MITOCAR kann Assoziationsnetze von Gruppen von Experten auf der Grundlage von deren Aussagen und einer Reihe weiterer Tests darstellen. Ich hatte die Software im Rahmen meiner Dissertation entwickelt.

T-MITOCAR kann individuelle Assoziationsnetze aus Texten generieren. Es ist eine wesentliche Weiterentwicklung aus MITOCAR und verwendet daraus nur noch ein paar Techniken. Die Ausgabe sieht sehr ähnlich aus und ist inhaltlich und strukturell in der Tat verwandt mit der Ursprungsversion. T-MITOCAR läuft in Echtzeit und wird daher auch Online als Forscherwerkzeug verwendet. Die Englische Version existiert seit März 2007.

Über die Fertigstellung der deutschen Version hatte ich im Januar berichtet.

T-MITOCAR Artemis ist eine Weiterentwicklung auf der Grundlage von T-MITOCAR. Es kann auf der Grundlage von Multi-Cluster-Textkorpora Wissenslandkarten erstellen, deren “Kontinente” farblich auf die verschiedenen Quellkorpora verweisen. Dies ist besonders interessant in weiten Anwendungsbereichen des Wissensmanagments, wo die schnelle Verfügbarkeit solcher Karten bei dringenden Entscheidungsprozessen wesentlich sein kann. Klassische Verfahren für die Erstellung von Wissenslandkarten sind ungenauer (sie beziehen sich auf Einzelurteile von Experten, die in der Regel vor der Erstellung der Karten von Nicht-Experten interpretiert werden müssen) und gleichzeitig wesentlich langsamer und aufwendiger in der Ermittlung und Bereitstellung. T-MITOCAR Artemis ist nicht echtzeitfähig. Es benötigt je nach Umfang eines Korpus ggf. mehrere Stunden zur Berechnung. Daher wird es kein vollständiges Online-Modul davon geben. Jedoch denke ich momentan über ein web-basiertes Bestellsystem nach. Als Input verwendet T-MITOCAR Artemis ZIP-Dateien, die entweder bereits zusammengeführte Korpora als Plain-Text (Utf8) enthalten oder die verschiedene weitere ZIP-Dateien mit MS-Word Dokumenten enthalten (jede enthaltene ZIP-Datei wird dann als ein Korpus aufgefasst). Die Texte müssen in deutscher Sprache und im wesentlichen in ganzen Sätzen verfasst sein. Sie brauchen darüber hinaus nicht weiter linguistisch formatiert zu werden.

Eine englische Version wird es voraussichtlich im Herbst geben (wenn mir nicht etwas ganz anderes dazwischen kommt).

Das folgende illustierende Beispiel wurde aus kurzen Online-Texten ermittelt. In der realen Anwendung können die Karten weit größer sein. Man kann jedoch in der Karte sehen, wie die einzelnen Minikorpora zu einer Karte “verschmelzen” (zum Vergrößern, einfach auf die kleine Karte klicken).

Die Links zu den Texten (allesamt rings um den Begriff “Glück”) sind den folgenden Online-Quellen entnommen (heruntergeladen am Dienstag, den 4. März, 2008):

Glück (Wikipedia)
Glück ist Chemie (3Sat Nano)
Die Ökonomie des Glücks (taz)
Wohlfühlglück ist nichts von Dauer (Tagesspiegel)

Literaturangaben

MITOCAR. Freiburg, Universitätsdissertation: FreiDok.

PirnayDummer, P. (2007). Model Inspection Trace of Concepts and Relations. A Heuristic Approach to Language-Oriented Model Assessment. Paper presented at the AERA 2007, Division C, TICL SIG, April 2007, Chicago.

PirnayDummer, P. & Lachner, A. (2008). Towards Model Based Knowledge Management. A New Approach to the Assessment and Development of Organizational Knowledge, Paper submitted to the AECT 2008.

PirnayDummer, P. & Nußbickel, M. (2008). New Ways to Find out What is Needed to Know. Using the latest Tools for Knowledge Elicitation in the Processes of Needs Assessment, Paper accepted by the AERA 2008.

PirnayDummer, P. & Rauh, K. (2008). Annotations for Knowledge Structures. Quantitative Measurability of Propositions in Concept Maps and New Approaches to Mental Model Assessment, Paper accepted by the AERA 2008.

GB”> Pirnay-Dummer, P. & Spector, J.M. (2008). Language, Association, and Model Re-Representation. How Features of Language and Human Association can be Utilized for Automated Knowledge Assessment, Paper accepted the AERA 2008.