Kollaboratives Wissensmanagement

Wissensmanagement in zentralisierten Wissensbasen erfordert einen hohen Aufwand für Erstellung und Wartung, und es entspricht nicht immer den Anforderungen der Benutzer. Wir geben in diesem Kapitel einen Überblick über zwei aktuelle Ansätze, die durch kollaboratives Wissensmanagement diese Probleme lösen können. Im Peer-to-Peer-Wissensmanagement unterhalten Benutzer dezentrale Wissensbasen, die dann vernetzt werden können, um andere Benutzer eigene Inhalte nutzen zu lassen. Folksonomies versprechen, die Wissensakquisition so einfach wie möglich zu gestalten und so viele Benutzer in den Aufbau und die Pflege einer gemeinsamen Wissensbasis einzubeziehen.

BibSonomy: a social bookmark and publication sharing system

Social bookmark tools are rapidly emerging on the Web. In such systems users are setting up lightweight conceptual structures called folksonomies. The reason for their immediate success is the fact that no specific skills are needed for participating. In this paper we specify a formal model for folksonomies and briefly describe our own system BibSonomy, which allows for sharing both bookmarks and publication references in a kind of personal library.

Semantic web mining

Semantic Web Mining aims at combining the two fast-developing research areas Semantic Web and Web Mining. This survey analyzes the convergence of trends from both areas: an increasing number of researchers is working on improving the results of Web Mining by exploiting semantic structures in the Web, and they make use of Web Mining techniques for building the Semantic Web. Last but not least, these techniques can be used for mining the Semantic Web itself. The Semantic Web is the second-generation WWW, enriched by machine-processable information which supports the user in his tasks. Given the enormous size even of today’s Web, it is impossible to manually enrich all of these resources. Therefore, automated schemes for learning the relevant information are increasingly being used. Web Mining aims at discovering insights about the meaning of Web resources and their usage. Given the primarily syntactical nature of the data being mined, the discovery of meaning is impossible based on these data only. Therefore, formalizations of the semantics of Web sites and navigation behavior are becoming more and more common. Furthermore, mining the Semantic Web itself is another upcoming application. We argue that the two areas Web Mining and Semantic Web need each other to fulfill their goals, but that the full potential of this convergence is not yet realized. This paper gives an overview of where the two areas meet today, and sketches ways of how a closer integration could be profitable.

Efficient mining of association rules based on formal concept analysis

Association rules are a popular knowledge discovery technique for warehouse basket analysis. They indicate which items of the warehouse are frequently bought together. The problem of association rule mining has first been stated in 1993. Five years later, several research groups discovered that this problem has a strong connection to Formal Concept Analysis (FCA). In this survey, we will first introduce some basic ideas of this connection along a specific algorithm, TITANIC, and show how FCA helps in reducing the number of resulting rules without loss of information, before giving a general overview over the history and state of the art of applying FCA for association rule mining.

Wege zur Entdeckung von Communities in Folksonomies

Ein wichtiger Baustein des neu entdeckten World Wide Web - des "Web 2.0" - stellen Folksonomies dar. In diesen Systemen können Benutzer gemeinsam Ressourcen verwalten und mit Schlagwörtern versehen. Die dadurch entstehenden begrifflichen Strukturen stellen ein interessantes Forschungsfeld dar. Dieser Artikel untersucht Ansätze und Wege zur Entdeckung und Strukturierung von Nutzergruppen ("Communities") in Folksonomies.

Trend detection in folksonomies

As the number of resources on the web exceeds by far the number of documents one can track, it becomes increasingly difficult to remain up to date on ones own areas of interest. The problem becomes more severe with the increasing fraction of multimedia data, from which it is difficult to extract some conceptual description of their contents. One way to overcome this problem are social bookmark tools, which are rapidly emerging on the web. In such systems, users are setting up lightweight conceptual structures called folksonomies, and overcome thus the knowledge acquisition bottleneck. As more and more people participate in the effort, the use of a common vocabulary becomes more and more stable. We present an approach for discovering topic-specific trends within folksonomies. It is based on a differential adaptation of the PageRank algorithm to the triadic hypergraph structure of a folksonomy. The approach allows for any kind of data, as it does not rely on the internal structure of the documents. In particular, this allows to consider different data types in the same analysis step. We run experiments on a large-scale real-world snapshot of a social bookmarking system.

