Die Arbeit beschäftigt sich mit der Profilbildung von Menschen mit kognitiven Einschränkungen zur personalisierten Erstellung von Texten in einfacher Sprache. Dazu wurden in einem Museum Sprachaufzeichnungen von Menschen mit Lernschwierigkeiten angefertigt, bei denen sie zu sechs ausgewählten Exponaten ihre Fragen stellten und Gedanken äußerten. Die Aufnahmen wurden transkribiert um mit dem Maximum - Entropy - Algorithmus eine Document Categorization durchzuführen. Die Kategorisierung konzentrierte sich auf die Bestimmung der personenbezogenen Merkmale Geschlecht und Alter.
Die Ergebnisse der Document Categorization lassen darauf schließen, dass eine Erkennung der genannten Merkmale möglich ist. Dabei zeigte sich bei der Bestimmung des Alters, dass die Ergebnisse am besten sind, wenn man keine Aussagen filtert, die zur Kategorisierung verwendet werden. Bei der Bestimmung des Geschlechts war es förderlich, nur die Aussagen zu nutzen, die sich auf die Exponate beziehen oder welche keine Antworten auf eine zuvor gestellte Frage enthielten.
Für weitere Analysen wurden die korrekt bestimmten Aussagen auf die Häufigkeit genutzter Wörter untersucht. Dabei ließen sich besonders Unterschiede finden, wenn man nach biologischem Geschlecht unterschied. Frauen interessierten sich vermehrt dafür, wo etwas stattfindet und was zu sehen ist, während Männer sich fragten, wie ein Exponat angefertigt wurde.
Insgesamt hat sich gezeigt, dass eine Kategorisierung einzelner Merkmale möglich ist und sich die Interessen nach biologischem Geschlecht in der erhobenen Stichprobe unterscheiden ließen. Ob damit auch eine Profilerstellung zur personalisierten Texterstellung in einfacher Sprache gelingt, müssen weitere Forschungen zeigen.
Inhaltsverzeichnis
1 Einleitung
1.1 Motivation
1.2 Zielsetzung
1.3 Aufbau der Arbeit
2 Grundlagen
2.1 Projekt zur Erstellung von personalisierten Texten in einfacher Sprache
2.2 Leichte Sprache, einfache Sprache
2.2.1 Leichte Sprache
2.2.2 Einfache Sprache
2.3 Natural Language Processing
3 Related Work
3.1 Linguistic Inquiry and Word Count
3.2 Sentiment Analysis
3.3 Clusteranalyse zur Profilerstellung
4 Datenerhebung im Albertinum mit kognitiv eingeschränkten Menschen
4.1 Methode der Datenerhebung
4.2 Durchführung der Studie
4.3 Anforderungen an weitere Datenerhebungen
4.4 Datenaufbereitung
5 Datenanalyse durch Anwendung des Maximum-Entropy-Algorithmus
5.1 Document Categorization
5.2 Tokenization
6 Ergebnisse der Sprachanalyse
6.1 Alles Gesprochene
6.2 Alles Gesprochene mit Bezug zu Exponaten
6.3 Alles Gesprochene ohne Antworten auf Fragen
6.4 Alles Gesprochene, das nicht wiederholt wurde
7 Interpretation der Ergebnisse
7.1 Interpretation der Document Categorization
7.2 Interpretation der Tokenization
7.3 Bewertung der Ergebnisse
7.4 Erkenntnisse für die Fragestellung
8 Diskussion
8.1 Vernachlässigte Aspekte
8.2 Weitere Forschungsmöglichkeiten
9 Zusammenassung
A Transkriptionen
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, Profile von Menschen mit kognitiven Einschränkungen auf Basis mündlicher Sprachaufzeichnungen zu erstellen, um langfristig die Grundlage für eine personalisierte Texterstellung in einfacher Sprache zu schaffen. Die Forschungsfrage untersucht, inwiefern Algorithmen in der Lage sind, basierend auf Fragen und Äußerungen zu Exponaten in einem Museum, aussagekräftige Profile zu bilden.
- Profilerstellung für Menschen mit kognitiven Einschränkungen
- Einsatz von Natural Language Processing (NLP) zur Analyse mündlicher Sprache
- Anwendung des Maximum-Entropy-Algorithmus zur Kategorisierung
- Untersuchung von Interessen anhand von Sprachmustern
- Methodik der Datenerhebung in musealen Umgebungen
Auszug aus dem Buch
2.2.1 Leichte Sprache
Das Bundesministerium für Arbeit und Soziales entwickelte gemeinsam mit dem Netzwerk Leichte Sprache und Menschen mit kognitiven Einschränkungen eine Art Regelwerk, in dem grundlegende Prinzipien für die Erstellung von Texten in Leichter Sprache erklärt sind. Ein Auszug aus diesem Regelwerk wird in Tabelle 2.1 zusammengefasst.
Das Regelwerk für Leichte Sprache umfasst zahlreiche weitere Richtlinien zum Schriftbild für Texte. Auf diese Vorschriften wird an dieser Stelle nicht eingegangen, da im vorliegenden Anwendungsfall ein Audioguide erstellt werden soll und daher lediglich die auditiven Regeln von Bedeutung sind. Bereits anhand des kurzen Auszuges lassen sich Schwierigkeiten in der Umsetzung erkennen, welche nachfolgend erläutert werden.
Die Regeln sind nicht eindeutig definiert. Es ergeben sich einige Fragen: Was sind einfache Wörter? Was sind kurze Wörter? Was ist ein einfacher Satzbau?
Um solche Fragen zu beantworten gibt es bisher keine einheitliche Definition. Das Netzwerk Leichte Sprache empfiehlt daher, dass Menschen mit kognitiven Einschränkungen gefragt werden ob sie die Texte in Leichter Sprache verstehen.
