Interaktive Textklassifikation mittels Gamification und Machine Learning

Publikation: Hochschulschrift/AbschlussarbeitMasterarbeit

Beitragende

  • Duc Anh Trinh - (Autor:in)

Abstract

Das Ziel der vorliegenden Masterarbeit besteht aus der Konzeption eines interaktiven Annotationsprozesses zum Training eines Klassifikators, der Texte nach ihrer Musikrelevanz klassifiziert. Dazu wurde in der Arbeit folgende Frage untersucht:Wie lässt sich das Glyphboard [Kam+18] als Werkzeug zur Exploration und Analyse um Annotationsfunktionalität erweitern? Weiterhin wurde untersucht, wie dieser Prozess motivierender gestaltet werden kann, um der im konventionellen Annotationsprozess beklagten\nMonotonie entgegenzuwirken. Als Grundlage dienen verwandte Forschungsarbeiten aus den Bereichen Interactive Machine Learning, Games with a purpose und Interaktion, sowie eine Erhebung aus einer praktischen Vorarbeit, die als Vergleichsgrundlage für das entwickelte Konzept dient. Die Ergebnisse der Erhebung und Recherche verwandter Arbeiten zeigten, dass Gamification in Form von extrinsischen Motivatoren alleine nicht genügt, um den Prozess angenehm zu gestalten. Auf Basis dieser Erkenntnis wurde ein Spielkonzept entwickelt, das mittels einer Narration des Klassifikators als Roboter, fachspezifische Sachverhalte abstrahiert. In diesem Spielkonzept werden weiterhin Ansätze vorgestellt,\ndie versuchen mit kollaborativen und kompetitiven Spielelementen die intrinsische Motivation des Nutzers zu fördern. Eine prototypische Umsetzung weist die technische Realisierbarkeit des Konzeptes nach. Weiterhin veranschaulichen die Ergebnisse der Umsetzung die Eignung von UMAP [MHM18] als Dimensionsreduktions-Algorithmus im interaktiven Kontext.

Details

OriginalspracheDeutsch
Gradverleihende Hochschule
Betreuer:in / Berater:in
  • Groh, Rainer, Betreuer:in
  • Keck, Mandy, Betreuer:in
PublikationsstatusVeröffentlicht - 2019
No renderer: customAssociatesEventsRenderPortal,dk.atira.pure.api.shared.model.researchoutput.Thesis

Schlagworte

Schlagwörter

  • Machine Learning, Active Learning, Labeling, Glyphen, Annotation