Profilerstellung von Menschen mit kognitiven Beeinträchtigungen anhand ihrer mündlichen Sprache. Document Categorization mit dem Maximum-Entropy-Algorithmus

Akademische Arbeit aus dem Jahr 2018 im Fachbereich Informatik - Angewandte Informatik, Note: 1,7, Technische Universität Dresden, Sprache: Deutsch, Abstract: 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.