Proseminar: Mensch-Maschine-Interaktion

Präsentation zum Thema: "Proseminar: Mensch-Maschine-Interaktion"—  Präsentation transkript:

1 Proseminar: Mensch-Maschine-Interaktion
Wissensrepräsentation Julia Withauer

2 Repräsentation & Wissen
represented world representing world Haus Bauplan Palmer (Psychologe) Winston (Informatiker) Was ist die represented world? Was ist die representing world? Welche Aspekte der represented world werden gestaltet? Welche Aspekte der representing world verrichten die Gestaltung? Was sind die Übereinstimmungen/ Verbindungen der beiden Welten? Was ist das Ziel/der Zweck der Gestaltung? lexikalischer Teil setzt fest, welche Symbole im Vokabular der Repräsentation erlaubt sind. struktureller Teil beschreibt Einschränkungen über die Anordnung der Symbole. prozeduraler Teil spezifiziert Zugriffsvor-gänge, die es ermöglichen, Beschreibungen zu verfassen und zu verändern. Fragen werden beantwortet, indem man die Beschreibung nutzt. semantischer Teil setzt einen Weg fest, der es zulässt, Bedeutung mit den Beschrei-bungen zu assoziieren. Haus Bauplan Türen, Fenster Höhe Fenster nur an Aussenwände Maßzahl über die Höhe Maß-stab bewohnbar 3-D-Animation: Gang durchs Haus Symbol für Holz z.B. 

3 Arten der Wissensrepräsentation
Propositional representation: Wissen wird als Reihe von Aussagen, Begriffen, Gegenständen und Merkmalen und den Beziehungen untereinander dargestellt ( semantic networks). Analogical representations: Tatsachen werden als gedankliche Vorstellungen erklärt. Procedural representations: Wissen wird durch Handlungen repräsentiert.

4 Propositional representations
Semantische Merkmale und Eigenschaften

5 Experiment (1969 Collins & Quillian)
Ein Kanarienvogel ist gelb.  Kanarienvogel ist ein Ein Kanarienvogel hat Federn.  Vogel ist ein Ein Kanarienvogel frisst Nahrung.  Tier  Hierarchische Speicherung von Information

6 Experiment (1974 Smith, Shoben & Rips)
Rotkehlchen ist ein Vogel. Tür ist ein Vogel. Huhn ist ein Vogel. Fledermaus ist ein Vogel. Aufgabe: Über den Wahrheitswert der Sätze entscheiden. schnellere Entscheidung als  Schlussfolgerung

7 Ablauf: Merkmale werden verglichen: Übereinstimmung?  Ja  Nein
 Unentschieden - wenn untypisch - dann: Genauerer Vergleich der definierenden und charakteristischen Merkmale

8 Einschränkungen und Probleme dieser Modelle:
1. Repräsentieren einfacher Fakten oder Ereignisse 2. Repräsentation behandelt nicht, dass z.B. aus „Eine Katze ist ein Tier“ und „Ein Hund ist ein Tier“ nicht „Eine Katze ist ein Hund“ folgt 3. Repräsentation behandelt nicht, wie bei Mengenbestimmungen unterschieden wird: „Jeder kennt jemanden.“  „Jemand wird von jedem gekannt.“

9 Semantic Networks Zweck: Repräsentation bestehender Assoziationen von Begriffen zu anderen  Bedeutung/Beschreibung der Begriffe (Bildung von Kategorien, Hierarchien  Unterschied zu propositional network) ist ein Boxer Hund kaute jagte mag Fleisch Siamese stahl

10 Inheritance properties (Vererbungseigenschaften)
Eigenschaften und Merkmale werden an Unterkategorie weitergegeben Unterkategorie besitzt zusätzlich speziellere Eigenschaften Vererbung nicht streng hierarchisch (Ausnahmen)

11 Schemas, Frames and Scripts
Damit nicht nur Begriffsbedeutungen und Zusammenhänge repräsentiert werden können, sondern auch z.B. Ereignisse, wurden folgende Theorien entwickelt: Schemas (Rumelhart) Frames (Minsky)  Scripts and Episodes (Schank) zusammengefasst zur „Script“-Theorie Plans (Abelson)

