TU Darmstadt / ULB / tuprints

Automatische Strukturierung von Lerneinheiten mit semantischen Methoden am Beispiel der Werkstoffe im Bauwesen

Schnittker, Nils :
Automatische Strukturierung von Lerneinheiten mit semantischen Methoden am Beispiel der Werkstoffe im Bauwesen.
TU Darmstadt
[Ph.D. Thesis], (2009)

[img]
Preview
PDF
dissertation_schnittker.pdf
Available under Simple publication rights for ULB.

Download (6Mb) | Preview
Item Type: Ph.D. Thesis
Title: Automatische Strukturierung von Lerneinheiten mit semantischen Methoden am Beispiel der Werkstoffe im Bauwesen
Language: German
Abstract:

In dieser Arbeit wird ein Programmsystem vorgeschlagen und als Prototyp implementiert, mit dem E-Learning-Lerneinheiten automatisch generiert werden können. Das System kann zur Wissensvermittlung im Bauingenieurwesen eingesetzt werden. Inhaltlich und didaktisch fußt das System auf dem Lernnetzwerk „Werkstoffe im Bauwesen“ (WiBA-Net). Ein wesentlicher Bestandteil dieses Lernnetzwerks sind strukturierte Lerneinheiten zu einem jeweils abgegrenzten Themenbereich. Sie sind aus einzelnen Wissenseinheiten aufgebaut, ihre Struktur wurde von Autoren manuell festgelegt. Das Konzept und die Funktionalität des entwickelten Systems werden an den Inhalten des WiBA-Net demonstriert, die das Wissensgebiet „Werkstoffe im Bauwesen“ umfassen. Das System erstellt Lerneinheiten nach dem Konzept des WiBA-Net automatisch aus vorhandenen Wissenseinheiten. Aus den textbasierten Inhalten des WiBA-Net werden linguistische und textstatistische Informationen extrahiert. Die genutzten linguistischen Informationen umfassen die Rückführung von abgeleiteten Wortformen auf ihre Stämme sowie die Zerlegung von Komposita. Die textstatistischen Informationen beinhalten die Signifikanzen des gemeinsamen Auftretens von Begriffspaaren („Kookkurenzen“) und die Häufigkeiten der einzelnen Begriffe. Es lassen sich dadurch Erkenntnisse über die semantische Bedeutung der Inhalte gewinnen. Diese ermöglichen die Durchführung einer semantischen Suche und bilden die Grundlage für die Bestimmung von Ähnlichkeitsmaßen zwischen den einzelnen Dokumenten. Die Lerneinheiten werden als Antwort auf eine Suchanfrage erstellt. Zunächst werden die relevantesten Wissenseinheiten zum Thema der Anfrage ermittelt. Diese werden dann mit einem Clustering-Verfahren gruppiert und anhand didaktischer Kriterien sortiert. Abschließend wird aus der Analyse automatisch generierter Lehrpfade eine Methode erarbeitet, aus einem Kennwert, der auf textstatistischen Eigenschaften der Suchanfrage beruht, eine Prognose über die voraussichtliche inhaltliche Qualität des erstellten Lehrpfads abzuleiten.

Alternative Abstract:
Alternative AbstractLanguage
In this dissertation a program system to automatically generate learning-units is proposed and prototypically implemented. The system can can be used to teach students of civil engineering. By content and didactically the system is based on the learning-network “Building Materials” (WiBA-Net). An essential part of this learning-network is formed by structured learning-units that each cover a defined topic. They are made up of discrete text-units. Their structure was manually defined by an author. The concept and the functionality of the devised system are demonstrated using the content of WiBA-Net that covers the topic of building materials. The system automatically generates learning-units analogous to the concept of WiBA-Net from existing text-units. Linguistic and text-statistical information is extracted from the text-based content of WiBA-Net. The linguistic information used include the reduction of derived word forms to their principal forms and the analysis of compounds. The text-statistical information include the significances of the common appearances of terms (“co-occurrences”) and the frequency of the individual terms. Thereby information about the semantic meaning of the content is gained. This makes it possible to perform a semantic search and to determine measures of similarity between discrete documents. Learning-units are generated as an answer to a user's query. Initially, the text-units most relevant to the topic of the query are identified. These are then grouped by a clustering algorithm and sorted according to didactic criteria. Finally, from the analysis of automatically generated learning-units a method is gained to derive a prediction of the anticipated quality of content of a generated unit based on a characteristic value describing statistical properties of the query's terms.English
Uncontrolled Keywords: E-Learning, Lerneinheit, semantische Suche, Computerlinguistik, Text-Mining, Werkstoffe im Bauwesen
Alternative keywords:
Alternative keywordsLanguage
E-Learning, Lerneinheit, semantische Suche, Computerlinguistik, Text-Mining, Werkstoffe im BauwesenGerman
e-Learning, learning-unit, semantic search, computational linguistics, text-mining,building materialsEnglish
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: Fachbereich Bauingenieurwesen und Geodäsie > Institut für Massivbau
Date Deposited: 06 Mar 2009 11:21
Last Modified: 07 Dec 2012 11:55
URN: urn:nbn:de:tuda-tuprints-13319
License: Simple publication rights for ULB
Referees: Grübl, Prof. Dr.- Peter and Lange, Prof. Dr.- Jörg
Refereed: 12 February 2009
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/1331
Export:

Actions (login required)

View Item View Item