edulap NMDS-Kartensystem

Bei der zugrunde liegenden Technologie handelt es sich um ein System zur Ähnlichkeitsstrukturanalyse. Hierdurch können Proximitäten (Distanz zwischen zwei Punkten aufgrund von inhaltlicher Ähnlichkeit) zwischen einzelnen Objekten (Begriffe, Texte, Daten etc.) visuell dargestellt werden.

Das im Rahmen des Projekts edulap entwickelte System zur "Nonmetrischen Multidimensionalen Skalierung" (NMDS) basiert auf einem speziellen Algorithmus (RobuScal), der die Grundlage für die visualisierte Ähnlichkeitsstrukturanalyse bildet.

Das in edulap entwickelte Verfahren liefert Ergebnisse in Form von Orientierungskarten (kognitive Landkarten), indem die Resultate nach Ähnlichkeiten geordnet und übersichtlich darstellt werden. NMDS-Karten stellen somit eine Methode zur qualitativen Analyse dar, bei der sich die inhaltlichen Zusammenhänge auf einen Blick erschliessen.

Beispiele für Einsatzgebiete von NMDS-Karten:

NMDS-Karten sind vielseitig einsetzbar und für eine Reihe von Anwendungsgebieten und Einsatzbereichen geeignet. Die folgenden Fragestellungen sollen einen ersten Eindruck von den umfangreichen Möglichkeiten bieten:

• Internet-Recherche: Wie stimmen Online-Ressourcen mit den Suchkriterien überein; und wie stehen die einzelnen Recherche-Ergebnisse inhaltlich in Beziehung?

• Kompetenzmessung: Zu welchen Anforderungsprofilen von Stellenausschreibungen passen die Kompetenzprofile von einzelnen Personen?

• Diagnose: Zu welchen Konzepten (Modellen, Krankheitsbildern etc.) passen die Symptome oder Analyseergebnisse von bestimmten Personen?

• Wissensmanagement für Teams und Institutionen: Welche inhaltlichen Bezüge zwischen bestimmten Wissensbereichen existieren?

Erstellung von NMDS-Karten:

In einem ersten Schritt werden die vorhandenen Objekte (Texte, Personen, Begriffe, Daten etc.) durch ein gewähltes Verfahren mithilfe des Kartensystems in entsprechende Proximitätswerte überführt und daraus eine Matrix (zweidimensionale Anordnung der Objektrelationen) angelegt. Über einen iterativen Verschiebealgorithmus wird die optimalste euklidische/geometrische Abbildung der Ähnlichkeitsrohdaten bei Minimierung des Abbildungsfehlers gefunden. Als Resultat erhält man euklidische Koordinaten für jedes Objekt.

Die Distanzen zwischen den einzelnen Punkten repräsentieren dabei die inhaltlichen Ähnlichkeiten: Nahe beieinander liegende Punkte bedeuten eine grössere inhaltliche Übereinstimmung, als weiter auseinander liegende Punkte.

Neben den inhaltlichen Ähnlichkeiten können durch definierte Filterkriterien weitere spezifische Zusammenhänge ermittelt und durch Farbfelder dargestellt werden. Die Einfärbung der NMDS-Karte geschieht durch "Distribution Based Colouring" (DBC).
Dabei werden die Beziehungen zwischen den Kriterien so berechnet, dass diejenigen Regionen eingefärbt werden, in denen eine hohe Übereinstimmung (Ähnlichkeit, Beziehung etc.) zwischen Objekten besteht.

In einem weiteren Schritt besteht die Möglichkeit, zwei objektgleiche Karten auf ihre Übereinstimmung zu testen. Dies übernimmt die "Prokrustes-Transformation", welche die Testkarte mittels distanzinvarianter Transformationsregeln (Verschieben, Spiegeln, Drehen, Skalieren) so lange verändert, bis die Abweichungen zwischen Test- und Zielkarte minimiert sind. Als Resultat erhält man ein Abweichungsmass zwischen den Karten (pro Objekt sowie auf Mittelwertebene). Darüber können bspw. Kompetenzprofile zwischen zwei Personen oder zwischen einer Person und einem Normmodell verglichen werden.