Download - Adaptive Benutzerunterstützung in interaktiven Informationssuchprozessen

Datenbank-Spektrum manuscript No.(will be inserted by the editor)

Adaptive Benutzerunterstutzung in interaktivenInformationssuchprozessen

Daniel Backhausen · Claus-Peter Klas · Matthias Hemmje

Received: date / Accepted: date

Zusammenfassung Die Suche nach Informationen ist

ein in hohem Maße dynamischer und interaktiver Pro-

zess, der aus verschiedenen Phasen besteht. In jeder die-

ser Phasen befindet sich der Suchende in einer bestimm-

ten Situation. Diese besteht aus unterschiedlichen Fak-

toren, die auf den kognitiven Raum des Suchenden wir-

ken und dadurch sein Verhalten und vor allem sein

Bedurfnis nach Wissen steuern. Dies zeigt sich vor allem

bei langfristigen Prozessen, die uber mehrere Sitzungen

hinweg verlaufen. Um den Suchenden hierbei effekti-

ver zu unterstutzen, ist es erforderlich, ein Bewusstsein

uber die Situation zu haben, in der sich der Suchende

aktuell befindet. Darauf aufbauend konnen Aussehen

und Verhalten eines Systems adaptiv an das dynami-

sche Bedurfnis, das Verhalten und an die Kenntnisse des

Suchenden flexibel angepasst werden. Daruber hinauskonnen situationsbezogene Vorschlage seitens des Sys-

tems an den Nutzer herangetragen werden, um diesen

besser zu unterstutzen. In dem hier vorliegenden Bei-

trag zeigen wir auf, wie durch eine ausfuhrliche Analyse

und Aufnahme kontextueller Faktoren eine Annaherung

an das kognitive Modell des Nutzers stattfinden kann,

um vor allem sitzungsubergreifende Suchaktivitaten ef-

fizienter und effektiver gestalten zu konnen.

Schlusselworter interactive information retrieval ·adaptive information retrieval · adaptive systems ·recommendation · relevance feedback · user interaction ·personalization · digital libraries · situational awareness

Daniel Backhausen, Claus-Peter Klas, Matthias HemmjeFernUniversitat in HagenE-Mail: (daniel.backhausen, claus-peter.klas,matthias.hemmje)@fernuni-hagen.de

1 Einleitung

Fur das Suchen nach elektronisch erfassten Informatio-

nen kommen heute Information Retrieval (IR) Systeme

zum Einsatz, die uns das Auffinden relevanter Inhal-

te ermoglichen und vielseitig erleichtern sollen. Zu An-

fang der Entwicklung solcher Systeme gingen die For-

scher, die Untersuchungen und Realisierungen in die-

sem Bereich voran trieben, von einem statischen In-

formationsbedurfnis des Suchenden aus, nach dem sich

das Bedurfnis des Suchenden wahrend der Suche nicht

verandert. Diese Sichtweise wurde jedoch in verschiede-

nen Untersuchungen wie denen von [10] widerlegt. Auch

das Berrypicking-Modell von [4] verdeutlicht, dass das

Bedurfnis des Menschen in hohem Maße dynamisch ist

und sich wahrend des Suchprozesses stetig verandert.

Demnach ist die Informationssuche als ein interaktiver

und dynamischer Prozess zu sehen. Die Unterstutzung

dieses Prozesses spielt eine bedeutende Rolle fur die

Realisierung effektiver IR-Systeme. Durch die Erkennt-

nisse entstanden zwei Sichtweisen, namlich die system-

orientierte, bei der vor allem die Performance des Sys-

tems und Vollstandigkeit der Ergebnismenge betrachtet

wird und die nutzer -orientierte, bei der in erster Linie

der Nutzer und sein Verhalten im Fokus der Untersu-

chungen steht.

Die Leistung und technologische Reife aktueller Sys-

teme sowie die vielseitigen Inhalte des Web erlauben es

heutzutage, schnell und einfach Informationen zu fin-

den, um ein bestimmtes ad-hoc Bedurfnis zu befrie-

digen. Eine Vielzahl aktueller IR-Systeme sind jedoch

primar auf kurzfristige Suchprozesse optimiert. So wer-

den unserer Meinung nach langfristige Aktivitaten wie

das Verfassen eines Zeitungsartikels, das eine Vielzahl

von Sitzungen und das Durchsuchen unterschiedlichster

Quellen erfordert, nicht ausreichend unterstutzt.

2 Daniel Backhausen et al.

So unterscheidet Marchionini in [36] im Allgemeinen

zwischen den Suchaktivitaten lookup, learn und inves-

tigate. Ersterem weist er das Auffinden von Fakten zu,

das sich durch die Suche nach bekannten Objekten so-

wie die Navigation, Transaktion, Verifikation und Be-

antwortung von einfachen Fragestellungen kennzeich-

net. Marchionini bezeichnet diese Form der Suche als

“the most basic kind of search task [...] [which] return[s]

discrete and well-structured objects such as numbers,

names, short statements, or specific files of text or other

media [...] lookups are related to [...] who, when, and

where as opposed to what, how, and why questions”. Im

Bibliothekenumfeld wird hierfur der Begriff known-item

search verwendet.

Die Aktivitaten learn und investigate ordnet Mar-

chionini der exploratorischen Suche zu. Im Vordergrund

stehen hier im Wesentlichen die Akquisition, Aggrega-

tion und Interpretation von Wissen sowie auch des-

sen Evaluation und Transformation. Lernen sieht Mar-

chionini als generellen Aspekt der Entwicklung neuen

Wissens an, der verschiedene Iterationen umfasst und

dabei unterschiedliche Objekte zuruckliefert, die durch

einen bestimmten kognitiven Prozess interpretiert wer-

den mussen.

Abb. 1 Exploratorische Suchaktivitaten nach Marchionini(aus [47], S. 14)

Auch He et al. verdeutlichen in [20] die Komple-

xitat der exploratorischen Suche, indem Sie hervorhe-

ben, dass “searching to learn and searching to investi-

gate are more challenging types of search, which require

iterative efforts with interpretation, synthesis, and eva-

luation of the information returned at each iteration”.

Die exploratorische Suche ist ein langfristiger Pro-

zess, der in der Regel uber mehrere Sitzungen verlauft,

verschiedenste Interaktionen beinhaltet und den Suchen-

den womoglich in jedem Schritt mit unterschiedlichen

Resultaten konfrontiert, die eine kognitive Verarbeitung

der Ergebnisse erfordern. Wir haben bereits einige An-

forderungen identifizieren konnen, bei denen eine ex-

ploratorische Suche stattfindet. Dies sind zum Beispiel

das Verfassen eines Artikels, einer Veroffentlichung, ei-

nes Buches oder aber die Mitarbeit in Forschungsfra-

gen. Also immer dann, wenn innerhalb einer Domane

ein umfassendes Maß an Informationen benotigt wird.

Wir mochten in diesem Beitrag verdeutlichen, wie

eine bessere Kenntnis uber das Informationsbedurfnis

des Suchenden zu einer besseren Unterstutzung vor al-

lem bei langfristigen Suchaktivitaten fuhren kann. Hier-

zu erlautern wir, wie ein Informationsbedurfnis ent-

steht und welche Rolle die verschiedenen Einflussfak-

toren hierbei haben.

