Wissensorganisationssysteme

Wie sind Wissensorganisationssysteme wie Wikis aufgebaut und worauf muss man bei der Erstellung achten?

Titel2: Welche Typen von Wissensorganisationsystemen gibt es? Titel3: Wie kann ich Wissen in Organisationssystemen strukturieren?

Wissensorganisationssysteme sind ein Teilgebiet der Informationswissenschaft und beschäftigen sich mit dem Ordnen, Kategorisieren, Speichern und Zurverfügungstellen von Daten und Informationen.

Ordnungstypen

Ordnungstypen sind unterschiedliche Arten mit denen Daten und Informationen gespeichert und abgelegt werden können. Je nach Art der Daten und Informationen eignet sich ein anderer Ordnungstyp. Wörterbücher und Adressbücher sind beispielsweise alphabetisch geordnet. Kategorisch werden hingegen Enzyklopädien (wie auch Wikipedia) geordnet. Für Reiseführer eignet sich eine geografische Ordnung und für Geschichtsbücher oder Anleitung eignet sich eine zeitliche Ordnung. Hierarchische Ordnung sind am komplexesten, da sie immer auch eine Wertung beinhinhalten.

Beispiele für Ordnungssysteme

1. Begriffslisten:
   

Bei Begriffslisten werden Begriffe auf einer gleichbedeutenden Ebene beispielsweise alphabetisch, geographisch oder chronologisch sortiert. Hierbei sind keine Aussagen über Hierarchien oder Relationen möglich. Beispiele für Begriffslisten sind Glossare, Wörterbücher, Ortsannahmeverzeichnisse, Stichwort- und Schlagwortsysteme oder Folksonomien. Letzteres ist auch als Social Tagging bekannt, hierbei arbeiten mehrere Personen an einer gemeinsamen Begriffsliste. [1]

1. Klassifikationen und Kategorien
   

Klassifikationen und Kategorien sind Stichwort- und Schlagwortsysteme mit einer hierarchischen Ordnung. Das heißt bestimmte Themen werden einem Überthema zu geordnet. Klassifikationen oder auch Taxonomien findet man beispielsweise in der Zoologie, der Pflanzenkunde oder der Dewy-Dezimalklassifikation.

1. Relationssysteme
   

Hierbei handelt es sich um die komplexeste Art Wissen zu ordnen. Relationssysteme wie Thesaurus, Semantische Netze und Ontologien sind mit einem hohen Aufwand und Kosten verbunden. Darüber hinaus erfordern sie ein hohes Maß an Präzision. Bei einem Thesaurus werden Begriffe um Synonyme und Assoziationen erweitert, der Thesaurus lässt sich vor allem im mehrsprachigen Kontext gut einsetzen. Relationen sind hierbei schon vordefiniert. Ontologien hingegen beinhalten neben Synonymen, Relationen auch Ausprägungen und Eigenschaften.

Wissensmodellierung:

1. Evaluation

In der Evaluationsphase wird der Kontext, die Benutzer:innen, die Inhalte und das Vokabular evaluiert.

1. Wörtersammeln

Zum Sammeln von Wörtern können Keywords, bestehende Wissenssysteme, Wortverzeicnisse in Büchern, Registern, Fachwörterbüchern oder aus Zielgruppenrecherchen herangezogen werden. Auch Meta Daten sollten mitberücksichtigt werden. Meta Daten sind Daten über Daten. Bei einem Buch sind das beispielsweise Autor, Titel oder Jahr. Meta Daten sind essenzielle für gute Suchergebenisse, sie helfen bei der Einordnung und Klassifizierung von Daten/ Begriffen und sind, wenn beispielsweise Metadaten Sets wie der Dublin Core [2] verwendet werden maschinenlesbar.

1. Normalisierung von Daten

Hierbei werden die gesammelten Begriffe in eine einheitliche Form gebracht, um in Suchen besser gefunden zu werden. Zunächst einmal werden die Begriffe in eine einheitliche Form gebracht z.B. alle Begriffe werden in Plural geschrieben. Aus Kind wird dann Kinder, da das Singular in den meisten Fällen im Plural enthalten ist und die Suche dadurch weniger Fehleranfällig wird. Als nächstes werden Fremdwörter angepasst und heruntergebrochen oder man verweist intern oder extern auf sie. Zu guter Letzt werden Redundanzen bereinigt.

1. Klassenbildung

Sind alle Wörter gesammelt und normalisiert werden Klassen und Kategorien gebildet. Hierbei kann beispielsweise auf Klassifikationssysteme wie die DIN 32705 zurückgegriffen werden. [3] [4]

1. Klassenbenennung

Die Klassenbenennung ist abhängig vom Vokabular der Zielgruppe. Daher sollte sie entweder mit Vertretern der Zielgruppe erstellt oder zumindest durch diese überprüft werden.

1. Relationen

Dieser Punkt ist nur bei den Ordnungssystemen mit Relationssystemen notwendig. Hierbei werden Standardsets an Relationen anhand der Daten gebildet. Beispiele sind „is a part of“, „is a parent of“ bei der Zuordnung von Pflanzenteilen. Wichtig ist hierbei die Maschinenlesbarkeit.

1. Zuordnung

Ist einmal die Modellierung des Wissenssystems erfolgt, müssen die gesammelten Begriffe und Daten eingepflegt und zugeordnet werden.

1. Evaluierung

Um anschließend die Benutzerfreundlichkeit für die Zielgruppe zu überprüfen, werden Usertests empfohlen. Hierbei liegt das Augenmerk auf dem richtigen Vokabular und der Treffsicherheit der Suche.

Weiterführende Literatur:

[Geyer-Hayden, 2009] Geyer-Hayden, B. (2009). Wissensmodellierung im Semantic Web. In: Social Semantic Web. Web 2.0 – Was nun? Springer Caplan, P. (2003). Metadata fundamentals for all librarians. Retrieved from http://ebookcentral.proquest.com Created from fh-burgenland on 2020-02-21 02:01:43

Feedback Stephanie: Liebe Lena, dein Artikel ist klar strukturiert aufgebaut und verständlich geschrieben. Er gibt einen guten Überblick und durch die Verlinkungen kann man als Leser*in noch zu weiteren Informationen gelangen. Mir sind ein paar Kleinigkeiten aufgefallen, die du noch einarbeiten könntest. 
- Beim Titel "Wie sind Wissensorganisationssysteme wie Wikis aufgebaut und worauf muss man bei der Erstellung achten?" dürfte dir ein Denkfehler passiert sein. Mir persönlich gefällt der 2. Titel am besten, da er kurz und knapp darauf vorbereitet, was im Text kommt.
- Bei zwei Überschriften hast du einen Doppelpunkt gemacht, bei anderen nicht.
- Deine Aufzählungslisten sind durchgehend mit 1. nummeriert. 

Alles in allem ein gelungener Wiki-Artikel, der kurz und knapp viele Informationen liefert! :-)