@phdthesis{Minke2012,
  author    = {Marcel Minke},
  title     = {Ableitung personaler Wissensdom{\"a}nen aus Navigationspfaden in einer Online-Enzyklop{\"a}die – Implementierung eines Prototyps „Simpedia“},
  url       = {https://nbn-resolving.org/urn:nbn:de:gbv:hil2-opus-1664},
  year      = {2012},
  abstract  = {In der heutigen Informationsgesellschaft erweist sich der effiziente Umgang mit dem Produktionsfaktor Wissen als entscheidender Wettbewerbsfaktor. Aufgrund der gerin-geren Halbwertszeit des Wissens tritt das reine Faktenlernen zunehmend in den Hinter-grund, das Lernen von Zusammenh{\"a}ngen gewinnt demgegen{\"u}ber an Bedeutung. Diese Dissertationsschrift beschreibt einen auf der deutschen Wikipedia basierenden Prototyp, der zum einen zum automatisierten Abfragen von Zusammenh{\"a}ngen genutzt werden kann und zum anderen ein neuartiges didaktisches Konzept zum Lernen von Assoziationen einf{\"u}hrt. Zur Definition von Wissensdom{\"a}nen werden Algorithmen vorgestellt, die die einem Wikipedia-Artikel zugeordneten Kategorien auf vordefinierte Hauptkategorien aggre-gieren. Da Daten zu inhaltlichen Zusammenh{\"a}ngen zwischen verschiedenen Wikipedia-Eintr{\"a}gen bisher noch nicht erhoben wurden, stellt diese Arbeit solche Assoziationen anhand der semantischen {\"A}hnlichkeit her, die durch zwei Programme namens Findlink und SENTRAX berechnet wird. Die so generierte Liste {\"a}hnlicher Artikel formt ein spe-zielles Netz, in dem die Knoten einzelne Wikipedia-Artikel darstellen und die Kanten inhaltliche Zusammenh{\"a}nge abbilden. Die Assoziationen werden anschlie{\"s}end in die Oberfl{\"a}che des Prototyps integriert und um Mechanismen zum Tracken der Benutzerin-teraktion erweitert. Ein Kernproblem des Versuchsaufbaus stellt der Korpusumfang dar. Einerseits f{\"u}hrt die enorme Artikelanzahl bei der {\"A}hnlichkeitsberechnung durch Findlink zu Perfor-manceproblemen, andererseits zeigen sich aufgrund der Vielzahl der Eintr{\"a}ge Anoma-lien in der Netzstruktur der {\"a}hnlichen Artikel in Form vieler untereinander kaum ver-bundener Teilnetze. Als Probleml{\"o}sungen werden mehrere Filterkriterien definiert und deren Auswirkungen auf den Korpusumfang skizziert. Zus{\"a}tzlich wird ein eigenes G{\"u}tema{\"s} eingef{\"u}hrt, das sich als hilfreich bei der Beurteilung der Relevanz eines Arti-kels erweist. Die im entwickelten Prototyp implementierten Konzepte erm{\"o}glichen das spielerische Lernen von Zusammenh{\"a}ngen durch die Bearbeitung zuf{\"a}lliger oder vordefinierter Navigationsaufgaben. Dar{\"u}ber hinaus kann der erstellte Prototyp als Ausgangspunkt f{\"u}r weitere Forschungen zum Lernen von Zusammenh{\"a}ngen dienen. Das implementierte Tracking der Benutzerinteraktion legt die Basis f{\"u}r sp{\"a}tere Auswertungsalgorithmen.},
  language  = {de}
}