Grundlegend stellen wir die aus unserer Sicht we-

sentlichen Modelle vor, die eine nutzerzentrierte Sicht-

weise auf verschiedenen Ebenen beschreiben und die

wichtigsten Aspekte des Informationssuchverhaltens ver-

deutlichen. Sie sind maßgeblich entscheidend fur die

Forschung im Bereich des Interactive Information Re-

trieval (IIR). Darauf aufbauend werden unsere aktu-

ellen Arbeiten im Bereich der Digitalen Bibliotheken

vorgestellt. Im Fokus steht hierbei das Informations-

bedurfnis des Anwenders und wie es uber verschiedene

Faktoren wesentlich beeinflusst wird. Mit Hilfe des Be-

wusstseins hinsichtlich dieser Faktoren und der Situa-

tionen, in denen sich der Suchende wahrend des Such-

prozesses befindet, wollen wir uber adaptive Eigenschaf-

ten eines IR-Systems eine effektivere Unterstutzung er-

reichen.

2 Stand der Forschung

Der aktuelle Stand der Forschung im Bereich des IIR

setzt im Wesentlichen an einigen wichtigen Erkenntnis-

sen und Hypothesen uber das menschliche Verhalten

an. Daraus abgeleitet sind einige herausragende Ver-

haltensmodelle bzw. nutzerzentrierte Modelle wie das

Stratified Interaction Model von Saracevic, das Episodic

Interaction Model von Belkin, das Interactive Feedback

and Search Process Model von Spink sowie das kogniti-

ve Modell der interaktiven Informationssuche (Cogniti-

ve Model) von Ingwersen entstanden, die im Folgenden

diskutiert werden. Anschließend wird der Begriff des In-

formationsbedurfnisses dargestellt, dass den Modellen

als Voraussetzung dient.

Belkin geht in einer These von 1978 davon aus, dass

der Suchende sich in einem so genannten Anomalous

State of Knowledge (ASK) befindet. Das Bedurfnis ent-

steht hiernach durch eine Anomalie im Wissenszustand

des Suchenden. In [7] hebt er in einer Hypothese hervor,

dass wenn “an information need arises from a recogni-

zed anomaly in the user’s state of knowledge concerning

some topic or situation and that, in general, the user

is unable to specify precisely what is needed to resolve

Adaptive Benutzerunterstutzung in interaktiven Informationssuchprozessen 3

that anomaly. Thus for the purpose of IR, it is more sui-

table to attempt to describe that ASK than to ask the

user to specify her/his need as a request to the system.”

Nach Belkin kann der Suchende sein Bedurfnis nur

schwer und vor allem nicht vollstandig ausdrucken. Dar-

um sollte verstarkt versucht werden, den anomalen Zu-

stand des Suchenden zu definieren. In [6] definiert er

deshalb das so genannte Episodic Interaction Model.

In seinem Modell hebt Belkin hervor, dass eine Inter-

aktion zwischen dem Benutzer und einem Informati-

onsobjekt zu einem bestimmten Zeitpunkt eines Infor-

mationsbeschaffungsabschnitts (episode) erfolgen kann.

Die Art und Weise der Interaktion und die Art des In-

formationsobjekts sind jedoch unter anderem abhangig

von den Zielen, Problemen, Intentionen und der Situa-

tion des Suchenden. Diese Interaktion wird nach Bel-

kin durch verschiedene Prozesse wie die Darstellung,

der Vergleich, die Prasentation, die Navigation oder die

Veranschaulichung unterstutzt. Zur Unterstutzung der

verschiedenen Arten der Interaktion gibt es nach Belkin

ein Optimum an Kombinationen dieser Prozesse.

Unsicherheit entsteht vor allem in den fruhen Pha-

sen der Informationssuche und ist der initiale Punkt

eines Informationssuchprozesses. Deshalb besteht nach

Belkin vor allem ein großes Problem darin, dass der

Suchende sein Bedurfnis aufgrund der Vagheit, die sich

aus der Unklarheit des Umfangs ergibt, nicht genau aus-

drucken kann, um die Anomalie des Wissenszustands

zu beheben. Dies fuhrt bereits zu Anfang dazu, dass

der Suchende bei der Definition seines Bedurfnisses auf

erhebliche Probleme stoßt.

Fur Kuhlen [30] ist Information “die Teilmenge von

Wissen, die von einer bestimmten Person oder einer

Gruppe in einer konkreten Situation zur Losung von

Problemen benotigt wird und haufig nicht vorhanden

ist.”. Ferber geht in [15] davon aus, dass wir von Wis-

sen sprechen, wenn wir wissen was Informationen auf

semantischer Ebene beschreiben.

Das Bedurfnis nach Wissen reicht von der Ermitt-

lung von Fakten bis hin zu Fragestellungen in Konzep-

ten und anderen komplexen Zusammenhangen, die uns

helfen, bestimmte Dinge zu verstehen und zu erlernen.

Stickel fugt in [46] hinzu, dass Information als “zweck-

gerichtetes Wissen zur Vorbereitung und Durchfuhrung

von Handlungen” dient. Das erlernte Wissen erlaubt

es uns also, Probleme zu losen und bestimmte Aufga-

ben auszufuhren. In der Regel sieht sich der Suchende

dabei vor einer Fragestellung, die er durch seinen ak-

tuellen Wissens- und Kenntnisstand nicht ausreichend

beantworten kann. Durch die Suche nach Wissen und

Exploration in Ergebnismengen versucht er diese Lucke

zu schließen.

Auch Thomas D. Wilson hebt in [49] hervor, dass

Suchen durch den Bedarf nach Informationen begrundet

ist, das durch die Besorgnis und Unsicherheit aufgrund

des fehlenden Wissens getrieben wird. In [31] definiert

Carol Kuhlthau diese Unsicherheit als einen kognitiven

Zustand, dessen Ursache affektive Symptome von Angst

und mangelndem Vertrauen sind.

Ingwersen veroffentlichte in [21] und [22] sowie zu-

sammen mit Jarvelin in [23] das kognitive Modell der

interaktiven Informationssuche. Ziel dieses Modells ist

die Beschreibung des so genannten kognitiven Raums

(cognitive space), in dem die Informationsverarbeitung

des Menschen stattfindet.

Der Fokus des Modells liegt in der Nutzung eines

IR-Werkzeug durch verschiedene Akteure. Hier unter-

scheidet Ingwersen zwischen Autoren, Personen, die In-

formationen indizieren oder auswahlen, Datenbankdesi-

gnern, Applikations- und Schnittstellenentwicklern so-

wie Communities. Das Hauptaugenmerk liegt jedoch

laut Ingwersen auf der Betrachtung des Informations-

suchenden.

Abb. 2 Kognitives Modell der interaktiven Informationssu-che (aus [23], S. 274)

Auf der rechten Seite des in Abbildung 2 dargestell-

ten Modells stellt Ingwersen die Faktoren dar, die sich

aus den organisatorischen, sozialen und kulturellen Ge-

gebenheiten zusammensetzen. Hierzu zahlt Ingwersen

unter anderem die privaten oder beruflichen Aufgaben

und Interessen, Domanen, Ziele, Strategien sowie ver-

schiedene Praferenzen, Fahigkeiten, kulturelle und so-

ziale Aspekte. Er erklart diese Unterteilung in [23] als

“the conception of daily-life or job-related work task si-

tuation and human cognitive-emotional interest in con-

text and the concept of search task constitute the ra-

tionale behind the processes. The perception of work

task or interest, that is, the intentionality ( [43]) of the

seeker, acts as the central factor affecting IS&R.”.


Die Linien (1) bis (4) verdeutlichen die Interakti-

on zwischen einzelnen Komponenten des Modells. (1)

zeigt den wechselseitigen Austausch zwischen dem Ak-

teur und dem sozialen, organisatorischen und kulturel-

len Kontext. Die Interaktion mit dem IR-System uber

eine entsprechende Schnittstelle wird durch (2) verdeut-

licht, wahrend (3) und (4) der internen Verarbeitung

des IR-Systems entsprechen. Die Transformation und

Erstellung von Informationen erfolgt entweder durch

den Akteur direkt (5/7) oder uber die sozialen, kul-

turellen und organisatorischen Gegebenheiten in Rich-

tung IR-System uber die Zeit (6/8).

