In der von Agathe Merceron geleiteten Session zum Thema Textanalyse präsentieren Moritz Rieger und ich bei der diesjährigen DeLFI einen Langbeitrag über die Ermittlung der semantischen Ähnlichkeit von textuellen Lernmaterialien. Wir haben dazu einen Korpus aus 572 Studienbriefen bzw. 94 Kursen der Fakultät Mathematik und Informatik an der FernUniversität in Hagen erstellt und mit Hilfe von Document Embeddings die semantische Ähnlichkeit zweier Dokumente anhand der Kosinusähnlichkeit bestimmt. Das Verfahren haben wir mit Hilfe eines Goldstandards weiteren Tests evaluiert. In naher Zukunft werden wir Anwendungen wie Empfehlungssysteme für die Auswahl und Exploration Kursen vorstellen, welche die semantische Ähnlichkeit der Studienbriefe berücksichtigen.
Die sich an den Vortrag anschließende Diskussion brachte
uns einige gute Anregungen zu weiterführenden Verfahren wie GermaNet und andere bereits trainierte Word Embeddings wie Bert.
Die Folien zum Download: Rieger_Seidel_DeLFI-2019_Semantic-textual-similarity-von-textuellen-Lehrmaterialien
Abstract
Diese Arbeit zeigt eine Methode, mit welcher semantische Ähnlichkeiten zwischen Lehrveranstaltungen anhand textueller Lernmaterialien erkannt und visualisiert werden können. Dadurch soll es Studierenden und Lehrenden erleichtert werden, Relationen zwischen den Lehrveranstaltungen zu entdecken. Um dieses Ziel zu erreichen, wurde exemplarisch ein vollständiger Satz von 572 Studienbriefen der Fakultät für Mathematik und Informatik der FernUniversität in Hagen als Document Embeddings vektorisiert und anschließend über die Kosinusähnlichkeit der Vektoren verglichen. Der gesamte Prozess kommt dabei ohne gelabelte Daten aus. Das Ergebnis der Analyse weist eine hohe Pearson’s Korrelation zu einem von Domänenexperten ermittelten Goldstandard auf. Die Anwendungsmöglichkeiten dieser Ergebnisse werden am Beispiel eines Empfehlungssystem, eines Learning Dashboard für Lehrende und in einer Komponente einer adaptiven Lernumgebung demonstriert.
Folien
