Wissenschaftliche Arbeiten

xxx

xxx

Netzwerke zum Wissensaufbau, zur Wissensnutzung und zum Wissenstransfer sind seit Bestehen humaner Organisationsformen bekannt. Die gezielte Zusammenarbeit und Vernetzung von Wissensträgern zur gemeinsamen Nutzung von Wissen, wird als Wissensnetzwerk bezeichnet. Die Rolle der Informationstechnologie ist in diesem Umfeld heiß diskutiert, von Wissenschaftlern und Praktikern gleichermaßen. Technologieunterstützung ist keine Bedingung für den Aufbau bzw. den Bestand von Wissensnetzwerken, sie ermöglicht jedoch in vielen Bereichen eine Verbesserung der Rahmenbedingungen. Die Arbeit beschreibt aus der Sicht von Wissensnetzwerken die zeitliche Relevanz, den Nutzen und die Praxistauglichkeit von einzelnen Informationstechnologien. In diesem Zusammenhang ist ein Schwerpunkt der Arbeit die Untersuchung von integrierten Lösungen vor dem Hintergrund von Wissensmanagement. Die Analyse von praktischen Fragestellungen liefert schlussendlich Hinweise dafür, wie Informationstechnologien für Wissensnetzwerke den Rahmenbedingungen entsprechend eingesetzt werden können.

Ausgangspunkt dieser Arbeit ist die Beobachtung, dass ein Mehrwert für Wissensmanagementsysteme dann entsteht, wenn Wissensträger noch besser als bislang miteinander in Beziehung gesetzt werden können. Wissensträger können im Kontext von Wissensmanagement sowohl Nutzer als auch Dokumente sein. Vor diesem Hintergrund ist das Ziel dieser Arbeit, einerseits Zusammenhänge im Dokumentenbestand an sich und andererseits sowohl zwischen Nutzern untereinander als auch zwischen Nutzern und dem Dokumentbestand zu identifizieren und messbar zu machen.Ausgangspunkt hierfür bilden Ansätze aus dem Bereich der Recommender- und People-Locator-Systeme. Das durch Mitwirkung des Know-Center entwickelte System PADDLE - "Personal Adaptable Digital Library Environment" - stellt den Dokumentbestand bereit und soll in weiterer Folge um die angesprochene Funktionalität erweitert werden.Als Grundlage hierfür werden sogenannte Affinitätsmetriken auf der Basis von Metadaten entwickelt, mittels derer die Ähnlichkeit zwischen Wissensträgern gemessen werden kann. Es werden parametrisierbare Metriken über unterschiedliche Bezugsformen, wie Fach-, Zeit- und Ortsbezug konzipiert. Der Fokus liegt derzeit auf thematischen Meta-Daten, die den Inhalt eines Dokument anhand einiger weniger Schlagworte beschreiben. Die Konzepte werden prototypisch implementiert und in PADDLE integriert. Abschließend wird untersucht, wie gut sich die durch die Wahl geeigneter Parameter erzielbaren Ergebnisse mit der subjektiven Bewertung von "Ähnlichkeit" im Beispieldokumentbestand decken.

Gewaltige Fortschritte in der Computertechnologie und die Weiterentwicklung des Internets haben zu neuen Ansätzen beim Lernen und Lehren geführt, die unter dem Begriff e-Learning zusammengefasst werden. Diese Dissertation legt dar, was von e-Learning erwartet werden kann, und untersucht, obwohl eigentlich auf die technologischen Aspekte orientiert, alle Arten von Anforderungen für e-Learning Umgebungen: pädagogische, funktionale und nicht-funktionale. Ein spezielles Kapitel wird allen für das eLearning Gebiet relevanten Standards gewidmet, aufgrund ihrer Wichtigkeit bei der Steigerung der Interoperabilität, der Senkung von Kosten und der Akzeptanzsteigerung.Ein Beispiel für ein State-of-the-Art e-Learning System, das vom Autor entworfen und unter seiner Führung entwickelt wurde, wird ausgeführt, auf dessen Basis erfolgreich abgeschlossene Projekte präsentiert, um die möglichen Einsatzgebiete aufzuzeigen, und Ideen für weitere Entwicklungen werden skizziert.