Abgeleitet aus der kognitiven Theorie des IIR form-

te Ingwersen den Begriff der Polyreprasentation und be-

schreibt hiermit die Uberlappung von Ergebnissen bei

der Verwendung unterschiedlicher IR-Techniken. Ing-

wersen fuhrt dies unter anderem auf Untersuchungen

der best match Prinzipien aus Salton und McGill [37]

sowie Belkin und Croft [5] zuruck, aus denen er ableitet,

dass “various best match IR techniques retrieve diffe-

rent but overlapping results: The more alike the retrie-

val algorithms, the larger the overlap”. Die wesentliche

Erkenntnis ist, dass nach Meinung von Ingwersen das

Prinzip der Polyreprasentation auch auf den kognitiven

Raum des Suchenden angewendet werden muss, um im

Rahmen des IIR ein effektives IR zu ermoglichen. Ing-

wersen fugt hinzu, dass die Problemstellung und das In-

formationsbedurfnis des Suchenden hierbei nicht ausrei-

chend sind und die Sichtweise um zusatzliche Faktoren

wie Aufgaben, Interessen und soziale Aspekte erweitert

werden muss.

Fur Amanda Spink ist die Ruckmeldung beziehungs-

weise das Feedback ein wesentlicher Faktor im inter-

aktiven Information Retrieval. In [45] arbeitet sie funf

unterschiedliche Arten der Ruckmeldung heraus und

stellt diese komplexe und zyklische Art und Weise von

Feedback im Interactive Feedback and Search Process

Model umfassend dar. Sie hebt die Vereinigung der in-

teraktiven Prozesse aus dem kognitiven Modell nach

Ingwersen als Starke des Modells hervor. Gleichzeitig

kritisiert Spink jedoch, dass in dem Modell von Ing-

wersen das Feedback wahrend der IR Interaktion zu

wenig Beachtung findet. Sie merkt zudem an, dass die

Ruckmeldung in der vorhergegangenen Forschung als

eine “linear transmission of information (system feed-

back), rather than a feedback loop process, including

the modification or reformulation of subsequent queries

by the user (Lancaster, 1972 [32]; Shenouda, 1991 [44])”

betrachtet wurde. In ihrem Modell zeigt Spink jedoch

auf, dass Feedback ein wesentlicher Bestandteil des In-

formationsbeschaffungsprozesses ist.

Generell ordnet Spink in ihrem Modell die so ge-

nannten Interactive Feedback Loops zwischen den Zy-

klen, die sich aus den Suchstrategien ergeben, und den

einzelnen Suchtaktiken an. So besitzt jede Suchstrate-

gie ein oder mehrere Zyklen mit einem oder mehre-

ren Suchbefehlen die dazu fuhren, dass die ermittel-

ten Inhalte als Resultat angezeigt werden (Fenichel,

1981 [14]). Jeder Zyklus kann wiederum mehrere der

genannten Interactive Feedback Loops beinhalten. Eine

solche Ruckmeldungsschleife ist gekennzeichnet durch

die Benutzereingabe und die darauf folgende System-

ausgabe sowie durch die Interpretation und Beurteilung

der Ausgabe durch den Benutzer. Spink fugt an, dass

jede Eingabe “may also represents a move within the

search strategy (Fidel, 1985 [16]) and may be regarded

as a search tactic to further the search (Bates, 1981 [3]).

Each move consists of a user input or query requesting

a system’s output”.

Die hier vorgestellten Modelle gehoren zu den po-

pularsten, die innerhalb dieses Forschungszweigs ent-

standen sind. Sie haben trotz ihrer Verschiedenheit ge-

meinsam, dass sie im Wesentlichen versuchen, das Ver-

halten und das Informationsbedurfnis des Akteurs im

Informationssuchprozess abzubilden, fokussieren jedoch

teilweise verschiedene Bereiche innerhalb des interakti-

ven Prozesses.

Mit Bezug auf die Informationstechnologie hat der

Begriff der ‘Interaktion’ seinen Ursprung in der Human-

Computer-Interaction (HCI), einem Forschungsbereich

und Teilgebiet der Informatik, dessen Schwerpunkt die

Untersuchung der Schnittstelle zwischen Mensch und

Maschine ist. Im Vordergrund steht hier unter ande-

rem die benutzerfreundliche Gestaltung und Entwick-

lung von interaktiven Systemen mit ergonomischen und

intuitiven Schnittstellen zur Unterstutzung des Infor-

mationsaustausches zwischen Nutzer und System.

Im Information Retrieval wird der Austausch zwi-

schen dem Suchenden und dem IR-System betrachtet.

Im Fokus verschiedener Forschungen steht hierbei der

Benutzer und sein Verhalten mit dem IR-System. Aus-

gangspunkt der Interaktion ist das Bedurfnis des Nut-

zers, das vorliegt, wenn Informationen zur Aneignung

von Wissen notwendig sind. Die Wissenslucken werden

durch die stetige Interaktion uber die einzelnen Phasen

des Informationssuchprozesses hinweg geschlossen.

Auch Saracevic kritisiert die klassisch systemorien-

tierte Sichtweise in dem er andeutet, dass diese den

reichhaltigen und variantenreichen Interaktionsprozess

zwischen Benutzer und System nicht einbezieht. Die-

se Interaktion ist aber nach Saracevic ein wesentlicher

Aspekt fur Information Retrieval. In [40] versucht er

deshalb, den Aspekt der Interaktion zwischen Benut-

zer und System durch das Stratified Interaction Mo-

del zu verdeutlichen. Jeder Interaktionspartner besitzt

hierbei unterschiedliche Ebenen (strata). Der Benutzer


besitzt nach Saracevic mindestens die Ebenen der Ko-

gnitivitat (cognitive), der Emotion (affective) und der

Situation (situational). Hingegen definiert er fur das

System die Ebenen der Entwicklung (engineering), der

Ablaufsteuerung (processing) und die des Inhalts (con-

tent). Interaktion findet auf diesen verschiedenen Ebe-

nen in unterschiedlichster Art und Weise statt. Zudem

erfolgt eine Anpassung der Ebenen hin zur Schnittstel-

le zwischen Benutzer und System. Hierbei spielen nach

Saracevic verschiedene Formen der Ruckmeldung (feed-

back) eine wesentliche Rolle.

Nach Robins [39] kann IIR als die Studie der mensch-

lichen Interaktion mit Informationssuchsystemen be-

schrieben werden. Das steht im Kontrast zur klassi-

schen systemorientierten Sichtweise des IR, in dem IR-

Systeme unabhangig des Nutzers betrachtet und opti-

miert werden. Interaktion spielt unserer Meinung nach

eine bedeutende Rolle fur die Realisierung effektiver

Systeme, da sie dem System erlaubt, auf Veranderungen

des Umfelds oder aber des Bedurfnisses des Benutzers

zu reagieren. Zudem konnen dem Benutzer entsprechen-

de Ruckmeldungen und darauf aufbauend Empfehlun-

gen offeriert werden.

Auch Fuhr deutet in [17] darauf hin, dass fur IIR an-

dere Formen der Systemunterstutzung notwendig sind,

als die, die in klassischen ad-hoc orientierten Syste-

men genutzt werden. Dies liegt zum einen daran, dass

die klassische Sichtweise von einem statischen Infor-

mationsbedurfnis ausgeht. Die Grundannahme im IIR

ist, dass ein effektives IR-System nicht ohne das Wis-

sen uber die Verwendung des Systems realisiert werden

kann.