Zahlen und Daten werden ungenau. Gerade in einem Museum ist die Vermeidung von alten Jahreszahlen ein Problem, da auf sehr viele Objekte die Beschreibung „vor vielen Jahren entstanden“ zutrifft.
Ausnahmen müssen definiert werden. Der Verzicht auf Abkürzungen ist prinzipiell erwünscht, allerdings gibt es auch Abkürzungen, die leichter verständlich sind als ihre ausgeschriebenen Worte. Für diese Fälle muss eine Ausnahme gelten (z.B. WC / Toilette). Welche Abkürzungen bekannt sind, sollte bei einer Gruppe von Personen mit kognitiven Einschränkungen erfragt werden.
Die Texte werden monoton. Durch die Verwendung der immer gleichen Wörter, kurzer Sätze und der Vermeidung des Konjunktivs können die Texte schnell sehr gleichbleibend klingen und zu Ermüdungserscheinungen oder Langeweile führen, wenn der Hörer unterfordert ist.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung stellt die Motivation dar, Menschen mit kognitiven Einschränkungen durch personalisierte Texte in einfacher Sprache mehr Selbstbestimmtheit zu ermöglichen, und definiert die Forschungsfrage.
2 Grundlagen: Hier werden das zugrunde liegende Gemeinschaftsprojekt, die Unterschiede zwischen Leichter und einfacher Sprache sowie die Grundlagen des Natural Language Processing (NLP) erläutert.
3 Related Work: Dieses Kapitel stellt etablierte Sprachanalyseverfahren wie LIWC und Sentiment Analysis vor und erläutert die Grundlagen der Clusteranalyse zur Profilbildung.
4 Datenerhebung im Albertinum mit kognitiv eingeschränkten Menschen: Die Datenerhebung durch Museumsführungen, das Studiendesign sowie Anforderungen für zukünftige Erhebungen und die Datenaufbereitung werden beschrieben.
5 Datenanalyse durch Anwendung des Maximum-Entropy-Algorithmus: Es wird dargelegt, wie die Transkriptionen genutzt wurden, um mittels Maximum-Entropy-Algorithmus Merkmale der Teilnehmenden zu kategorisieren.
6 Ergebnisse der Sprachanalyse: Dieses Kapitel präsentiert die Ergebnisse der Dokumenten-Kategorisierung und der Tokenisierung detailliert in Tabellenform.
7 Interpretation der Ergebnisse: Die Ergebnisse werden kritisch interpretiert, wobei die Eignung der Methode bewertet und Erkenntnisse bezüglich der Forschungsfrage abgeleitet werden.
8 Diskussion: Das Kapitel reflektiert vernachlässigte Aspekte bei der Transkription, Kategorisierung und Profilerstellung und zeigt künftige Forschungsmöglichkeiten auf.
9 Zusammenassung: Die wesentlichen Erkenntnisse der Arbeit werden in einem Schlusswort zusammengefasst.
Schlüsselwörter
kognitive Einschränkungen, einfache Sprache, Leichte Sprache, Profilerstellung, Sprachanalyse, Maximum-Entropy-Algorithmus, Natural Language Processing, Document Categorization, Tokenization, Interessenanalyse, Museumsführung, Nutzerstudie, Mensch-Computer-Interaktion, Barrierefreiheit, Datenerhebung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, ob und wie Profile von Menschen mit kognitiven Einschränkungen anhand ihrer mündlichen Sprache erstellt werden können, um eine personalisierte Texterstellung in einfacher Sprache zu ermöglichen.
Was sind die zentralen Themenfelder?
Die zentralen Themen umfassen die barrierefreie Kommunikation durch einfache Sprache, Methoden des Natural Language Processing (NLP), die statistische Sprachanalyse und die Durchführung einer Nutzerstudie in einem Museum.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist die Beantwortung der Frage, wie sich mit Hilfe von Algorithmen Profile kognitiv beeinträchtigter Menschen aus Sprachaufnahmen erstellen lassen, die als Basis für eine personalisierte Textgestaltung dienen können.
Welche wissenschaftliche Methode wird verwendet?
Es wird eine empirische Studie durchgeführt und die erhobenen Sprachaufnahmen werden mittels Machine Learning (Maximum-Entropy-Algorithmus) und NLP-Verfahren wie Document Categorization und Tokenization analysiert.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die Datenerhebung im Albertinum Dresden, die detaillierte Datenanalyse mit dem Maximum-Entropy-Algorithmus, die Präsentation der Ergebnisse und deren Interpretation in Bezug auf die Profilbildung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind kognitive Einschränkungen, einfache Sprache, NLP, Profilerstellung, Document Categorization und die praktische Anwendung in einem musealen Kontext.
Welche Herausforderungen traten bei der Datenerhebung auf?
Zu den Herausforderungen zählten stark variierende Kompetenzen der Museumsführerinnen, unterschiedliche Gruppengrößen, technische Probleme bei der Aufnahmequalität und die Schwierigkeit, die Probanden zu einer verbalen Artikulation zu bewegen.
Was war ein zentrales Ergebnis der Interessenanalyse?
Die Analyse ergab, dass sich Frauen vermehrt für die Materialien der Exponate und Themen interessierten, die sie selbst betreffen, während Männer sich stärker für die Aktivitäten auf Bildern und die Verortung der Exponate interessierten.
- Arbeit zitieren
- Anonym (Autor:in), 2018, Profilerstellung von Menschen mit kognitiven Beeinträchtigungen anhand ihrer mündlichen Sprache. Document Categorization mit dem Maximum-Entropy-Algorithmus, München, GRIN Verlag, https://www.hausarbeiten.de/document/541082
