4.2.1.2. Wissen über den Benutzer
Folgendes Wissen über den Benutzer kann für Erklärungen hilfreich sein:
1. Wissen über das Wissen des Benutzers ist von besonderer Bedeutung, da nur mit Hilfe dieses Wissens gute Erklärungen erstellbar sind. Nicht nur die Menge271 sondern auch die Art des Wissens ist hier von Interesse. Dabei ist eine Unterscheidung von fachspezifischen und DV-spezifischen Wissen sinnvoll. Fachspezifisches Wissen umfaßt Fachberiffe sowie Grund- und Spezialwissen. DV-spezifisches Wissen sind Informationen über DV-Kenntnisse, Die Fähgkeit mit Tastatur und Terminal umzugehen,272 und die Vertrautheit mit dem System. Letztendlich ist auch die Korrektheit des Wissens273 von Bedeutung, wenn über die Komplexität der Erklärung und die verwendete Terminologie entschieden werden soll.274
2. Wissen über die Motivation, Interessen und Ziele275 der Benutzer ermöglichen es dem System zu entscheiden, welche Informationen vom Benutzer benötigt werden.276
3. Wissen über die bevorzugte Form der Interaktion277 gibt dem System die Möglichkeit, eine Interaktionsform zu wählen, die den Präferenzen des Benutzers entspricht. Die beiden Hauptformen sind Texte (mündlich, schriftlich) und Grafiken.
4. Wissen über die Lernfähigkeit und Begabung278 des Benutzers ist besonders bei intelligenten Lernsystemen (CAI) von Bedeutung, um Entscheidungen über die Menge des Lehrstoffes und die Anzahl der Wiederholungen zu treffen.
5. Wissen über die Vorstellungen des Benutzers, über die Arbeitsweise eines wissensbasierten Systems279 und die daraus resultierenden Erwartungen sind für das System wichtig, um die Erwartungen des Benutzers zu erfüllen.
6. Wissen über die individuellen Präferenzen wie z.B. unterschiedliche Detaillierungsniveaus, in denen die Erklärungen presentiert werden sollen.280
7. Wissen über frühere Konsultationen281 können beispielsweise Informationen darüber geben, ob seit der letzten Konsultation ein längerer Zeitraum vergangen ist und die gespeicherten Informationen über den Benutzer eventuell nicht mehr dem aktuellen Stand entsprechen.
Mit Hilfe des Wissens, das der Erklärungsgeber über den Empfänger hat, bildet er ein Modell von dessen Charakteristiken. Dieses Modell wird ein Benutzermodell genannt.282
270 TYLER, S.W.: SAUCI: Self-Adaptive User-Computer Interface,
Ph.D., University of Pittsburgh, 1986, S. 44.
271 Vgl. MOORE, D.J.; SWART0UT, W.R.: Explanations in Expert
Systems, a.a.O., S. 27.
272 Vgl. HUBER, K.-P.: Erklärungskomponente für das Expertensystem XUMA unter Berücksichtigung verschiedener Benutzerklassen, a.a.O., S. 24.
273 Vgl. KIDD, A.L.: Explanation for Expert Systems - Some Data
and an Initial Categorisation, Position Paper for Workshop
on Explanation, March 1986, in: ALVEY IKBS EXPERT
SYSTEMS THEME (HRSG.): Workshop on 'Explanation', Report
and Proceedinqs, University of Surrey, 20.-21. March 1986,
Herts 1986, S. 121 (120-121).
274 Vgl. ELLIS, C: Explanation in Intelligent Systems, a.a.O.,
S. 117.
275 Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the
Man-Machine Interface, a.a.O, S. 23.
276 Vgl. ELLIS, C: Explanation in Intelligent Systems, a.a.O.,
S. 117.
277 Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the
Man-Machine Interface, a.a.O, S. 23.
278 Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the
Man-Machine Interface, a.a.O, S. 23. |