Content aggregation on knowledge bases using graph clustering

Recently, research projects such as PADLR and SWAP have developed tools like Edutella or Bibster, which are targeted at establishing peer-to-peer knowledge management (P2PKM) systems. In such a system, it is necessary to obtain provide brief semantic descriptions of peers, so that routing algorithms or matchmaking processes can make decisions about which communities peers should belong to, or to which peers a given query should be forwarded. This paper proposes the use of graph clustering techniques on knowledge bases for that purpose. Using this clustering, we can show that our strategy requires up to 58% fewer queries than the baselines to yield full recall in a bibliographic P2PKM scenario.

Network properties of folksonomies

Social resource sharing systems like YouTube and del.icio.us have acquired a large number of users within the last few years. They provide rich resources for data analysis, information retrieval, and knowledge discovery applications. A first step towards this end is to gain better insights into content and structure of these systems. In this paper, we will analyse the main network characteristics of two of the systems. We consider their underlying data structures – socalled folksonomies – as tri-partite hypergraphs, and adapt classical network measures like characteristic path length and clustering coefficient to them. Subsequently, we introduce a network of tag co-occurrence and investigate some of its statistical properties, focusing on correlations in node connectivity and pointing out features that reflect emergent semantics within the folksonomy. We show that simple statistical indicators unambiguously spot non-social behavior such as spam.

Network properties of folksonomies

Social resource sharing systems like YouTube and del.icio.us have acquired a large number of users within the last few years. They provide rich resources for data analysis, information retrieval, and knowledge discovery applications. A first step towards this end is to gain better insights into content and structure of these systems. In this paper, we will analyse the main network characteristics of two of these systems. We consider their underlying data structures – so-called folksonomies – as tri-partite hypergraphs, and adapt classical network measures like characteristic path length and clustering coefficient to them. Subsequently, we introduce a network of tag cooccurrence and investigate some of its statistical properties, focusing on correlations in node connectivity and pointing out features that reflect emergent semantics within the folksonomy. We show that simple statistical indicators unambiguously spot non-social behavior such as spam.

Semantic network analysis of ontologies

A key argument for modeling knowledge in ontologies is the easy re-use and re-engineering of the knowledge. However, beside consistency checking, current ontology engineering tools provide only basic functionalities for analyzing ontologies. Since ontologies can be considered as (labeled, directed) graphs, graph analysis techniques are a suitable answer for this need. Graph analysis has been performed by sociologists for over 60 years, and resulted in the vivid research area of Social Network Analysis (SNA). While social network structures in general currently receive high attention in the Semantic Web community, there are only very few SNA applications up to now, and virtually none for analyzing the structure of ontologies. We illustrate in this paper the benefits of applying SNA to ontologies and the Semantic Web, and discuss which research topics arise on the edge between the two areas. In particular, we discuss how different notions of centrality describe the core content and structure of an ontology. From the rather simple notion of degree centrality over betweenness centrality to the more complex eigenvector centrality based on Hermitian matrices, we illustrate the insights these measures provide on two ontologies, which are different in purpose, scope, and size.

