Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title Annostand: Understanding annotations
Organization Unit
Authors
  • Raphael Weibel
Supervisors
  • Chatchavan Wacharamanotham
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2018
Abstract Text Reading and annotating a scientific paper is an integral part of all academic fields. Differ- ent approaches for understanding annotation behavior have been proposed and tested, but none of them have identified a useful measure for discriminating the important annotations. This thesis investigates the use of reading behavior as a measure of annotation importance. A two-session experiment has been conducted. During the first session, participants were asked to read and annotate a scientific paper. During the second session, participants used their own annotations to write a summary of the article. During both sessions, participants’ eye movements were recorded. Different statistical learning methods (i.e., Support Vector Machines, Random Forest, Regression) were compared in terms of their ability to classify im- portant annotations. The results of this analysis were not able to confirm that reading behav- ior can be used to classify the importance of annotations. Future research can be conducted in order to determine whether this lack of confirmation is due to inaccurate eye movement recordings or to the inability of these measures to accurately classify important annotations.
Zusammenfassung Das Lesen und Anmerken von wissenschaftlichen Publikationen ist ein fester Bestandteil aller Fachgebiete. Diverse Versuche um diese Anmerkungen zu verstehen wurden bere- its unternommen. Bisher wurde jedoch keine brauchbare Möglichkeit gefunden um die Wichtigkeit einer Anmerkung zu identifizieren. Diese Arbeit untersucht ob das Lesever- halten als Mass für die Bedeutung von Anmerkungen genutzt werden kann. Es wurde ein Zwei-Sitzungs-Experiment durchgeführt. Während der ersten Sitzung wurden die Teilnehmer gebeten, einen wissenschaftliche Artikel zu lesen und Anmerkungen zu machen. Während der zweiten Sitzung verwendeten die Teilnehmer ihre eigenen Anmerkungen, um eine Zusammenfassung des Artikels zu schreiben. Während beider Sitzungen wurden die Augenbewegungen der Teilnehmer aufgezeichnet. Verschiedene statistische Lernmethoden (z.B. Support Vector Machines, Random Forest, Regression) wurden hinsichtlich ihrer Fähigkeit zur Klassifizierung wichtiger Annotationenvergleichen. Die Ergebnisse dieser Analyse konnten nicht bestätigen, dass das Leseverhalten genutzt werden kann um die Bedeutung von Annotationen zu klassifizieren. Zukünftige Forschungen sollten durchgeführt werden um festzustellen ob dieser Mangel auf ungenaue Augenbewegungsaufzeichnungen zurückzuführen ist oder ob das Leseverhalten ein ungenügendes Mass ist für die Bedeutung von Anmerkungen.
PDF File Download
Export BibTeX