3.1 Wissen über den Benutzer

Ein menschlicher Experte versucht, sich bei der Abgabe von Erklärungen an den Empfänger anzupassen, indem er ein Modell seines Klienten entwirft. Es umfaßt sein Wissen und seine Annahmen über den Klienten wie beispielsweise dessen Wissensstand, Vorstellungen, Ziele und auch Gründe für die Frage nach Erklärungen.[11] Dieses Benutzermodell ermöglicht es ihm, die für einen konkreten Benutzer relevanten Informationen mit einer passenden Terminologie, Komplexität und Tiefe auszuwählen und maßgeschneiderte Erklärungen für den Benutzer zu erstellen. Ebenso wie der menschliche Experte benötigt das wisssensbasierte System ein Benutzermodell. Im folgenden werden Benutzermodelle entsprechend der Dimensionen kanonisch / individuell, explizit / implizit und dynamisch / statisch kurz charakterisiert.

Kanonische Benutzermodelle gehören zu den am meisten verbreiteten Modellen.[26] Sie basieren auf Stereotypen für typische Benutzergruppen. Die Benutzer des Systems werden entsprechend ihrer Charakteristika jeweils dem am besten passenden Stereotyp zugeordnet. Ein Stereotyp beschreibt pauschal das Wissen einer konkreten Benutzergruppe (zum Beispiel Experte, Benutzer mit Grundkenntnissen, Student). Individuelle Benutzermodelle ermöglichen es dem System, sich differenziert an die Bedürfnisse der Benutzer anzupassen.[26]

Ein explizites Benutzermodell erstellt bei der ersten Konsultation für den Benutzer aufgrund von Angaben [1] oder Ergebnissen eines kurzen Tests [21] ein Benutzermodell oder ordnet ihn einer Benutzerklasse zu. Ein implizites Benutzermodell wird anhand des Benutzerverhaltens aufgebaut.[1] Gemessen werden kann zum Beispiel, welche Befehle und Funktionstasten der Benutzer kennt, seine Fehlerhäufigkeit, die Häufigkeit des Anforderns von Erklärungen usw.[26] Das Problem bei der Verwendung impliziter Benutzermodelle besteht darin, aus diesen meßbaren Verhaltensweisen Schlüsse auf qualifizierende Merkmale zu ziehen.[2] Ein großer Nachteil von impliziten Modellen ist, daß eine lange Beobachtungszeit notwendig ist, um die benötigten Informationen über den Benutzer zu sammeln.[2]

Statische Benutzermodelle berücksichtigen nach ihrer Erstellung keine Veränderungen mehr. Man geht von der Annahme aus, daß die Fähigkeiten des Benutzers, zumindest über einen längeren Zeitraum, konstant bleiben.[8] Dynamische Benutzermodelle dagegen haben die Fähigkeit, sich an ein verändertes Benutzerverhalten anzupassen.[1][11]

Folgendes Wissen über die Benutzer kann dabei für Erklärungen hilfreich sein und sollte in dem Benutzermodell abgebildet werden:[1][11]

Wissen über das Wissen der Benutzer wird häufig benötigt, um gute Erklärungen erstellen zu können. Von besonderer Bedeutung ist hierbei die Kenntnis und das Verständnis, das der Benutzer über die Elemente der Wissensbasis besitzt. Eine Möglichkeit besteht darin, im Benutzermodell für jedes einzelne Wissenselement festzuhalten, ob es dem Benutzer bekannt ist oder nicht (Überlagerungsmodell). Probleme ergeben sich dann aber bei der ersten Konsultation eines Benutzers mit dem System, wenn mit großem Aufwand das Wissen des Benutzers festzustellen ist. Es erscheint daher sinnvoll, jedem Benutzer anfangs ein Stereotyp zuzuordnen, das im Laufe der Konsultationen ergänzt wird.

Das Wissen eines Benutzers hinsichtlich der Wissenselemente ist im Zeitverlauf nicht konstant. Durch Konsultationen lernt der Benutzer. Ausschlaggebend für die Wissensveränderung des Benutzers sind Inhalt, Häufigkeit und zeitlicher Anfall der Konsultationen sowie die Fähigkeit des Benutzers, die neuen Kenntnisse dauerhaft aufzunehmen (Lernfähigkeit). Die neuen Kenntnisse des Benutzers müssen im Benutzermodell dokumentiert werden.

Wissen über frühere Konsultationen kann aufzeigen, ob seit der letzten Konsultation ein längerer Zeitraum vergangen ist und es anzunehmen ist, daß der Benutzer inzwischen Teile seines Wissens vergessen hat oder Teile der Wissensbasis verändert wurden, so daß die Vorstellungen des Benutzers über das Verhalten des Systems nicht mehr mit dem tatsächlichen Systemverhalten übereinstimmen.

Wissen über die Lernfähigkeit und Begabung der Benutzer ist besonders bei intelligenten Lernsystemen (ICAI) von Bedeutung, um Entscheidungen über die Menge des Lehrstoffes und die Anzahl der Wiederholungen zu treffen. Die Lernfähigkeit kann beispielsweise daran gemessen werden, wie häufig Erklärungen zum selben Sachverhalt von einem Benutzer angefordert werden. Das System kann bei einem Benutzer mit einer hohen Lernfähigkeit die Erklärung durch den Verzicht auf bereits dargestellte Aspekte verkürzen.

Wissen über die Intentionen der Benutzer ermöglicht es dem System zu entscheiden, welche Informationen der Benutzer benötigt, da sich die Intention nur eingeschränkt aus der Fragestellung des Benutzers ableiten läßt. Benutzer stellen ihre Fragen häufig sehr ungenau. Aus ihren Fragen geht oft nicht eindeutig hervor, welche Information sie wünschen.[12][17] Die Intention ergibt sich häufig auch aus der Qualifikation des Benutzers. Ein qualifizierter Benutzer will die Schlußfolgerung zumeist nur nachvollziehen, um die Richtigkeit zu überprüfen oder - wenn das Ergebnis seinen Erwartungen widerspricht - die Abweichungen vom erwarteten Ergebnis zu analysieren. Ein Benutzer mit Grundkenntnissen legt dagegen zumeist mehr Wert auf das Verständnis der Lösung.

In einem engen Zusammenhang mit den Intentionen stehen auch die Präferenzen der Benutzer, wie zum Beispiel unterschiedliche Detaillierungsniveaus, in denen die Erklärungen präsentiert werden sollen.

Wissen über die bevorzugte Form der Interaktion (z.B. Texte oder Grafiken) gibt dem System die Möglichkeit, eine Interaktionsform zu wählen, die den Präferenzen des Benutzers entspricht.