elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Analyse KI-generierter Darstellungen von Datenprovenienz

Rüsche, Franz (2024) Analyse KI-generierter Darstellungen von Datenprovenienz. Bachelorarbeit, Hochschule Hamm-Lippstadt.

[img] PDF - Nur DLR-intern zugänglich
3MB

Kurzfassung

Diese Arbeit untersucht die KI-gestützten Generierung von Comics zur Visualisierung von Provenienzdaten. Deren Ziel ist es entsprechende anschaulich und allgemein verständlich abzubilden. Im Fokus der Umsetzung entsprechender Visualisierungen stehen dabei online verfügbare Werkzeuge wie ChatGPT-4 sowie lokal verfügbare KI-Werkzeuge. Hierzu werden Ergebnisse einer Recherche vorgestellt, die Einblick in die Funktionsweise von ChatGPT und das Prompt Engineering geben; letzteres wird insbesondere durch das Chain-of-Thought Factored Decomposition Prompting“(vgl. Fagbohun et al., 2024, S. 5) gestützt, welches eine Unterteilung in kleinere Teilaufgaben beschreibt, um so final ein geeigneteres Ergebnis zu erzielen. Im weiteren Verlauf wird die lokale Generierung von Comics mit Mistral 7B Instruct sowie Stable Diffusion 3 erörtert, die zur lokalen Generierung verwendet wurden. Schließlich wurden die mit ChatGPT-4 erstellten Comics mit einer Mindmap und dem UML-Diagramm eines Provenienz-Graphen in einer Umfrage empirisch verglichen. hierbei wurde im Rahmen einer Onlinebefragung mit 27 Teilnehmenden untersucht, wie gut Menschen die dargestellten Informationen in den drei Visualisierungsarten erkennen und wahrnehmen. Die Ergebnisse zeigen, dass die Mindmap Visualisierung der Datenprovenienz beziehen, lassen erkennen, dass die Teilnehmenden diese Darstellungsform als am schwierigsten verständlich einordneten, da in dieser weniger Informationen als in den anderen Visualisierungen erkannt wurden und die Mindmap allgemein negativer wahrgenommen wird. Der Comic erzielt in der Wahrnehmung der Teilnehmenden die besten Ergebnisse; er wird von den meisten favorisiert, was daran liegt, dass er am meisten Spaß macht und die Informationen am schnellsten und einfachsten vermittelt werden. Im Gegensatz dazu steht der Graph, welcher gerade bei den Freitextaufgaben rund um den Informationsgehalt die meisten richtigen Antworten erzielt, dafür aber überwiegend als zu kompliziert und anfängerunfreundlich wahrgenommen wird.

elib-URL des Eintrags:https://elib.dlr.de/211063/
Dokumentart:Hochschulschrift (Bachelorarbeit)
Titel:Analyse KI-generierter Darstellungen von Datenprovenienz
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Rüsche, Franzfranz.ruesche (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2024
Open Access:Nein
Seitenanzahl:106
Status:veröffentlicht
Stichwörter:Datenprovenienz, Comic, KI, Stable Diffusion, Prompt Engineering
Institution:Hochschule Hamm-Lippstadt
HGF - Forschungsbereich:keine Zuordnung
HGF - Programm:keine Zuordnung
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Digitalisierung
DLR - Forschungsgebiet:D - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):D - keine Zuordnung
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Softwaretechnologie > Intelligente und verteilte Systeme
Institut für Softwaretechnologie
Hinterlegt von: Theis, Sabine
Hinterlegt am:18 Dez 2024 08:32
Letzte Änderung:20 Dez 2024 09:32

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.