12 Schemas

13 Stufen der Abstraktion
Abstraktionseinheiten ermöglichen Zusammenfassungen und Erkennung von Ähnlichkeiten. Wissen Semantische Komponente: Kenntnis über Wortbedeutungen und Zusammenhänge Episodische Komponente: Wissen durch Erfahrungen Aktiver Arbeitsprozess

14 Frames Variablen high-level und low-level Frame-Struktur
kein aktiver Arbeitsvorgang Information über gewöhnliche Situationen wird dargestellt, die Alltagswissen beinhaltet. frame-based representation (Keane und Johnson): Wissen besteht aus · Zielen (goals) · Plänen (plans) · Verläufen (procedures, macro-actions) · Handlungen ((micro-)actions) · Objekten (objects)

15 Ereignis (Ort, Tag, Zeit)
Unglücksereignis (Schaden, obdachlos, verletzt, getötet) Erdbeben (Verwerfung, Stärke) Hochwasser (Wasserstand, Fluss) Wirbelsturm (Windgeschwindigkeit, Name) Sportereignis (Sportart, Gewinner, Punktestand) Gesellschaftsereignis (Gastgeber, Anzahl der Gäste) Geburtstagsfeier (Alter, Geburtstagskind) Hochzeit (Braut, Bräutigam, Kleid der Braut)

16 Scripts Schema, das häufig auftretende Folgen von Ereignissen darstellt. Scripts bestehen aus folgenden Elementen: · Rollen (roles) und Requisiten (props) · Anfangsbedingungen (entry conditions) · Szenen (scenes) und Ergebnisse (results) Bsp.: Arztbesuch Anfangsbedingungen: krank, versichert, Praxis offen Rollen: Patient, Arzthelfer, Arzt Requisiten: Versichertenkarte, Stühle, Stethoskop usw. Szenen: Vorstellen, Warten, Untersuchung, Gehen Ergebnis: Rezept bekommen

17 Plans Erreichung von Zielen (sub-)goals
Bsp.: John wusste, dass die Operation seiner Frau sehr teuer sein würde. Er dachte an den Onkel. Er holte das Telefonbuch. Problem Kosten der OP Primary goal Bezahlen der OP Plan Geldleihen vom Onkel Subgoal Kontaktaufnahme zum Onkel Plan Anruf beim Onkel Subgoal Herausfinden der Telefonnummer des Onkels Plan Nachschauen im Telefonbuch

18 Analogical representations
Repräsentation gedanklicher Vorstellungen Visuelle Vorstellung: In HCI: Icons konkret abstrakt Ergebnisse von Studien: Rogers, 1986: konkrete Icons mit Beschriftungen sind am effektivsten. Bell, 1989: Icons ohne Beschriftung sind nicht effektiver als Beschriftungen ohne Icon. Für abstrakte Konzepte sind Beschriftungen ohne Icon sogar effektiver als als Icons ohne Beschriftung. Effektivität des gestalteten Icons ist abhängig von: Vorstellungspotential des Konzepts Individuelle Fähigkeit des Menschen, Vorstellungen visuell umzusetzen. high vivid imager – low vivid imager

19 Procedural representations
Wissen darüber, WIE etwas zu tun ist. z.B. Fahrradfahren, Rechnen Erwerb des Wissens durch Ausführung der Handlung Ablauf der Handlung sicherer durch Wiederholen der Durchführung  Lernen Aktivierung der Verläufe: · durch direktes Aufrufen · durch Erfüllung von Bedingungen Wenn-Dann-Beziehung; production rules werden zu production systems hinzugefügt/ersetzt  Erlangen von Fähigkeiten  Gefahr der Automatisierung

20 Zusammenfassend: Menschliches Wissen kann nicht in verschiedene Formen der Wissensrepräsentation eingeteilt werden, die einander ausschließen. Bsp.: Wissen über eine Computeranwendung  Wissen darüber, für was sie benutzt werden kann  Wissen darüber, wie die einzelnen Menüs und Fenster aussehen  Wissen darüber, wie man die Maus handhaben muss