Hirt, RobinKühl, NiklasEibl, MaximilianGaedke, Martin2017-08-282017-08-282017978-3-88579-669-5Die Abbildung kognitiver Fähigkeiten in der Informatik erfreut sich im Rahmen von Forschungsbestrebungen in den Bereichen der künstlichen Intelligenz, des maschinellen Lernens und der Mensch-Maschine-Interaktion gesteigerter Popularität. In diesem Beitrag zeigen wir die Möglichkeiten von Metamodellen auf, um kognitive Fähigkeiten mit maschinellem Lernen nachzubilden. Dafür präsentieren wir drei unterschiedliche Klassifizierungsmodelle, die jeweils verschiedene Perspektiven – analog zu menschlichen Sinnen – mit einbeziehen und zeigen, wie sich die Klassifizierung durch eine kognitive Aggregation mit Metamodellen dieser Perspektiven von 70% (reine Textklassifizierung) auf über 80% (Metaklassifizierung) nach F1-Metrik verbessert. Metamodelle können daher eine gute Grundlage für das Abbilden kognitiver Fähigkeiten sein und in Zukunft eine vielversprechende Erweiterung von einschichtigen maschinellen Lernverfahren darstellen.deKognitionMeta-LernenMaschinelles LernenKünstliche Intelligenz10.18420/in2017_2311617-5468