Pollok, FalkSchroeder, UlrikChatti, Mohamed AmineIgel, ChristophUllrich, CarstenWessner Martin2017-10-052017-10-052017978-3-88579-667-1https://dl.gi.de/handle/20.500.12116/4864Eine große Herausforderung für selbstgesteuertes Lernen ist das selbständige Finden und Bewerten geeigneter Lernmaterialien. Zur Lernerunterstützung können Empfehlungssysteme genutzt werden, die die populärsten Materialien aufzeigen. Dabei werden weniger populäre Nischeninhalte per definitionem übersehen. Wir stellen ein Question-Answering-Ensemble vor, das als Ergänzung zu Empfehlungen und Filtern fungieren kann, indem es semantisches Verständnis nutzt, um Antworten zu natürlichsprachlich formulierten Fragen zu extrahieren. Durch die Kombination verschiedener quelloffener Systeme und Korpora konnte die Antwortrate gegenüber aktuellen vergleichbaren Einzelsystemen verdoppelt und die Antwortzeit um zwei Drittel verkürzt werden. Das System wurde in drei Nutzerstudien evaluiert, wobei sich sowohl breite Nutzerakzeptanz zeigte als auch im Quizwettbewerb zu Faktenfragen gegenüber 26 menschlichen Mitstreitern eine überlegene Leistung erzielt wurde. Wir diskutieren die Integration des Prototyps in Lernmanagementsysteme und stellen eine GUI-Erweiterung als Messaging-Dienst vor, die Themen interaktiv erschließbar macht.deQuestion Answeringe-LearningCognitive ComputingKeyphrase ExtractionDistributional Semantics1617-5468