Der Schwerpunkt der heutigen wissensintensiven Gesellschaft liegt in der Bereitstellung von Wissen in Echtzeit in richtiger Form und Menge an den Wissensarbeiter. Personalisierung, also die Anpassung eines Systems an die Benutzeranforderungen, gewinnt immer mehr an Bedeutung als Möglichkeit zur Lieferung relevanten Wissens. Personalisierung kann statischer oder dynamischer Form sein. Statische Personalisierung findet zum Zeitpunkt des Entwurfs oder des Übersetzens statt, wobei dynamische Personalisierung zur Echtzeit stattfindet. Statische Personalisierung ist beschrännkt, weil es Personalisierung zu einem bestimmten Zeitpunkt lediglich unter Berücksichtigung des derzeitigen Interesses und Wissenshintergrundes des Wissensarbeiters definiert. Die Einschränkungen sind offensichtlich: Dynamische Wechsel in Interesse und Wissen werden von den bisherigen Konzepten nicht erfasst. Vor diesem Hintergrund gewinnt dynamische Personalisierung zunehmend an Bedeutung. Die Hauptidee dynamischer Personalisierung ist die Unterstützung von Wissensarbeitern, so dass diese Personalisierungseigenschaften definieren können, die sich ständig an die Bedürfnisse, Interessen, den Kontext und die Umwelt dieser Wissensarbeiter in der sie tätig sind anpassen. Obwohl sich zur Zeit etliche wissenschaftliche Ansätze mit statischer Personalisierung befassen, wird relativ geringe Aufmerksamkeit auf die konzeptionelle Basis dynamischer Personalisierung gelegt. Eine umfassende Studie der existierenden wissensintensiven Systeme verschiedener Bereiche zeigt deutlich, dass bereits viele Systeme Eigenschaften anbieten, die dynamische Personalisierung unterstützen, jedoch existieren von einem wissenschaftlichen Standpunkt aus keine soliden und exakten Modelle der Hauptmerkmale dynamischer Personalisierung.Das Ziel dieses Arbeit ist dynamische Personalisierung aus konzeptioneller Sicht zu untersuchen. Dieses Ziel wird durch das Begründen eines allgemeinen Verständnisses und durch Definition des Begriffs dynamische Personalisierung, sowie durch die Einführung eines Gerüsts für die Beschaffung und Bereitstellung von dynamischer Personalisierung fuer wissensintensive Systeme basierend auf dem aktuellen Benutzer Kontext erreicht. Dieser Benutzer Kontext beinhaltet nicht nur Benutzer Präferenzen und Profilinformationen, sondern auch umweltbedingte Aspekte wie Zeit, Ort, Zugangsgerät und Netzwerkseigenschaft. Das Gerüst beinhaltet ein abstraktes Meta-Modell zur Bereitstellung von dynamischen Personalisierungsfunktionen, bereichs-spezifischen Modellen und eine “Mapping”-Methodologie. Das Verwenden dieser Methodologie (einer Sequenz von Leitfäden) erlaubt die Ableitung bereichsspezifischer Modelle für verschiedene wissensbasierte Bereiche vom abstrakten Meta-Modell. Die dynamischen Personalisierungsfunktionen von Modellen und Applikationen der verschiedenen wissensintensiven Bereiche werden durch dynamische Personalisierungsfunktionen der zugehörigen bereichspezifischen Modelle dargestellt. Das Gerüst ist allgemein gehalten, um die Anwendbarkeit des Gerüstes fuer eine grosse Anzahl von wissensintensiven Bereichen, die dynamischer Personalisierungsfunktionen bedürfen, zu ermöglichen.