"The best way to predict the future is to invent it."

Alan Kay (1971)

Ansprechpersonen

Sie haben Fragen zu unseren Forschungsprojekten? Sprechen Sie uns an!

Prof. Dr. phil. Michaela Geierhos

Prof. Dr. phil. Michaela Geierhos

Univ.-Prof.
Gebäude Carl-Wery-Str. 20, Zimmer 1729
+49 89 6004 7340
Dr. phil. Yeong Su Lee

Dr. phil. Yeong Su Lee

Wiss. Mitarbeiter
Gebäude Carl-Wery-Str. 20, Zimmer 0718
+49 89 6004 7343
Dr. phil. Nina Seemann

Dr. phil. Nina Seemann

Wiss. Mitarbeiterin
Gebäude Carl-Wery-Str. 20, Zimmer 1728
+49 89 6004 7341

Abgeschlossene Forschungsprojekte

InterGramm

Interaktive Grammatikanalyse historischer Texte

Intergramm_Logo_227839e944.jpg

 

Shortfacts

Projektlaufzeit: 01/2017 - 01/2020
Projektleitung: Prof. Dr. Michaela Geierhos, Prof. Dr. Doris Tophinke & Prof. Dr. Eyke Hüllermeier
Förderprogramm: Deutsche Forschungsgemeinschaft (DFG)


Innovation

Das empirische Forschungsvorhaben untersucht den Sprachausbau des Mittelniederdeutschen vom 13. Jahrhundert bis zum Schreibsprachenwechsel im 16./17. Jahrhundert, mit dem das Mittelniederdeutsche seine Geltung als Schriftsprache an das Frühneuhochdeutsche verliert.
Entwickelt wird ein 'interaktives' Verfahren, das maschinelles Lernen und Expertenfeedback kombiniert. Auf diese Weise soll ein zentrales Problem bestehender Annotationsverfahren für historische Texte gelöst werden. Existierende Parsing- und Tagging-Verfahren der Computer- bzw. Korpuslinguistik setzen statische (a priori definierte) Grammatiken bzw. grammatische Kategorien voraus, was der historischen Dynamik der Grammatik nicht gerecht wird. Eine sich diachron entwickelnde, dynamische Grammatik mittels regelbasierter Textanalyseverfahren und Methoden des maschinellen Lernens im Korpus zu ‚entdecken‘ und auf diese Weise den Sprachwandel evidenzbasiert zu rekonstruieren, ist ein Novum. Da dies gleichermaßen sprach-/grammatikhistorisches Wissen sowie Kenntnisse im Bereich der Computerlinguistik und Informatik voraussetzt, ist das Vorhaben als fächerübergreifendes Projekt konzipiert, das eine enge Kooperation der Fächer über den gesamten Förderzeitraum verlangt.

 


< Zurück zur Übersicht

PatentConsolidator

Entwicklung eines Softwarewerkzeugs zur automatisierten Erstellung von Patentportfolios

PatentConsolidator_Logo_Teaser_315x95.jpg

 

 

 

 

Shortfacts

Projektlaufzeit: 07/2016 - 11/2018
Projektleitung: Prof. Dr. Michaela Geierhos
Förderprogramm: Zentrales Innovationsprogramm Mittelstand des Bundesministeriums für Wirtschaft und Energie
Höhe der Förderung: 149.602 EUR
Kooperationspartner: InTraCoM GmbH (Dr. Dierk-Oliver Kiehne)


Motivation

Die Anzahl an Patentanmeldungen steigt kontinuierlich an. 2011 überstieg sie zum ersten Mal die Zwei-Millionen-Grenze und lag 2012 bei 2,35 Millionen Patentanmeldungen weltweit. Bei der Recherche von Patenten, der statistischen Analyse von Patenten oder der Bewertung von Patentportfolios stellt sich allerdings die Frage: Wer hat das entsprechende Schutzrecht angemeldet und wem gehört es?