Um langfristige und sitzungsubergreifende Suchak-

tivitaten mit exploratorischem Charakter effektiver un-

terstutzen zu konnen, ist es unserer Meinung nach ei-

nerseits notwendig, das Informationsbedurfnis definie-

ren zu konnen und andererseits die Faktoren zu kennen,

die entscheidend auf dieses Bedurfnis einwirken und es

dadurch beeinflussen. Daruber hinaus liefert die Inter-

aktion zwischen Nutzer und System unter anderem ent-

scheidende Hinweise uber das situative Bedurfnis.

3 Faktoren des Informationsbedurfnisses

Im Rahmen des Information Seeking werden benotigte

Informationen in verschiedenen Quellen gesucht, um

daraus fehlendes Wissen zu transformieren. Die Rele-

vanz der erhaltenden Informationsobjekte ist allerdings

stark situationsabhangig. Die Situation des Suchenden

umfasst dabei verschiedene Aspekte und Faktoren wie

zum Beispiel die aktuelle geografische Position, das Da-

tum oder aber die Uhrzeit, die allgemein dem Begriff

Kontext zugeordnet werden. Schon alleine eine geografi-

sche Position kann das Informationsbedurfnis aber auch

die Nutzung eines IR-Systems stark beeinflussen.

Der Kontext ist ein wichtiger Bestandteil der in-

teraktiven Informationssuche, da er die umgebenden

und situativ relevanten Dinge bezeichnet oder wie es

Schmidt et al. in [42] ausdrucken “Context is a key issue

in interaction between human and computer, describing

the surrounding facts that add meaning.”.

Dey und Abowd heben in [11] hervor, dass “com-

puters are not currently enabled to take full advantage

of the context of the human-computer dialogue”. Da

die verschiedenen kontextuellen Faktoren das situative

Bedurfnis des Suchenden beeinflussen, teilen wir deren

Meinung, indem durch “improving the computer’s ac-

cess to context, we increase the richness of communica-

tion in human-computer interaction and make it possi-

ble to produce more useful computational services”.

Aber was genau bedeutet eigentlich Kontext? Fur

[11] besteht der Kontext aus allen Informationen, die

zur Charakterisierung der Situation einer Entitat ge-

nutzt werden konnen. Eine Entitat ist “a person, place,

or object that is considered relevant to the interaction

between a user and an application, including the user

and applications themselves”. Im Hinblick auf die Sys-

tementwicklung definieren sie ferner, dass “[c]ontext-

aware applications look at the who’s, where’s, when’s

and what’s [...] of entities and use this information to

determine why the situation is occurring”.

Fur [41] sind wichtige Aspekte die geografische Po-

sition des Nutzers, die Personen, mit denen der aktuelle

Nutzer agiert, sowie alle Ressourcen, die in unmittelba-

rer Nahe des Nutzers sind. Diese Sichtweise spiegelt die

starke Fokussierung der Forschung hinsichtlich mobiler

Systeme wider. Schilit et al. unterstreichen jedoch, dass

der Kontext ein sich stetig anderndes Umfeld ist, das

abhangig von den verschiedenen Situationen innerhalb

einer Aktivitat ist.

Die Bereitstellungen sowie der Erwerb von Informa-

tionen sind nach Ingwersen ein kognitiver Prozess in-

nerhalb des kognitiven Raums eines Menschen, in Ab-

bildung 2 dargestellt als der cognitve space. Die Zah-

len uber den Verbindungspfeilen in dem Modell von

Ingwersen zeigen, in welcher Reihenfolge die Interakti-

onsprozesse bei der Informationssuche verlaufen. Initial

wird der kognitive Raum des Suchenden durch vergan-

gene und aktuelle Ereignisse und Faktoren beeinflusst,

die sich aus den bereits genannten organisatorischen,

kulturellen und sozialen Gegebenheiten zusammenset-

zen. Durch die kognitive Verarbeitung des Menschen

verandern sich diese Faktoren gleichfalls, so dass ei-

ne wechselseitige Beziehung vorliegt (1). Zudem wir-

ken auch das Suchen und die Verarbeitung von Infor-


mationen mithilfe eines IR-Systems auf den kognitiven

Raum des Suchenden ein (2). Dies zeigt sich vor allem

dadurch, dass sich die Unsicherheit oder Vagheit und

damit auch das Bedurfnis verandert und sich Aufgaben

oder Interessen verschieben.

Nach Ingwersen & Jarvelin agieren Suchende als

“cognitive actors acting in a social, organizational and

cultural context [...] The latter – together with the sys-

temic context, the left-hand side [...] influence the ac-

tivities, perceptions, and interpretations of each indi-

vidual over time”. Hinsichtlich der Systementwicklung

sind hierbei vor allem die interaktiven Prozesse (2) und

(3) von Interesse, da diese nach Ingwersen zum system-

nahen Kontext gehoren.

Devin beschreibt in ihrer Theorie [9] uber das Sense-

making drei Dimensionen: (1) die ausgehende Situa-

tion, (2) den gewunschten Soll-Zustand sowie (3) die

kognitive Lucke zwischen Ist und Soll und sieht hier

auch die Situation als initialen Faktor. Und auch fur

Wilson [48] spielt die Situation im aktuellen Kontext

hinsichtlich des Informationsbedurfnisses eine zentra-

le Rolle innerhalb des Information Seeking Prozesses.

Ingwersen & Jarvelin greifen dies in [23] auf und erwei-

tern sie durch das so genannte Nested Model of Context

Stratification (Abbildung 3) in dem sie sechs verschiede-

ne kontextuelle Dimensionen im IR beschreiben. Ferner

deuten sie basierend auf dem bereits zuvor erlauterten

Rahmenmodell der interaktiven Informationssuche auf

die Existenz einer Reihe von kontextuellen Elementen

hin, die sie entsprechend der verschiedenen Kategori-

en und der verschachtelten Klassifikation innerhalb des

IR-Prozesses anordnen.

Die sechs aufgezeigten Dimensionen stehen in Be-

ziehung zu den reprasentierten Objekten. So wird bei-

spielsweise im so genannten intra-Objekt (1) Kontext

eine Software-Komponente durch die Codezeilen struk-

turiert. Objekte wie zum Beispiel Dokumente sind wie-

derum uber Links, Referenzen oder Zitate miteinander

innerhalb eines inter-Objekt (2) Kontextes verbunden.

Ein daruber gelagerter interaktiver Sitzungskontext (3)

beinhaltet verschiedene interaktive Aktivitaten, die im

Rahmen eines sozio-organisatorischen Kontextes (4) be-

stehend aus privaten oder beruflichen Aufgaben und

Interessen stattfinden. All diese zusammenhangenden

Elemente werden vorwiegend durch physikalische und

gesellschaftliche Faktoren (5) beeinflusst. Der histori-

sche Kontext (6) ist temporar und verlauft orthogonal.

Er beinhaltet unter anderem die Erfahrung des Nut-

zers aus vergangenem Handeln und wirkt zudem auf

die Uberlagerung der Kontextebenen ein.

Engel et al. betrachten in [13] den Erstellungszyklus

von Informationsobjekten und heben hervor, dass der

Kontext eines digitalen Objekts komplex ist. Sie deuten

Abb. 3 Modell der Kontextschichten (aus [23], S. 281)

ferner darauf hin, dass sich die Beziehungen zwischen

Objekten (in Ingwersen als intra-Objekt Kontext be-

zeichnet) aufgrund eines ahnlichen Kontextfaktors wie

zum Beispiel dem Autor, Zitaten oder aber identischen

Schlusselwortern ergeben und fur Anwendungsfalle wie

ein Autorennetzwerk oder eine Co-Autoren Suche ver-

wendet werden konnen.

