Dr. Viktoria Pammer-Schindler
Im Themenfeld „Knowledge Context“ erforschen wir die non-invasive Erstellung von Benutzermodellen durch Auswertung von Sensordaten (Software Sensoren am PC, Sensoren auf mobilen Geräten wie Smartphones und Tablets). Diese Benutzermodelle ermöglichen kontext- und benutzeradaptive Systeme und können Lernen aus Erfahrung unterstützen. Zur Datenanalyse werden regelbasierte, statistische, sowie machine learning Verfahren verwendet.
Thematische Schwerpunkte
Um kollaborative Wissensarbeit auf mobilen Endgeräten zu unterstützen, haben wir gemeinsam mit Know-Center Partnern innovative mobile Anwendungen entwickelt die kollaboratives Mindmapping (gemeinsam mit MeisterLabs), mobilen Zugriff auf soziale online Publikationsverwaltung (gemeinsam mit Mendeley) oder Bibliotheksinhalte (gemeinsam mit ZBW) unterstützen. Sie finden diese Apps in den AppStores. Einige von ihnen waren nach ihrem Erscheinen wochenlang in den Top 10 der Productivity Apps zu finden.
Sensordaten über Arbeitsaktivitäten und -prozesse bieten eine Basis für Lernen aus Erfahrung in Organisationen. Dabei untersuchen wir Fragestellungen wie z.B.: Bei welchen Themen lernen WissensarbeiterInnen in Organisationen hauptsächlich aus Erfahrung und von Kollegen? Wie kann die Führung von anspruchsvollen Gesprächen wie ärztliche Gespräche mit Patienten technisch unterstützt werden? Kann Zeitmanagement unterstützt werden indem die tatsächliche Zeitverwendung visualisiert wird? Letztere Frage wurde übrigens positiv beantwortet, mit Hilfe der Visualisierung in Abb. 1, die die tatsächliche Fragmentierung eines Arbeitstages eindrucksvoll veranschaulicht.
Das Thema „Lernen aus Erfahrung anhand von Sensordaten“ wird vom Themenfeld „Knowledge Context“ seit Juli 2010 aktiv im EU Projekt MIRROR (www.mirror-project.eu) vertieft. MIRROR wird wissenschaftlich von Frau Prof. Dr. Lindstaedt geleitet und Frau Dr. Pammer-Schindler koordiniert im Rahmen dieses Projektes die Forschungsarbeiten zum Thema „Individuelles reflektives Lernen“.
Abbildung 1: Die Arbeitszeit von WissensarbeiterInnen ist höchst fragmentiert.
Nach Anforderungen des Know-Center Partners sayService srl wurden mobile Sensordaten gemeinsam mit Kalenderdaten dazu verwendet, um zu schätzen wie sehr automatisch eingehende Nachrichten einen Benutzer stören würden. Diese Schätzung kann dazu dienen, den Benachrichtungsmodus (Sound, Vibration, Notification-Message, keine Notification) eines Mobilgerätes anzupassen.
Forschungsthemen
- Unterstützung von informellem Lernen in Organisationen
- Automatische Benutzermodellierung sowie interaktive Darstellung von Benutzermodellen.
- Automatische Datenerfassung von Benutzeraktionen sowie Datenanalyse
Auf diesen Kompetenzen bauen wir auf:
- Mobile Technologien: Wir entwickeln mobile Anwendungen auf Android und iOS Geräten (Smartphones und Tablets).
- Partizipative designorientierte Softwareentwicklung, die nahtlos Requirements Engineering, Rapid Prototyping und Benutzerfeedback integriert