Evolving Distributed Algorithms with Genetic Programming

Distributed systems are one of the most vital components of the economy. The most prominent example is probably the internet, a constituent element of our knowledge society. During the recent years, the number of novel network types has steadily increased. Amongst others, sensor networks, distributed systems composed of tiny computational devices with scarce resources, have emerged. The further development and heterogeneous connection of such systems imposes new requirements on the software development process. Mobile and wireless networks, for instance, have to organize themselves autonomously and must be able to react to changes in the environment and to failing nodes alike. Researching new approaches for the design of distributed algorithms may lead to methods with which these requirements can be met efficiently. In this thesis, one such method is developed, tested, and discussed in respect of its practical utility. Our new design approach for distributed algorithms is based on Genetic Programming, a member of the family of evolutionary algorithms. Evolutionary algorithms are metaheuristic optimization methods which copy principles from natural evolution. They use a population of solution candidates which they try to refine step by step in order to attain optimal values for predefined objective functions. The synthesis of an algorithm with our approach starts with an analysis step in which the wanted global behavior of the distributed system is specified. From this specification, objective functions are derived which steer a Genetic Programming process where the solution candidates are distributed programs. The objective functions rate how close these programs approximate the goal behavior in multiple randomized network simulations. The evolutionary process step by step selects the most promising solution candidates and modifies and combines them with mutation and crossover operators. This way, a description of the global behavior of a distributed system is translated automatically to programs which, if executed locally on the nodes of the system, exhibit this behavior. In our work, we test six different ways for representing distributed programs, comprising adaptations and extensions of well-known Genetic Programming methods (SGP, eSGP, and LGP), one bio-inspired approach (Fraglets), and two new program representations called Rule-based Genetic Programming (RBGP, eRBGP) designed by us. We breed programs in these representations for three well-known example problems in distributed systems: election algorithms, the distributed mutual exclusion at a critical section, and the distributed computation of the greatest common divisor of a set of numbers. Synthesizing distributed programs the evolutionary way does not necessarily lead to the envisaged results. In a detailed analysis, we discuss the problematic features which make this form of Genetic Programming particularly hard. The two Rule-based Genetic Programming approaches have been developed especially in order to mitigate these difficulties. In our experiments, at least one of them (eRBGP) turned out to be a very efficient approach and in most cases, was superior to the other representations.

Empirische Studien zur subjektiven Verwendung unterrichtlich erworbener ökonomischer Modelle

Diese Arbeit entstand vor dem Hintergrund einer zunehmenden Hinwendung der wissenschaftlichen Didaktiken zum Konstruktivismus und der damit verbundenen Forderung nach schülerzentrierten Lehr- und Lernarrangements. Die Gründe für diese Entwicklung liegen u. a. in der Vorstellung, dass sich Schüler durch eigenes Konstruieren von Problemlösungen intensiver und verständiger mit dem Lernstoff auseinandersetzen. Im Bereich des Wirtschaftslehreunterrichts ergeben sich aufgrund einer nicht unproblematischen Bezugsdisziplin und ihrer begrifflichen Grundlagen Besonderheiten. Diese begründen sich in einem stark an der klassischen Physik angenäherten Grundverständnis der neoklassischen Ökonomik. Hier setzte die Arbeit an einem typischen ökonomischen Konzept, dem Produktlebenszyklus, beispielhaft an. Wenngleich dieser nicht die radikale Stringenz zwischen gesetzten Annahmen und den daraus abgeleiteten logisch wahren Folgerungen aufweist und somit nicht als originär neoklassisches Konzept gelten kann, weist dieser dennoch deutliche Kompatibilitäten zur Machart der Neoklassik auf, wie beispielsweise weit reichende Komplexitätsreduzierungen. Der Umgang mit dem Produktlebenszyklus durch Lernende wird analytisch-experimentell sowie interpretativ in den didaktischen Spannungsfeldern von Instruktion und Konstruktion untersucht. Im Rahmen einer Schulbuchanalyse konnte gezeigt werden, dass die Leistungsfähigkeit des Produktlebenszyklus in den Lehrwerken durch besonders plausible Beispiele und einen auf Instruktionen setzenden Vermittlungsstil besonders deutlich hervorgehoben wird, obwohl dies empirisch nicht haltbar ist. Dies wirkt verengend auf die differenzierte Wahrnehmung von Märkten und Produkten, wie in Testreihen mit angehenden Wirtschaftslehrern gezeigt werden konnte. Diese Experimente machten am Beispiel des Produktlebenszyklus deutlich, wie prägend instruierende und plausibilisierende Unterrichte wirken können, wenn die behandelten Modelle einen plausiblen Kern haben. Trotz offensichtlicher Inkompatibilitäten zur Realität verteidigten die Probanden mehrheitlich das Modell und immunisierten es gegen Kritik. Eine zweite, stärker auf Konstruktionen setzende Experimentreihe konnte diese Haltung zwar aufweichen und legte den Grundstein für einen konstruktiv-kritischen Umgang mit dem Produktlebenszyklus. Es wurde allerdings auch hier deutlich, welch große Hürde es darstellt, durch instruierende und plausibilisierende Unterrichte erworbene Schemata später noch zu korrigieren. Aus diesen Befunden wurden Empfehlungen für die wesentlichen an der Lehrerausbildung beteiligten Institutionen abgeleitet.