Lopes unterstreicht in [35], dass der Information

Search and Retrieval (IS&R) Prozess und die darin

stattfindende Interaktion des Suchenden mit dem IR-

System, dessen Erwartungen, Entscheidungen und Er-

gebnisbewertung stark kontextabhangig sind, in dem

die Suche stattfindet. Nach [12] ist Kontext ein Inter-

aktionsproblem, das abhangig von den Aktionen eines

Individuums ist. Daruber hinaus deutet Dourish darauf

hin, dass das kontextuelle Bewusstsein der Schlussel zur

Anpassung von Systemen ist und dass dieser Kontext

nicht nur aus den umgebenden Eigenschaften besteht,

sondern sich vor allem auch aus der Interaktion ermit-

teln lasst. Dadurch wird sich der Kontext in jeder Si-

tuation innerhalb des Suchprozesses verandern und sich

aus den Aktivitaten des Suchenden ergeben.

Bahrami et al. prasentieren in [2] eine generelle Idee

fur eine Infrastruktur fur ein Information Retrieval, das

auf einem Bewusstsein des Kontextes basiert (context-

awareness). Jeder Nutzer hat unterschiedliches Wis-

sen sowie verschiedene Erfahrungen, Hintergrunde und

Praferenzen. Diese Faktoren konnen nach Bahrami et

al. dazu verwendet werden “to shape both the execution

of user queries and the form in which retrieved infor-

mation is packaged“. Ferner kann jeder Suchende un-

terschiedliche Rollen mit verschiedenen Aufgaben und

Zielen einnehmen. Hierdurch konnen in jeder Situation

innerhalb des Suchprozesses Anderungen in der Rele-

vanz von Informationsobjekten und im Informations-

bedurfnis entstehen, auf die dynamisch reagiert werden

muss.


Abb. 4 Das IIR-System ezDL

4 ezDL – IR in Digitalen Bibliotheken

Fur unsere Untersuchungen hinsichtlich einer effekti-

veren Unterstutzung des Suchenden setzen wir das Sys-

tem ezDL (easy [access to] digital libraries) ein. Dabei

handelt es sich um ein Java-basiertes Framework fur

interaktive IR-Anwendungen zur Anbindung digitaler

Bibliotheken (DL), dessen Entwicklung in großem Ma-

ße auf dem Vorgangerprojekt Daffodil (Distributed

Agents for User-Friendly Access of Digital Libraries)

basiert. Daffodil wurde genauso wie das Nachfolgepro-

jekt ezDL bereits erfolgreich im Rahmen verschiedener

Forschungsprojekte an der Universitat Duisburg-Essen

und an der Fernuniversitat in Hagen eingesetzt und war

bereits Bestandteil diverser Publikationen wie zum Bei-

spiel [18], [29], [26] sowie [25] und [28].

ezDL verfugt unter anderem uber eine umfangreiche

Suche, eine Suchhistorie, eine personliche Handbiblio-

thek zum Abspeichern von Suchergebnissen, eine Co-

Autorensuche, eine Referenzsuche, eine Anzeige parallel

relevanter Eintrage basierend auf implizitem Relevance

Feedback sowie uber verschiedene kollaborative Erwei-

terungen. Abbildung 4 stellt einen Screenshot der aktu-

ellen Version dar und zeigt den grundlegenden Aufbau

sowie eine Auswahl der Werkzeuge.

Wie schon zuvor Daffodil, so basiert auch ezDL

auf einem Agenten-Netzwerk, das eine modulare, er-

weiterbare und intelligente Systemstruktur realisiert.

Die grundlegende Architektur besteht im Wesentlichen

aus den drei Ebenen Benutzerschnittstelle, Dienste und

Wrapper. Die Dienste realisieren die Logik des Systems

und die interne Kommunikation zwischen den verschie-


den Ebenen und Diensten sowie die Funktionalitat ein-

zelner Werkzeuge. Wrapper dienen der Integration der

verschiedenen Datenquellen, aus denen Informationsob-

jekte hinsichtlich der Suche geladen werden.

Die aktuellen Weiterentwicklungen werden von der

Universitat Duisburg-Essen gesteuert. Im Rahmen ver-

schiedener Forschungsprojekte wird ezDL als Basis fur

Weiterentwicklungen, Spezialisierungen und Evaluatio-

nen genutzt. Auch wir verwenden ezDL fur unser aktu-

elles Forschungsvorhaben, in dem wir uns dem Informa-

tionsbedurfnis und dem kognitiven Raum des Suchen-

den durch die bessere Kenntnis der situativen Kontext-

faktoren annahern. Auf Basis dieser Kenntnisse errei-

chen wir einen hohen Grad an Personalisierung, so dass

wir mittels adaptiver Techniken das System naher an

die Erfahrungen, Kenntnisse, Praferenzen und vor al-

lem Aufgaben und Ziele des Suchenden bringen konnen,

um diesen bei langfristigen Suchaktivitaten effektiver

zu unterstutzten.

5 Erfassung relevanter Faktoren

Um ein Bewusstsein uber den Kontext des Suchenden

und des Suchprozesses zu erhalten, ist es notwendig,

die hierfur relevanten Daten explizit oder aber impli-

zit im Zuge der Interaktion kontinuierlich zu speichern.

Diese Daten geben entscheidende Hinweise auf die Ak-

tionen des Suchenden, aus denen sich wiederum Infor-

mationen uber die Verwendung des Systems ermitteln

lassen. Auch [33] weisen darauf hin, dass eine kognitive

Wahrnehmung nur durch eine umfangreiche Aufnahme

samtlicher Nutzer- und Systemaktivitaten und Ereig-

nisse moglich ist.

Im Detail ermoglicht das so genannte Logging Auf-

schluss uber die Eingabe von Suchanfragen oder aber

die Verwendung der einzelnen Systemwerkzeuge. Dar-

aus lasst sich ermitteln, welche Erfahrungen und Kennt-

nisse der Nutzer bei der Suche im Allgemeinen und

mit dem System im Speziellen hat. Diese Informationen

konnen wir dann dazu verwenden, den Suchenden ak-

tiv zu unterstutzen, indem wir die Werkzeuge des Sys-

tems adaptiv entsprechend seiner personlichen Kennt-

nisse und Praferenzen anpassen.

Im ezDL Framework wurde das Logging-Konzept

aus [19] realisiert. Dabei wird die Interaktion zwischen

dem Benutzer und dem System auf verschiedenen Ebe-

nen erfasst. Wie in [27] beschrieben, sind fur die Un-

tersuchungen vor allem Daten auf den Ebenen Benut-

zer, System und Inhalt von großem Interesse. So lassen

sich auf der System-Ebene Ereignisse wie zum Beispiel

die CPU-Last oder Anderungen an der Datenbank fest-

stellen. Systeminteraktionen und das dadurch erkenn-

bare Nutzerverhalten lassen sich auf der Nutzer-System-

Ebene ermitteln. Durch das Speichern des Nutzerver-

haltens lassen sich gezielte Studien hinsichtlich der ver-

wendeten Suchstrategien oder Taktiken ausfuhren. Die-

se Ergebnisse konnen wiederum dazu verwendet wer-

den, den Suchenden auf bestimmte, situativ effektivere

Suchtaktiken hinzuweisen. Hierbei sind insgesamt zehn

Ereignisse identifiziert worden (Tabelle 1), die durch

den Nutzer ausgelost wurden und entsprechend erfasst

werden konnen.

