Systematisches Monitoring der digitalen Angebote

von einem Eyetracker generierte Heatmap
Heatmap, die von einem Eyetracker generiert wurde und die visuellen Fixierungen eines Nutzenden darstellt.

Das systematische Monitoring ist ein internes Projekt des Georg-Eckert-Instituts zur fortlaufenden Verbesserung der Web-Angebote des Instituts. Dazu zählen die systematische Erfassung aller digitalen Angebote und ihrer Nutzung sowie die Ableitung von Maßnahmen zur Verbesserung der Usability (Nutzerfreundlichkeit) dieser Angebote. Dies geschieht durch die Erstellung von Nutzendenprofilen. Die Profile werden aus der Nutzungshistorie und weiteren von Nutzenden bereitgestellten Informationen abgeleitet. Über die Teilnahme an Umfragen können Bedarfe der Nutzenden aufgedeckt werden. Bei der Analyse der Nutzendendaten werden selbstverständlich Datenschutzmaßnahmen zur Gewährleistung der Privatsphäre ergriffen.

Sobald die Bedarfe der primären Zielgruppe bekannt sind, können Verbesserungen an den Web-Angeboten des Instituts erfolgen. Im Zuge des Projekts bauen die Mitarbeitenden Kompetenzen im Bereich des Usability-Testings auf und führen daraufhin Studien zur Nutzendenfreundlichkeit der Web-Angebote des Instituts durch. So kann der Erfolg von Änderungen an den Web-Angeboten gemessen werden.

Gleichzeitig eröffnet das Projekt dem Institut viele Forschungsmöglichkeiten, u.a. in den Bereichen Künstliche Intelligenz (KI), Mensch-Maschine-Interaktion, Usability und Digital Humanities.

  • Ziel

    Das Projekt leistet einen wesentlichen Beitrag zur kontinuierlichen Verbesserung und Weiterentwicklung der digitalen Angebote des GEIs. Es verfolgt die nachstehenden Ziele:

    • Analyse von Ziel– und Nutzendengruppen, Bestandsaufnahme
    • Bedarfsanalyse
    • Veranlassen der Implementierung einer Single-Sign-On Authentifizierungsmethode
    • Einrichtung eines Nutzendenprofils für Forschungsinhalte
    • Durchführen von Usability-Tests
    • Ableitung von Handlungsempfehlungen zur Verbesserung der Usability

  • Vorgehen

    SYSTEMATISCHE ERFASSUNG DER GEI-ANGEBOTE
    Die Web-Angebote des GEIs adressieren jeweils bestimmte Zielgruppen. Im Kontext des systematischen Monitorings wird daher für jedes Angebot ein Abgleich zwischen Ziel– und Nutzendengruppen vorgenommen, um Erkenntnisse zur Anpassung der Systeme abzuleiten und so die Zielgruppen bestmöglich anzusprechen. Bei der Nutzendengruppenanalyse, die u.a. die Statistiken einer GEI-internen Webanalytik-Plattform einbezieht,  wird nicht auf die einzelnen Schritte eines Nutzenden geachtet, sondern auf Muster im Gesamtverhalten, etwa welche Angebote oft zusammen verwendet werden.

    USER MONITORING
    Um Gruppen von Nutzenden zu analysieren und sie bei der Verwendung der Tools besser unterstützen zu können, werden ausgewählte Bereiche der digitalen Angebote außerdem mit einem Single-Sign-On Login versehen. Das ermöglicht das Erstellen von angebotsübergreifenden Nutzendenprofilen. Dieser Dienst vereinfacht den Nutzenden die Orientierung und gestaltet ihre Suche nach relevanten Inhalten in den Web-Angeboten des GEIs effizienter. So können den Nutzenden Forschungsprojekte, Experten oder passende Publikationen empfohlen werden. Hierfür ist die Erhebung von Nutzungs- und Nutzendendaten sowie von Forschungsinteressen erforderlich.

    USABILITY
    Usability Studien zielen beispielsweise darauf ab, die Bedienung der GEI-Angebote zu vereinfachen, ihre Oberflächen intuitiver zu gestalten. In Kooperation mit der Otto-von-Guericke-Universität Magdeburg wird ein mobiles Usability Lab aufgebaut, worin verschiedene Usability-Experimente durchgeführt werden können. Zusätzlich wird das GEI UsaLab eingerichtet, um am GEI größer angelegte Studien zu ermöglichen. Darin werden Interviews mit den Nutzenden und Eye Tracking eingesetzt. Es werden Objekte identifiziert, welche die Aufmerksamkeit der Nutzenden erregen. Ebenso wird die Zeit gemessen, bis Elemente auf einer Webseite gefunden werden.


  • Ergebnisse

    Im Zuge des Projekts entstanden bisher folgende Publikationen:

    • Purificato, E. (2022, July). Beyond-Accuracy Perspectives on Graph Neural Network-Based Models for Behavioural User Profiling. In Proceedings of the 30th ACM Conference on User Modeling, Adaptation and Personalization (pp. 311-315).
    • Purificato, E., Musto, C., Lops, P., & De Luca, E. W. (2022, March). First Workshop on Adaptive and Personalized Explainable User Interfaces (APEx-UI 2022). In 27th International Conference on Intelligent User Interfaces (pp. 1-3).
    • Purificato, E., Wehnert, S., & De Luca, E. W. (2021). Dynamic Privacy-Preserving Recommendations on Academic Graph Data. Computers, 10(9), 107.
    • Purificato, E., Manikandan, B. A., Karanam, P. V., Pattadkal, M. V., & De Luca, E. W. (2021). Evaluating Explainable Interfaces for a Knowledge Graph-Based Recommender System.

    (Weitere Publikationen in Begutachtung)


Projektteam

sroll-to-top