Die Beantwortung dieser Frage ist jedoch nicht immer einfach. Laut einer KPMG-Studie haben im Jahr 2013 weltweit 387.000 Fusionen und Eigentümerwechsel von Unternehmen stattgefunden, mit einer steigenden Tendenz von 17%. Aber auch andere Ursachen führen zu heterogenen Bezeichnungen bei Anmeldeinformationen, die allesamt dieselbe anmeldende Person betreffen: Von verschiedenen Namen für dasselbe Unternehmen – aufgrund von Einreichung durch eine Rechtsvertretung (Patentanwältinnen und -anwälte) – über orthographische Fehler, Übersetzungs- bzw. Transliterationsprobleme bis hin zu landesspezifischen Eigenarten der jeweiligen Patentämter (z. B. nur Nennung der erfindenden Person während der Anmeldephase in den USA). Dem gegenüber stehen die Fälle, in denen tatsächlich unterschiedliche Personen den gleichen Namen oder gleiche Namensteile haben oder bei denen Namen sehr ähnlich sind und differenziert werden müssen. In der Praxis sind daher meist aufwändige manuelle Recherchen und Abgleiche erforderlich, um die Anmelde- und Eigentumsinformationen der Patente einheitlich und aktuell zu halten.


Innovation

Das Ziel des Kooperationsprojektes ist die Entwicklung eines modularen, weitgehend autarken und damit universell einsetzbaren Softwarewerkzeugs zur Automatisierung dieser Arbeitsschritte. Durch die Kombination verschiedener Methoden der semantischen Informationsverarbeitung soll eine automatisierte Konsolidierung von Patenten und die Homogenisierung von Eigennamen, wie Firmen- oder Personenamen, erzielt werden. Neben den Anmeldeinformationen (z. B. Name, Anschrift, Rechtsvertretung, erfindende Person) sollen auch weitere Informationen (z. B. IPC-Klassen zur Kategorisierung von Erfindungen, Zuordnung von Personen zu Unternehmen, Beziehungen von Unternehmen) berücksichtigt werden, bis hin zu Informationen aus dem Inhalt des Patents (z. B. typische Technologien, Branchen). Hierfür wird im Projekt ein neuartiges interaktives Softwarewerkzeug entwickelt, mit dessen Hilfe User intelligente und auf dem maschinellen Lernen basierte Methoden kombinieren, konfigurieren und ausführen können. Das Softwarewerkzeug soll künftig sowohl in die bestehende Systemwelt der InTraCoM GmbH integriert werden, aber auch als eigenständiges, neues Produkt vertrieben bzw. in fremde Systeme integriert werden.

Der zufriedene Patient 2.0

Welchen Einfluss haben regionale Zufriedenheitsindikatoren auf das Beschwerdeverhalten von Patienten? Analyse anonymer Arztbewertungen im Web 2.0

DezuPa_Teaser_Logo_left.jpg

 

Shortfacts

Projektlaufzeit: 03/2014 - 12/2014
Projektleitung: Prof. Dr. Michaela Geierhos
Förderprogramm: Verbraucherforschung des Ministeriums für Innovation, Wissenschaft und Forschung des Landes Nordrhein-Westfalen
Höhe der Förderung: 21.744 EUR

 

Relevanz für die Verbraucherforschung

Ziel der im Rahmen dieses Projektes durchzuführenden Analyse anonymer Bewertungen von Ärztinnen und Ärzten im Web 2.0 ist neben der Messung der Zufriedenheit von Patientinnen und Patienten, auch die Generierung eines detaillierten Erfahrungs- und Beschwerdebildes sowie die Aufklärung bestehender „Patienten-Mythen“. Beschweren sich beispielsweise ältere Personen öfter, schneller oder intensiver als die jüngeren? Werden Privatversicherte tatsächlich besser behandelt und wenn ja, verbringen sie auch weniger Zeit im Wartezimmer? Inwiefern prägt die regionale Herkunft das Beschwerdeverhalten?

Die Messung der Zufriedenheit  verfolgt dabei das Ziel der nachhaltigen Verbesserung der Beziehung von Behandelnden und Behandelten. Nur wenn die Zufriedenheit der Behandelten adäquat interpretiert wird, können Behandelnde ihr Dienstleistungsangebot entsprechend optimieren und die in ihre Praxis kommenden Personen zufrieden stellen. Dies hat auch Einfluss auf den Behandlungserfolg. Denn: wer zufrieden ist, hält sich in höherem Maße an die vorgegebene Behandlung und nimmt Ratschläge des medizinischen Fachpersonals eher an. Weitere Vorteile, die sich ergeben, sind ein vertrauensvollerer Umgang, erhöhte Kooperationswilligkeit sowie mehr Offenheit im persönlichen Dialog. Da die Zufriedenheit der Patientinnen und Patienten zugleich ein Schlüsselkriterium für den langfristigen wirtschaftlichen Erfolg einer Praxis ist, führt die Erhebung und angemessene Interpretation der Zufriedenheitsdaten zu einer „Win-Win-Situation“ auf beiden Seiten.