Search Anfrage- oder Filterbedingung,Durchsuchte Quellen, Systemantwort

Navigate Verfolgen eines Link, aktuelle Quelle,Systemantwort

Inspect Untersuchtes Objekt, Systemantwort

Display Angezeigte Daten, angewand-te visuelle Transformation,Sortierungskriterium

Browse Durchsuchte Kollektion, Metho-de und Dimensionen, Richtungs-und Distanzanderung desBetrachtungspunkts

Store Menge der gespeicherten Objekte,Speicherort und Speichermethode

Annotate Annotiertes Objekt, Typ und Inhaltder Annotation

Author Neues oder verandertes Objekt

Help Frage/Notiz (optional), Typ und In-halt der System-/Expertenantwort

Communicate Typ, Inhalt und Partner der Kommu-nikation

Tabelle 1 Ereignisse und deren Attributbeispiele

Neben den klassischen statistischen Nutzungsdaten,

wie Nutzungszahlen wird durch dieses durchgehende

Logging das System in die Lage versetzt, sich dem ko-

gnitiven Raum des Benutzers implizit anzunahern, ohne

ihn durch explizite Interaktion bei der Informationssu-

che storen zu mussen. Zudem erlaubt das System so

eine eingehende Evaluation einzelner Suchsitzungen so-

wie zudem eine Langzeitevaluation im Bereich des IIR.

Aufbauend auf den ermittelten Daten wurden be-

reits unterschiedliche Aspekte der Systemunterstutzung

entwickelt. In [28] wird der aktuelle Suchkontext basie-

rend auf einer aktuellen Suchanfrage und dem Sucher-

gebnis in Form einer Ergebnisliste genauer betrachtet.

Ausgehend von verschiedenen Statistiken werden dem

Nutzer unterschiedliche Vorschlage fur seine nachsten

Schritte unterbreitet, etwa die Suche nach einem in die-

sem Bereich bekannten Autor oder Begriff.

In [33, 34] wird der vollstandige Informationsdialog

uber mehrere Suchanfragen hinweg betrachtet und zum

Vorschlagwesen herangezogen. Darauf aufbauend wird

eine fur den Nutzer relevante Ergebnismenge projiziert


(dargestellt in Abbildung 5). Die dabei betrachteten

Mengen bilden den Kontext der Informationssuche und

bestehen etwa aus der Menge der Resultate unterteilt

in gesehene und ungesehene (Ereignis: Search), gespei-

cherte (Ereignis: Store) und untersuchte (Ereignis: In-

spect) Objekte.

Abb. 5 Sequenz von nachfolgenden Anfragen

Durch ein neues Task-Werkzeug kann der Nut-

zer fortan seine Aufgaben und Interessen anlegen und

damit auf eine besondere Art der Unterstutzung bei

exploratorischen Suchaktivitaten – wie die auf die ak-

tuelle Aufgabe bezogene Suchhistorie – zuruckgreifen.

Wir sind daruber hinaus damit in der Lage, Aktivitaten

sitzungsubergreifend zu erfassen und Langzeitevalua-

tionen vorzunehmen. Die Zuweisung von gespeicherten

Aktivitaten und Ereignissen zu einem bestimmten Task

erlaubt es dann, Empfehlungen und adaptive Funktio-

nen innerhalb von ezDL bereitzustellen.

6 Anpassung an den Suchenden

Anfrage-orientierte Retrieval-Systeme, wie sie in den

meisten Anwendungsumgebungen oder auch im Inter-

net (web retrieval) anzutreffen sind, unterstutzen nicht

ausreichend diese iterative und exploratorische Vorge-

hensweise, die fur das Auflosen komplexer Aufgaben

oder Frage- und Problemstellungen zwingend erforder-

lich ist. In vielen Fallen bedeutet das Schließen der

Anwendung oder des Browsers den Verlust des bis da-

to gewonnenen Suchfortschritts. Auch ein Blick in ei-

ne Suchhistorie ist oftmals nicht mehr moglich. Zudem

fehlt in den meisten Systemen die Kennzeichnung der

Informationsobjekte, die bereits in einer vorherigen Sit-

zung als relevant oder eben nicht relevant erachtet wur-

den. Dadurch verzogert sich zwangslaufig das Auffinden

benotigter Informationen und dadurch auch in der Re-

gel das Losen einer Aufgabe oder Problemstellung.

Die Tatsache, dass das Informationsbedurfnis des

Suchenden dynamisch ist und sich von Situation zu

Situation verandern kann, erfordert es, dass sich IR-

Systeme den sich andernden Faktoren und den dyna-

mischen Bedingungen adaptiv anpassen.

Adaptivitat bezeichnet in der Biologie und Technik

die Anpassungsfahigkeit eines Objekts an seine Um-

welt. Sie erfolgt durch die Analyse des Umfelds und

das Wahrnehmen von Veranderungen. In der Informa-

tik ist ein adaptives System ein System, das sein Er-

scheinungsbild und Verhalten entsprechend der vorlie-

genden Informationen verandert und an die neuen Be-

dingungen anpasst. Diese Informationen erhalt das Sys-

tem von verschiedenen Schnittstellen, uber die es mit

seinem Umfeld kommuniziert. Adaptivitat erweitert das

Konzept der Personalisierung, die wiederum auf einem

Benutzermodell (user model) beruht. Mit dem Fokus

auf adaptive Hypermediaanwendungen definiert [8] drei

Kriterien, die personalisierte Systeme erfullen mussen:

“it should be a hypertext or hypermedia system, it

should have a user model, and it should be able to ad-

apt the hypermedia using this model”. Diese Kriterien

konnen fur jede Art von Anwendung, die uber eine Be-

nutzerschnittstelle verfugt, generalisiert werden.

Abb. 6 Adaption in Abhangigkeit des Benutzermodells nachBrusilovsky aus [8]

Abbildung 6 zeigt die Abhangigkeit zwischen Ad-

aption und Benutzermodell und das dieses Modell im

Allgemeinen auf den Daten eines Benutzers basiert. Zu

diesen Daten gehoren zum einen explizite Informatio-

nen wie der Name oder der Beruf, die vom Benutzer

ausdrucklich bekannt gegeben werden. Eine explizite

Anpassung des Systems kann zum Beispiel durch die

Einstellung der Schriftgroße erfolgen. Zum anderen ba-

sieren diese Daten auf vergangenen und aktuellen Er-

eignissen, die aus den Aktivitaten des Benutzers mit

dem System stammen [25]. Diese Informationen, die

sich primar aus der Interaktion des Benutzer ermitteln

lassen, speichern wir mit Hilfe des in Kapitel 5 vorge-

stellten Loggings. Das Speichern der Nutzungsdaten ist

fur eine adaptive Unterstutzung unerlasslich, denn sie

geben Aufschluss uber die Aktivitaten, Einstellungen,


Praferenzen und Kenntnisse des Nutzers. Nur so ist es

moglich, bewerten zu konnen, in welcher Form und Si-

tuation zum Beispiel durch personalisierte Empfehlun-

gen (recommendations) dem Anwender besser geholfen

werden kann.

Ohnehin bilden Empfehlungen eine wesentliche Hil-

fe wahrend des Informationssuchprozesses. Die einfachs-

te Form eines Empfehlungsdienstes sind die aktuellen

Musikcharts, die auf die derzeit in der Allgemeinheit be-

liebtesten Musikstucke verweisen. Komplexere Empfeh-

lungssysteme basieren hingegen auf dem Konzept der

Personalisierung und integrieren unterschiedliche Fak-

toren wie beispielsweise ein Themengebiet, personliche

Praferenzen des Nutzers oder aber seine sozialen Kon-

takte.

