Benutzerspezifische Werkzeuge

Benutzermodellierung

Benutzermodellierung bezeichnet den Prozess, um aus implizit oder explizit erhobenen Daten über Benutzer ein Benutzermodell abzuleiten, was dann für eine Adaption von interaktiven Anwendungen genutzt werden kann.

Überblick und Vorgehensweise

Das Ziel von Benutzermodellierung (engl. user modeling) ist eine Adaption von interaktiven Anwendungen an die Bedürfnisse eines Benutzers [Johnson & Taatgen, 2005]. Benutzermodellierung bezeichnet exakter den Prozess, um aus gesammelten Daten über Benutzer ein höherwertiges Benutzermodell abzuleiten, vgl. die folgende Abbildung (adaptiert von [Brusilovsky & Marbury, 2002]):

Benutzermodellierung

Abbildung 1: Ableitung eines Benutzermodells (adaptiert von [Brusilovsky & Marbury, 2002])

Der 1. Schritt dabei ist die Akquise von Daten über den Benutzer. Dies kann explizit, z.B. mit Hilfe eines Fragebogens, oder implizit durch Beobachtung des Benutzers erfolgen. Für eine implizite Akquise können z.B. Log-Dateien analysiert oder Hardware- oder Software-Sensoren von mobilen Endgeräten ausgewertet werden [Woerndl et al. 2011].

Anschließend können die Daten über den Benutzer verwendet werden, um ein Benutzermodell (s.u.) aufzubauen. Das Benutzermodell kann schließlich genutzt werden, um Anwendungen zu personalisieren. Anwendungsbereiche sind u.a. Empfehlungssysteme, adaptive Hypermedia-Systeme, rechnergestütztes Lernen, adaptive Benutzerschnittstellen oder mobile Guide-Anwendungen [Brusilovsky, Kobsa & Nejdl 2007].

Benutzermodell

Das Benutzermodell ist eine Datenstruktur, die eine Charakterisierung eines Benutzers zu einem bestimmten Zeitpunkt ausdrückt. Synonym dazu wird oft der Begriff Benutzerprofil verwendet. Während Benutzerprofil die über einen Benutzer gespeicherten Informationen bezeichnet (eher „technisch“),  meint Benutzermodell mehr die abstrakte Repräsentation, also die Inhalte des Profils. Strukturell kann ein Benutzerprofil aus z.B. einfachen Attribut-Wert-Paaren, Wahrscheinlichkeitswerten,  Regeln und Regelmengen oder komplexeren Relationen oder Datenstrukturen wie semantischen Netzen bestehen.

Der Inhalt eines Benutzermodells kann u.a. sein: Persönliche und demographische Daten, Interessen und Präferenzen, Ziele und Aufgaben, Zugriffsdaten und Richtlinien (Policies), ausgewertete Transaktionsdaten u.v.m. Man unterscheidet zwischen statischen Benutzermodellen, deren Inhalt sich selten ändern, und dynamischen Modellen, die auch den sich schnell ändernden aktuellen Kontext des Benutzers abbilden.

Methoden

Um nun ein Benutzermodell zu erstellen, können verschiedene Methoden verwendet werden: Modellierung mit Stereotypen, Overlay-Modell (dabei drückt das Modell die Übereinstimmung des Wissens des Benutzers im Vergleich zu einem idealen Expertenwissen aus), statistische Verfahren wie Bayes’sche Netze, Data Mining Methoden wie abgeleitete Entscheidungsbäume oder Association Rule Mining auf Basis von getätigten Käufen u.v.m.

Bei Benutzermodellierung mit Stereotypen werden vorab Mengen von Eigenschaften definiert, die Gruppen von Benutzern charakterisieren (z.B. „Anfänger“ oder „Experte“). Dazu werden Trigger festgelegt, die spezifizieren, unter welchen Bedingungen ein Stereotyp aktiviert werden soll. Anschließend kann eine Adaption auf Basis der Zuordnung des Benutzers zu einem Stereotyp erfolgen, z.B. Anzeige zusätzlicher Hilfe-Information für „Anfänger“. Stereotype erlauben eine schnelle Einordnung von Benutzern.

Bayes’sche Netze modellieren bedingte Abhängigkeiten zwischen Zufallsvariablen, welche durch Wahrscheinlichkeiten beschrieben werden können. Dies eignet sich gut, um aus Benutzerverhalten zu lernen. Ein Anwendungsbeispiel ist die Klassifikation von Email-Nachrichten als „Spam“ durch Benutzer. Daraus kann dann bei einer neuen Nachricht abgeleitet werden, wie hoch die Wahrscheinlichkeit ist, dass eine Spam-Nachricht vorliegt.

Literatur

Brusilovsky, P.; Kobsa, A.; Nejdl, W. (Eds.): The Adaptive Web. Lecture Notes in Computer Science (LNCS 4321), Springer, 2007.

Brusilovsky, P.; Marbury, M.T.: From Adaptive Hypermedia to the Adaptive Web. Comm. of the ACM, Vol. 45, No. 5, 2002.

Johnson, A.; Taatgen, N.: User Modeling. In: Handbook of human factors in Web design, Lawrence Erlbaum Associates, 2005, 424–439. 

Woerndl, W.; Manhardt, A.; Schulze, F.; Prinz, V.: Logging User Activities and Sensor Data on Mobile Devices. In: Atzmueller, M.; Hotho, A.; Strohmaier, M.; Chin, A. (Eds.): Analysis of Social Media and Ubiquitous Data, Lecture Notes in Artificial Intelligence (LNAI 6904), Springer, 2011.

Autoren


 

Dr. Wolfgang Wörndl, Lehrstuhl für Angewandte Informatik / Kooperative Systeme, Technische Universität München, Boltzmannstr. 3, 85748 Garching b. München

Autoreninfo


 

Prof. Dr. Johann Schlichter, Lehrstuhl für Angewandte Informatik / Kooperative Systeme, Technische Universität München, Boltzmannstr. 3, 85748 Garching b. München

Autoreninfo


Zuletzt bearbeitet: 10.10.2012 09:50
Letzter Abruf: 14.12.2017 23:30
Artikelaktionen