Erkenntnisgewinn über Einflussfaktoren auf die Patientenzufriedenheit

Im Gegensatz zu bisherigen, klassischen Zufriedenheitserhebungen über das Telefon oder anderen Medien mit (direktem) Gesprächskontakt, ermöglicht unsere Zufriedenheitsmessung über Bewertungsportale im Web 2.0 die Erhebung eines unverzerrteren Meinungsbildes. In der Anonymität des Internets steigt die Bereitschaft Beschwerden auszudrücken, denn die befragte Person hat kein Bedürfnis aus Gründen der Höflichkeit, aus Angst vor einer unangenehmen Situation oder einer Verletzung der sensiblen Beziehung, seine ehrliche Meinung zu verbergen.

Die Zufriedenheit der Patientinnen und Patienten wird unter mehreren Gesichtspunkten untersucht. Unter anderem ist die Krankenkassenzugehörigkeit von Bedeutung. Hier wird von einem abweichenden Bewertungsverhalten bezüglich der Individualerfahrungen von Privat- und Kassenpatienten ausgegangen. Ferner wird angenommen, dass den Bewertungskriterien (u.a. „Wartezeit“ und „Behandlungszeit“) in Abhängigkeit der Kassenart eine unterschiedliche Relevanz zugeordnet wird. Damit geht die Vermutung einher, dass Privatversicherte kürzeren Wartezeiten ausgesetzt sind. Neben den kassenspezifischen Aspekten geben Angaben über Alter und Geschlecht Aufschluss über das Beschwerdeverhalten und die Zufriedenheit der Behandelten: Es wird angenommen, dass Männer eine höhere Zufriedenheit mit den Leistungen aufweisen und die Beschwerden über die medizinische Dienstleistung mit steigendem Alter zunehmen.

Eine weitere Besonderheit unseres Projektvorhabens ist die Berücksichtigung regionaler Zufriedenheitsindikatoren (Lebensqualität, Höhe des Einkommens, Beschäftigungsquote) innerhalb eines Landes bei der Untersuchung des Beschwerdeverhaltens. Inwiefern prägt die regionale Herkunft das Beschwerdeverhalten? Sind die Personen aus glücklicheren Regionen eher dazu bereit sich zu beschweren als Personen aus anderen, weniger glücklichen Regionen? Die Berücksichtigung solcher Faktoren, welche sich auf das Beschwerdeverhalten der behandelten Personen auswirken, aber nichts mit der Behandlungsqualität an sich zu tun haben, sind essentiell, um aus der gemessenen Zufriedenheit der Patientinnen und Patienten korrekte Rückschlüsse zu ziehen.


Umsetzung - Vorgehen und Systematik

DezuPa_Karte.png

Um ein detaillierteres Erfahrungs- und Beschwerdebild zu generieren, wird eine umfangreiche Analyse der Online-Erfahrungsberichte angestrebt. Im Mittelpunkt des methodischen Interesses steht hierbei die Erprobung von computerlinguistischer Verfahren der Datenerhebung und -auswertung von Bewertungen medizinischer Dienstleistungen.

Die computergestützte Datengenerierung erlaubt es hierbei, besonders große Datenmengen zu erheben, so dass sie anschließend durch eigens entwickelte Analysealgorithmen ausgewertet werden können. Um bei der Analyse der Zufriedenheit der behandelten Personen regionale Zufriedenheitsindikatoren zu berücksichtigen, findet eine regionale Untergliederung der Zufriedenheit statt, wie sie in der Abbildung oben beispielhaft zu sehen ist. Diese ermöglicht Patientinnen und Patienten ein qualifiziertes Informations- und Beschwerdeverhalten, in welchem die Dienstleistung regional verglichen werden kann.