Zu schön um wahr zu sein?

Immer wieder und mit viel schlechtem Gewissen hat sich Freud mit der Frage auseinandergesetzt, inwieweit die Psychoanalyse Wissenschaft oder nicht vielmehr Kunst sei. So stellt er etwa fest, daß seine Krankengeschichten wie Novellen zu lesen seien, daß die psychoanalytische Methode einer spezifischen Kunstbetrachtung gleiche und daß die freie Assoziation ihre Vorläuferschaft in einer kreativen Methode der literarischen Produktion finde. Damit droht eine "Ästhetisierung der Erkenntnis", die spätestens seit Nietzsche die Frage nach der Wahrheit grundlegend umwälzt. Diese ist nicht einfach vorfindbar oder abbildbar und existiert nicht prima facie, sondern muß "gedeutet", "erraten" und "konstruiert" werden. Die gleichsam ästhetischen Darstellungsformen des Psychischen reflektieren damit das Dargestellte selbst, nämlich die unbewußte psychische Realität, in der es kein Unterscheidungszeichen zwischen Realität und Fiktion gibt. Daraus erschließt sich auch ein anderes Verständnis des psychoanalytischen Tuns, das sich nicht hierarchisch einem wissenschaftlichen Regelwerk unterstellen läßt, sondern als ein heuristischer Suchprozeß zu beschreiben und mit Hilfe der Erkenntnisse der Kreativitätsforschung zu verstehen ist. Die Autoren plädieren weiterhin dafür, daß Psychoanalyse nur als ein dialogisch-intersubjektives Geschehen begriffen werden kann, in dem die "biographische Wahrheit" in einem gleichsam poetischen Akt gemeinsam erfunden und erzeugt wird.

Organisationsberatung als lebendige Ethnopsychoanalyse

Es soll im Folgenden nicht darum gehen, eine neue Methode zu kreieren, eine Bindestrich-Methode wie etwa "psychoanalytische Organisationsberatung" oder dergleichen. Vielmehr gehen wir davon aus, dass jeder Berater, der als Externer mit einer Organisation in Kontakt kommt auf Neues und damit Unbekanntes stößt. Wir machen dabei immer wieder die schmerzhafte Erfahrung, nicht zu durchschauen, nicht zu wissen, d.h. unsicher zu sein über die eigene Rolle und Identität. Die Realität von Institutionen erleben wir als unüberschaubar komplex. Damit ist eine Gefahr verbunden, denn der Organisationsberater selbst bewegt sich in der Unbewusstheit der Institution. Er selbst ist Produkt dieses Prozesses. Mit diesem Neuen und Unbekannten kann man in zweierlei Hinsicht umgehen: Entweder man versucht sich an vorherigen Erfahrungen zu orientieren und subsumiert das Neue unter das Alte, oder man nimmt das Neue bewusst wahr und lässt sich verunsichern, um die Irritationen produktiv im Sinne eines diagnostischen Erkenntnisinteresses zu nutzen. In diesem Sinne geht es nicht um eine Methode, sondern um eine Haltung, die mit anderen methodischen Grundorientierungen durchaus kompatibel sein kann. Im folgenden greifen wir auf unsere Vorarbeiten zu dem Thema "Supervision als praktische Ethnopsychoanalyse" (Pühl 1992, 1998, Möller 1997) zurück und vervollständigen diesen Ansatz um den Kulturbegriff, der der Ethnopsychoanalyse immanent ist.