• Presse
  • Kontakt
  • deutsch | english
mobile icon
Projekt

SALIENT: Search as Learning – Investigating, Enhancing and Predicting Learning during Multimodal Web Search

ArbeitsgruppeMultimodale Interaktion
Wissenskonstruktion
Laufzeit05/2018 - 04/2021
FörderungLeibniz-Gemeinschaft, Förderlinie Leibniz-Kooperative Exzellenz (Leibniz-Wettbewerb 2018)
Projektbeschreibung

Das Internet ist nicht mehr wegzudenken, wenn es darum geht nach Informationen zu suchen. Eine solche Informationssuche kann man als selbstregulierten Lernprozess verstehen: Nutzerinnen und Nutzern des Internets ist einiges abverlangt, wenn sie aus dem, was man im scheinbar unendlichen Datenmeer findet, Wissen konstruieren. Das SALIENT-Projekt leistet einen Beitrag zum besseren Verständnis von search as learning und entwickelt Methoden, um die Aneignung von Wissen durch das Internet mit Hilfe von Ranking- und Retrieval-Algorithmen zu unterstützen.


Wurde in der bisherigen Forschung zur Informationsbeschaffung (information retrieval) ein Augenmerk auf die Art des Informationsbedürfnisses von Informationssuchenden gelegt, wurden Aspekte wie die Art des Lernens, das Vorwissen der Lernenden und deren Lernabsichten eher wenig berücksichtigt. Das SALIENT-Projekt will diese Lücke schließen und sich an einem theoretischen Rahmenmodell orientieren, um Informationssuche im Internet als Wissenssuche (search as learning) beschreiben zu können. Dazu sollen in Kooperation mit der Technischen Informationsbibliothek (TIB) und dem Forschungszentrum L3S Methoden entwickelt werden, um Lernabsichten und bestehendes Wissen aus dem Nutzer/innen-Verhalten während einer Internetsuche vorhersagen zu können. Weiter sollen diese Methoden genutzt werden, um Internetnutzerinnen und - nutzer in ihrem Wissenserwerb zu unterstützen. Besonderer Fokus soll dabei auch auf dem Lernen mit multimodalen Ressourcen und dem Erwerb von prozeduralem Wissen liegen. In bisherigen Arbeiten von Mitgliedern des SALIENT-Projekts konnten bereits eine Reihe von spezifischen Verhaltensmustern identifiziert werden, mit denen Wissensstand und Wissenserwerb vorhergesagt werden können (z.B. Yu, Gadiraju, Holtz, Rokicki, Kemkes, Dietze, 2018).

Kooperationen
  • Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek (TIB)

  • Forschungszentrum L3S

  • Leibniz-Institut für Sozialwissenschaft GESIS

Publikationen
  • Ran Yu, Ujwal Gadiraju, Peter Holtz, Markus Rokicki, Philipp Kemkes and Stefan Dietze, 2018. Analyzing Knowledge Gain of Users in Informational Search Sessions on the Web. ACM SIGIR 2018. https://doi.org/10.1145/3176349.3176381

Webseite

Projektwebseite: SALIENT

Projektlogo