einem schematischen Beispiel eines ETL-Prozesses zeigte. Abschlie\u00dfend erkl\u00e4rte er noch kurz und b\u00fcndig die Arbeitsweise des w2m.<\/p>\n Die Pr\u00e4sentationsfolien finden Sie hier: pdf<\/a>.<\/p>\n <\/p>\n Der dritte Vortrag \u201eRelevance Assessment Tool. Ein Werkzeug zum Design von Retrievaltests sowie zur weitgehend automatisierten Erfassung, Aufbereitung und Auswertung von Daten\u201c<\/strong> wurde von Herrn Dirk Lewandowski und Herrn Sebastian S\u00fcnkler von der Hochschule f\u00fcr Angewandte Wissenschaften Hamburg gehalten. Herr Lewandowski begann mit der Problemstellung der Studien zur Retrievaleffektivit\u00e4t von Suchmaschinen. Beim Aufbau von solchen Studien wird auf Methoden der klassischen IR-Evaluierung zur\u00fcckgegriffen. So wird eine Menge von Suchaufgaben gebildet und diese an Suchmaschinen geschickt usw. Wichtig hierbei sind die Entscheidungen. Die Auswahl von Suchmaschinen, von Suchanfragen und die Anzahl der Ergebnisse pro Suchanfrage und Suchmaschine sowie die Anzahl der Juroren m\u00fcssen festgelegt werden. \u00dcber die Jahre hinweg wurden zahlreiche Studien mit den zentralen Problemen Testdesign, Datenerhebung und Skalierung der Studien durchgef\u00fchrt. Das Testdesign war meist manuell und dadurch unflexibel. Zudem gab es unterschiedliche Methoden der Datenerhebung und einen geringen Testumfang. Daher begann man mit der Konzeption des Relevance Assessment Tool. Die Idee war eine Software, die flexibles Testdesign, eine problemlose Datenerhebung und skalierbare Tests erlaubt. Das Testdesign erfolgte nach dem Baukastenprinzip und die Datenerhebung wurde insofern vereinfacht, als dass es automatisiert \u00fcber Suchmaschinen-Scraper erfolgt. Der Aufwand f\u00fcr die Erstellung und Durchf\u00fchrung der Tests wurde so erheblich reduziert. Dadurch wurden unter anderem weit umfangreichere Tests und Suchmaschinentests als Bachelor-\/Masterarbeiten m\u00f6glich.<\/p>\n Anschlie\u00dfend \u00fcbernahm Herr S\u00fcnkler die Vorstellung der vier Komponenten des Tools. Das Administrationsinterface befasst sich mit der Verwaltung und Gestaltung von Studien. Die Funktion der Suchmaschinenscraper ist unter anderem das automatisierte Anfragen an Suchmaschinen basierend auf den Keywords zu den Suchaufgaben. Im Userinterface erfolgt die Bewertung von Suchergebnissen. Die vierte Komponente stellt das Auswertungsmodul dar, das allerdings noch in der Entwicklung steckt.<\/p>\n Herr Lewandowski schloss mit dem Fazit, dass die Weiterentwicklung des Relevance Assessment Tool vorangetrieben werden wird und sich mit dem RAT Suchmaschinentests einfach und flexibel durchf\u00fchren lassen.<\/p>\n Die Pr\u00e4sentationsfolien finden Sie hier: pdf<\/a>.<\/p>\n <\/p>\n Alles in allem eine lehrreiche \u00dcbersicht \u00fcber neue M\u00f6glichkeiten (Feedbackmechanismen, web2monitor, RAT), relevante Informationen zu finden und selbst am Social Web mitzuwirken.<\/p>\n","protected":false},"excerpt":{"rendered":" Die Session 7 am 23.03.2012 befasste sich mit dem Thema des \u201eInformation Retrieval im Social Web\u201c. Der erste Vortrag \u201eSocial ranking as a feedback mechanism to raise contributions in course wikis\u201c von Athanasios Mazarakis vom FZI Forschungszentrum Informatik stellte einen … Weiterlesen