Bei der Benutzerunterstutzung spielen Empfehlungs-

systeme (Recommender Systems (RS)) eine wichtige

Rolle. Sie helfen dem Nutzer bei Entscheidungen, wei-

sen auf verwandte Themen oder Informationsobjekte

hin und ermoglichen es, neue soziale Kontakte zu ande-

ren Menschen aufzubauen, die identische Aufgaben und

Interessen verfolgen. Nach [38] sind Empfehlungssyste-

me “software tools and techniques providing suggesti-

ons for items to be of use to a user [which are related to]

various decision-making processes, such as what items

to buy, what music to listen to, or what online news

to read”. Empfehlungssysteme sind “directed towards

individuals who lack sufficient personal experience or

competence to evaluate the potentially overwhelming

number of alternative items”.

Nach [24] kennzeichnet sich ein Empfehlungssystem

als ein System, “das einem Benutzer in einem gege-

benen Kontext aus einer gegebenen Entitatsmenge ak-

tiv eine Teilmenge nutzlicher Elemente empfiehlt.”. Der

hier genannte Kontext besteht nach Klahold aus dem

Benutzerprofil, der Menge der Entitaten und der Si-

tuation. Das Profil wird definiert aus den implizit oder

explizit gewonnenen Informationen. Explizit gewonne-

ne Informationen sind Daten wie zum Beispiel Name,

Alter, Beruf oder aber auch Produktbewertungen, die

der Benutzer freiwillig angegeben hat. Andererseits be-

ruhen implizite Informationen zumeist auf statistischen

Daten (zum Beispiel Art und Anzahl der Suchanfra-

gen), die durch das System ermittelt werden konnen.

Die Situation wird nach Klahold aus den Bedingungen

des Umfelds – also dem Kontext gewonnen.

Nach [1] beruhen Empfehlungsdienste oftmals auf

den explizit vom Anwender bewerteten Ergebnissen.

Dieses Verfahren der schrittweisen Anpassung von Er-

gebnislisten durch Bewertungen, wird Relevance Feed-

back genannt. Die Bewertung erfolgt entweder binar

(relevant oder nicht relevant) oder aber uber mehre-

re Stufen (zum Beispiel 0 bis 5 Sterne oder aber in

Prozent). Anhand dieser Interaktion zwischen Benutzer

und System ermittelt dann letzteres eine optimierte Er-

gebnisliste, in denen die Eintrage deterministisch naher

an den zuvor als relevant gekennzeichneten Ergebnissen

liegen. Auch diese, durch den Benutzer explizit angege-

benen Informationen fließen in unsere Datenbasis ein

und erlauben es, darauf aufbauend situationsabhangig

eine starkere Anpassung fur zukunftige Empfehlungen

zu ermoglichen.

Basierend auf den umfangreich gesammelten Daten

uber die kontextuellen Faktoren (siehe Kapitel 3) und

dem Nutzerverhalten lassen sich Empfehlungssysteme

noch genauer an das Bedurfnis und an die situativen

Anforderungen des Suchenden anpassen. An dieser Stel-

le mochten wir zudem auf einen weiteren Beitrag von

Kriewel innerhalb dieser Publikation verweisen, der sich

mit Interaktivem Retrieval und situationsabhangigen

Vorschlagen auseinandersetzt.

Anknupfend an die Forschungsarbeiten von Kriewel

betrachten wir den Suchprozess uber mehrere Sitzungen

hinweg, wie dies bei der bereits zu Anfang erwahnten

exploratorischen Informationsfindung der Fall ist. Wir

mochten eine Verbesserung vor allem bei einer dauer-

haften Verwendung von IR-Systemen in tagtaglichen

Aufgabenstellungen erreichen. Innerhalb der aktuellen

Forschungsarbeiten ist es deshalb ein Ziel, nicht nur

Empfehlungen auf die Situation zu beziehen und zu

personalisieren, sondern zu erreichen, dass sich die An-

wendung im Allgemeinen starker an die sich andernden

Bedurfnisse und Ziele des Benutzers sowie der kontextu-

ellen Faktoren anpasst. So sollen die verfugbaren Werk-

zeuge in ezDL sich an die Kenntnisse, Praferenzen und

Anforderungen des Anwenders anpassen. Haufig ver-

wendete Werkzeuge sollen starker in den Vordergrund

gebracht werden. Eine Historie uber vergangene Akti-

vitaten und Suchergebnisse sowie aktuelle Aufgaben-

stellungen sollen dazu beitragen, dass eine explorato-

rische Suche uber mehrere Sitzungen hinweg effektiver

durchgefuhrt werden kann.

Ferner untersuchen wir aktuell die Verwendung des

ezDL-Frameworks fur mobile Endsysteme, auf denen ei-

ne Anpassung an den Kontext des Anwenders hinsicht-

lich physikalischer Gegebenheiten noch starker deutlich

wird. Durch Adaptivitat soll sich hierbei die Anwen-

dung automatisch an die eingeschrankten Gegebenhei-

ten einstellen und gemaß der Kenntnis uber den Nutzer

die situativ optimalen Einstellungen vornehmen.

7 Fazit

Im Allgemeinen gehen wir mittlerweile innerhalb der

IS&R-Forschung von einem dynamischen Informations-

bedurfnis des Suchenden aus. Dies fuhrt mitunter zu


großen Herausforderungen bei der Entwicklung von IR-

Systemen. Vor allem bei sitzungsubergreifenden und

komplexen Aktivitaten wie der exploratorischen Suche,

lasst sich ein solch dynamisches und wechselhaftes Ver-

halten hinsichtlich des Informationsbedurfnisses hervor-

ragend beobachten. Zudem werden gerade langfristi-

ge Suchprozesse stark von der jeweiligen Situation des

Nutzers und des Systems beeinflusst. Um den Suchen-

den jedoch gerade bei diesen Aktivitaten effektiver un-

terstutzen zu konnen, ist es unserer Meinung nach zwin-

gend erforderlich, wesentliche Informationen uber die

Interaktion, das Verhalten und die Nutzung des Sys-

tems zu ermitteln, zu speichern und intelligent zu ver-

arbeiten. Hierfur sind auch die Kenntnis und das Be-

wusstsein uber die wesentlichen Faktoren des Kontextes

relevant.

Auf Basis der ermittelten Daten lassen sich dann si-

tuative und starker personalisierte Empfehlungen hin-

sichtlich moglicher relevanter Inhalte erzeugen. Aber

diese Daten helfen auch, den Nutzer bei der Auswahl ef-

fektiverer Strategien und Taktiken zu unterstutzen. Zu-

dem ist eine genauere Personalisierung des IR-Systems

und der dort integrierten Werkzeuge uber adaptive Tech-

niken moglich, so dass diese sich den Praferenzen, Er-

fahrungen und situativen Faktoren anpassen konnen

und dadurch zu einer effektiveren Systemunterstutzung

fuhren.