 

More than Words

Analyse von User Generated Content zur Identifikation von latenten Dienstleistungsqualitätsmerkmale
MoreThanWords_Logo.jpg

 

Shortfacts

Projektlaufzeit: 10/2013 - 12/2014
Projektleitung: Prof. Dr. Michaela Geierhos & Prof. Nancy Wünderlich
Förderprogramm: Forschungspreis 2013 der Universität Paderborn
Höhe der Förderung: 62.000 EUR


Motivation

Für Internetnutzende entstehen immer mehr Möglichkeiten, Bewertungen über eine Vielzahl an Produkten (z. B. Amazon Reviews), Leistungen (z. B. MyHammer, jameda) und Erlebnissen (z. B. TripAdvisor) abzugeben. Die Nutzerinnen und Nutzer suchen Bewertungsplattformen auf, um aktiv ihre Erfahrungen mit Dienstleistungen wie Hotelurlauben, Besuchen in medizinischen Einrichtungen oder auch Versandhandelserfahrungen mit interessierten anderen Kundinnen und Kunden zu teilen. Für viele Konsumierende sind diese Bewertungen eine als hilfreich empfundene Informationsquelle zur Abwägung einer persönlichen Kaufentscheidung. Die steigende Flut an Bewertungen und Rezensionen in Bewertungsportalen (z. B. ShopVote) und sozialen Medien (z. B. qype, flickr), stellt die Internetnutzenden allerdings auch vor die Herausforderung, die Vielzahl an Bewertungskommentaren und -portalen in Hinblick auf ihre Relevanz zu selektieren. Häufig bestehen diese Bewertungskommentare aus Freitexten (sog. User Generated Content), die in Struktur und inhaltlicher Fokussierung deutlich voneinander abweichen können. Insbesondere, wenn diese Freitexte die einzige Bewertungsgrundlage bilden, zeichnet sich auf Seite der Nutzenden eine Interpretationshürde ab. Stehen quantifizierbare Bewertungen der Nutzenden in Form von Skalen zur Verfügung, sind diese oft nicht immer konsistent mit den frei formulierten Bewertungskommentaren. Während es diverse Softwarelösungen gibt, die es Firmen ermöglichen, die Meinungen ihrer Kundinnen und Kunden automatisch zu analysieren (z. B. TrustYou) und so Trends zu verfolgen, haben die Internetnutzenden selbst kein Tool zur Hand, das sie dabei unterstützt, bei Millionen von Bewertungen die Servicequalität eines Unternehmens auf den ersten Blick einzuschätzen.


Innovation

Eine neue fächerübergreifende korrelative Methode, ...

  • welche durch computerlinguistische Verfahren zur semantischen Inhaltsanalyse von Bewertungstexten im Web 2.0 Rückschlüsse auf domänenspezifische Anforderungen der Kundinnen und Kunden an Dienstleistungen und User-spezifische Abweichungen in der Polarität ziehen kann;

  • welche empirisch ermittelte Dimensionen der Dienstleistungsqualität anstelle domänenunabhängiger SERVQUAL-Kategorien in Relation zur qualitativ und quantitativ messbaren Zufriedenheit der Kundinnen und Kunden stellt;

  • welche erstmals einen automatischen Vergleich von qualitativen mit quantitativen Dienstleistungsbewertungen durch Berücksichtigung der User-typischen Bewertungsintervalle für Polaritätsskalen ermöglicht.


Implementierung

Ziel des Forschungsvorhabens ist es, obiges Szenario mittels Methoden der Computerlinguistik (CL) und des Dienstleistungsmanagements (DLM) umzusetzen. Folgende Forschungsfragen aufbauend auf den Forschungslücken in beiden Disziplinen werden adressiert:

  • Inwieweit verwenden die Verfassenden von Bewertungskommentaren zur Beschreibung von Dienstleistungserfahrungen Merkmale, die den klassischen Bewertungsdimensionen der Dienstleistungsqualität entsprechen? Inwieweit werden weitere Bewertungskriterien und -dimensionen herangezogen?
  • Inwieweit variieren die Bewertungskommentare der Nutzerinnen und Nutzer? Welches Bewertungsverhalten wird erkenntlich? Inwieweit existieren Unterschiede für verschiedene Dienstleistungsbereiche?
  • Sofern quantitative Skalen eingesetzt werden: Hilft die Hinzunahme von Freitextbewertungen, Skalenäquivalenz festzustellen? Inwieweit stimmen die qualitativen Bewertungskommentare mit quantitativen Gesamturteilen überein – unter welchen Bedingungen weichen diese voneinander ab?



MoreThanWords_Grafik.png

 

Company Relation Analysis

Von der Pressemeldung zum Firmendossier. Linguistische Analyse von Unternehmensdaten zur Erstellung von firmenspezifischen Profilen und Beurteilungen.

 

CoRA.png

 


< Zurück zur Übersicht