Seidel, NielsRieger, Christian MoritzPinkwart, NielsKonert, Johannes2019-08-142019-08-142019978-3-88579-691-6https://dl.gi.de/handle/20.500.12116/24417Diese Arbeit zeigt eine Methode, mit welcher semantische Ähnlichkeiten zwischen Lehrveranstaltungen anhand textueller Lernmaterialien erkannt und visualisiert werden können. Dadurch soll es Studierenden und Lehrenden erleichtert werden, Relationen zwischen den Lehrveranstaltungen zu entdecken. Um dieses Ziel zu erreichen, wurde exemplarisch ein vollständiger Satz von 572 Studienbriefen der Fakultät für Mathematik und Informatik der FernUniversität in Hagen als Document Embeddings vektorisiert und anschließend über die Kosinusähnlichkeit der Vektoren verglichen. Der gesamte Prozess kommt dabei ohne gelabelte Daten aus. Das Ergebnis der Analyse weist eine hohe Pearson’s Korrelation zu einem von Domänenexperten ermittelten Goldstandard auf. Die Anwendungsmöglichkeiten dieser Ergebnisse werden am Beispiel eines Empfehlungssystem, eines Learning Dashboard für Lehrende und in einer Komponente einer adaptiven Lernumgebung demonstriert.deNLPSemantic Textual SimilarityDocument EmbeddingLearning AnalyticsSemantic Textual Similarity von textuellen Lernmaterialien und ihre AnwendungenText/Conference Paper 10.18420/delfi2019_3601617-5468