Literatur

1. Adomavicius, G., Tuzhilin, A.: Toward the next genera-tion of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Transactions onKnowledge and Data Engineering 17(6), 734–749 (2005)

2. Bahrami, A., Yuan, J., Smart, P.R., Shadbolt, N.R.: Con-text aware information retrieval for enhanced situati-on awareness. In: Military Communications Conference,2007. MILCOM 2007. IEEE, pp. 1–6. IEEE (2007)

3. Bates, M.J.: Search tactics. Annual Review of Informa-tion Science and Technology 16, 139–169 (1981)

4. Bates, M.J.: The design of browsing and berrypickingtechniques for the on-line search interface. Online review13(5), 407–431 (1989)

5. Belkin, N., Croft, W.: Retrieval techniques. Annual re-view of information science and technology 22, 109–145(1987)

6. Belkin, N.J.: Intelligent information retrieval: Whose in-telligence? In: ISI ’96: Proceedings of the Fifth Inter-national Symposium for Information Science, pp. 25–31(1996)

7. Belkin, N.J., Oddy, R.N., Brooks, H.M.: ASK for infor-mation retrieval: Part I. Background and theory. Journalof documentation 38(2), 61–71 (1992)

8. Brusilovsky, P.: Methods and techniques of adaptive hy-permedia. User modeling and user-adapted interaction6(2), 87–129 (1996)

9. Dervin, B.: An overview of sense-making research: con-cepts, methods, and results to date (1983)

10. Dervin, B., Nilan, M.: Information needs and uses. Annu-al review of information science and technology 21, 3–33(1986)

11. Dey, A.K., Abowd, G.D.: Towards a better understan-ding of context and context-awareness. In: CHI 2000workshop on the what, who, where, when, and how ofcontext-awareness, vol. 4, pp. 1–6. Citeseer (2000)

12. Dourish, P.: What we talk about when we talk aboutcontext. Personal and ubiquitous computing 8(1), 19–30(2004)

13. Engel, F., Klas, C.P., Brocks, H., Kranstedt, A., Jaschke,G., Hemmje, M.: Towards supporting context-orientedinformation retrieval in a scientific-archive based infor-mation lifecycle. Proceedings of Cultural heritage on line.Empowering users: An active role for user communities(2009)

14. Fenichel, C.: Online searching: Measures that discrimi-nate among users with different types of experiences.Journal of the American Society for Information Science32(1), 23–32 (1981)

15. Ferber, R.: Information Retrieval: Suchmodelle undData-Mining-Verfahren fur Textsammlungen und dasWeb. dpunkt, Heidelberg (2003)

16. Fidel, R.: Moves in online searching. Online InformationReview 9(1), 61–74 (1985)

17. Fuhr, N.: A probability ranking principle for interactiveinformation retrieval. Information Retrieval 11(3), 251–265 (2008). Http://dx.doi.org/10.1007/s10791-008-9045-0

18. Fuhr, N., Klas, C.P., Schaefer, A., Mutschke, P.: Daffodil:An integrated desktop for supporting high-level searchactivities in federated digital libraries. Research andAdvanced Technology for Digital Libraries pp. 157–166(2002)

19. Gonzalo, J., Thanos, C., Verdejo, M.F., Carrasco, R.C.(eds.): A Logging Scheme for Comparative Digital Li-brary Evaluation, Lecture Notes in Computer Science.Springer, Heidelberg et al. (2006)

20. He, D., Brusilovsky, P., et al.: An evaluation of adaptivefiltering in the context of realistic task-based informati-on exploration. Information Processing & Management44(2), 511–533 (2008)

21. Ingwersen, P.: Information Retrieval Interaction. TaylorGraham (1992)

22. Ingwersen, P.: Cognitive perspectives of information re-trieval interaction: Elements of a cognitive ir theo-ry. Journal of Documentation pp. 3–50 (1996). URLhttp://dx.doi.org/10.1108/eb026960

23. Ingwersen, P., Jarvelin, K.: The Turn: Integration of In-formation Seeking and Retrieval in Context, first edn.Springer (2005)

24. Klahold, A.: Empfehlungssysteme: Grundlagen, Konzep-te und Systeme, 1 edn. Vieweg+Teubner, Wiesbaden(2009)

25. Klas, C.P.: Strategische unterstutzung bei der informati-onssuche in digitalen bibliotheken. Ph.D. thesis, Univer-sity of Duisburg-Essen (2007)

26. Klas, C.P., Fuhr, N., Schaefer, A.: Evaluating strategicsupport for information access in the daffodil system. Re-search and Advanced Technology for Digital Libraries pp.476–487 (2004)


27. Klas, C.P., Hemmje, M.: Catching the user - user con-text through live logging in daffodil. Understanding theUser-Logging and Interpreting User Interactions in Infor-mation Search and Retrieval (UIIR-2009) p. 51 (2009)

28. Kriewel, S., Fuhr, N.: An evaluation of an adaptive searchsuggestion system. In: 32nd European Conference on In-formation Retrieval Research (ECIR 2010), pp. 544–555.Springer (2010)

29. Kriewel, S., Klas, C.P., Schaefer, A., Fuhr, N.: Daffodil-strategic support for user-oriented access to heteroge-neous digital libraries. D-Lib Magazine 10(6), 1082–9873(2004)

30. Kuhlen, R.: Zum stand pragmatischer forschung in derinformationswissenschaft. In: J. Herget, R. Kuhlen (eds.)Pragmatische Aspekte beim Entwurf und Betrieb von In-formationssystemen: Proceedings des 1. InternationalenSymposiums fur Informationswissenschaft (ISI 90), pp.13–18. Universitatsverlag, Konstanz (1990)

31. Kuhlthau, C.C.: Seeking Meaning: A Process Approachto Library and Information Services, second edn. Sprin-ger (2003)

32. Lancaster, F.: Evaluation of on-line searching in medlars(aim-twx) by biomedical practitioners. (1972)

33. Landwich, P., Klas, C.P., Hemmje, M.: Catching the user- logging the information retrieval dialogue. In: SIGIR2009 Workshop: Understanding the User, Boston, USA(2009). Http://ceur-ws.org/Vol-512/paper16.pdf

34. Landwich, P., Vogel, T., Klas, C.P., Hemmje, M.: Sup-porting patent retrieval in the context of innovation-processes by means of information dialogue. WorldPatent Information 31, 315–322 (2009). DOI10.1016/j.wpi.2009.04.004

35. Lopes, C.T.: Context features and their use in informati-on retrieval. In: Third BCS-IRSG Symposium on FutureDirections in Information Access (2009)

36. Marchionini, G.: Exploratory search: from finding to un-derstanding. Communications of the ACM 49(4), 41–46(2006)

37. McGill, M., Salton, G.: Introduction to modern informa-tion retrieval. McGraw-Hill (1983)

38. Ricci, F., Rokach, L., Shapira, B., Kantor, P.B. (eds.):Recommender Systems Handbook. Springer (2011)

39. Robins, D.: Interactive Information Retrieval: Contextand Basic Notions. Informing Science Journal 3, 57–62(2000)

40. Saracevic, T.: The stratified model of information retrie-val interaction: Extension and applications. In: Procee-dings of the American Society for Information Science,vol. 34, pp. 313–327 (1997)

41. Schilit, B., Adams, N., Want, R.: Context-aware compu-ting applications (1994)

42. Schmidt, A., Beigl, M., Gellersen, H.W.: There is moreto context than location. Computers & Graphics 23(6),893–901 (1999)

43. Searle, J.: Intentionality and its place in nature. Synthese61(1), 3–16 (1984)

44. Shenouda, W.: Online bibliographic searching: how end-users modify their search strategies. In: Proceedings ofthe 53rd Annual Meeting of the American Society forInformation Science, vol. 26, pp. 3–48 (1991)

45. Spink, A.: Study of interactive feedback during mediatedinformation retrieval. JASIS 48(5), 382–394 (1997)

46. Stickel, E., Groffmann, H.D., Rau, K.H.: GablerWirtschaftsinformatik-Lexikon. Gabler (1997)

47. White, R.W., Roth, R.A.: Exploratory search: beyondthe query-response paradigm, vol. 3. Morgan & Claypool(2009)

48. Wilson, T.D.: On user studies and information needs.Journal of documentation 37(1), 3–15 (1981)

49. Wilson, T.D.: Models in information behaviour rese-arch. In: Journal of Documentation, 55(3) [Available athttp://informationr.net/tdw/publ/papers/1999JDoc.html],pp. 249–270 (1999)