Abbildung kognitiver Fähigkeiten mit Metamodellen

Abstract

Die Abbildung kognitiver Fähigkeiten in der Informatik erfreut sich im Rahmen von Forschungsbestrebungen in den Bereichen der künstlichen Intelligenz, des maschinellen Lernens und der Mensch-Maschine-Interaktion gesteigerter Popularität. In diesem Beitrag zeigen wir die Möglichkeiten von Metamodellen auf, um kognitive Fähigkeiten mit maschinellem Lernen nachzubilden. Dafür präsentieren wir drei unterschiedliche Klassifizierungsmodelle, die jeweils verschiedene Perspektiven – analog zu menschlichen Sinnen – mit einbeziehen und zeigen, wie sich die Klassifizierung durch eine kognitive Aggregation mit Metamodellen dieser Perspektiven von 70% (reine Textklassifizierung) auf über 80% (Metaklassifizierung) nach F1-Metrik verbessert. Metamodelle können daher eine gute Grundlage für das Abbilden kognitiver Fähigkeiten sein und in Zukunft eine vielversprechende Erweiterung von einschichtigen maschinellen Lernverfahren darstellen.