Geyer-Schulz, AndreasHahsler􏰁, MichaelJahn, MaximillianAppelrath, Hans-JürgenBeyer, RolfMarquardt, UweMayr, Heinrich C.Steinberger, Claudia2020-01-072020-01-0720013-88579-338-5https://dl.gi.de/handle/20.500.12116/30846In diesem Beitrag wird die Rolle von Recommendersystemen und ihr Potential in der Lehr-, Lern- und Forschungsumgebung einer Virtuellen Universität untersucht. Die Hauptidee dieses Beitrags besteht darin, die Informationsaggregationsfähigkeiten von Recommendersystemen in einer Virtuellen Universität auszunutzen, um Tutoren- und Beratungsdienste in einer Virtuellen Universität automatisch zu verbessern, um damit Betreuung und Beratung von Studierenden zu personalisieren und für eine größere Anzahl von Teilnehmern bei gleichzeitiger Entlastung der Lehrenden verfügbar zu machen. Im zweiten Teil dieses Beitrags werden die Recommenderdienste von myVU, der Sammlung der personalisierten Dienste der Virtuellen Universität (VU) der Wirtschaftsuniversität Wien und ihre nicht-personalisierten Varianten beschrieben, die im Wesentlichen auf beobachtetem Benutzerverhalten und, in der personalisierten Variante, zusätzlich auf Selbstselektion durch Selbsteinschätzung der Erfahrung in einem Fachgebiet beruhen. Anschließend wird gezeigt, daß diese Varianten eine erfolgversprechende Lösung der Mechanism Design Probleme, die alle Recommendersysteme inhärent haben, darstellen. Abschließend wird noch der innovative Einsatz solcher Systeme diskutiert und an einigen Szenarien beschrieben.deText/Conference Paper1617-5468