14.01.2014 Aufrufe

Entwicklung eines Kollaborationsnetzwerkes - Bergische Universität ...

Entwicklung eines Kollaborationsnetzwerkes - Bergische Universität ...

Entwicklung eines Kollaborationsnetzwerkes - Bergische Universität ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Die Precision bezogen auf die Relevanzmenge stellt eine einfach zu ermittelnde Kennzahl dar, um<br />

Aussagen über die Qualität der Ergebnismenge <strong>eines</strong> Such‐ beziehungsweise Reduktionsverfahrens<br />

treffen zu können. Allerdings werden die Wertigkeiten der in der Ergebnismenge enthaltenen<br />

Kandidaten nicht berücksichtigt. Ergebnismengen können sich aufgrund der Wertigkeiten ihrer<br />

Kandidaten jedoch erheblich voneinander unterscheiden, obwohl sie die gleiche Precision besitzen.<br />

Während der Analysephasen (siehe Abschnitt 6.6) wurde daher der Wertigkeitsindex () als weitere<br />

Kennzahl entwickelt. Dieser ermöglicht eine differenziertere Qualitätsbetrachtung, da er die<br />

Wertigkeiten der Kandidaten berücksichtigt. Folgende Bedingungen müssen durch den<br />

Wertigkeitsindex berücksichtigt werden:<br />

1. Die Mengenposition auf der Werteskala soll keine Auswirkung auf den Wertigkeitsindex haben<br />

(siehe Abbildung 6‐9).<br />

Sind bezogen auf den Anforderungskatalog nur minderwertige Kandidaten in der Gesamtmenge<br />

enthalten, so sollen trotzdem diejenigen Kandidaten ermittelt werden, die die Anforderungen am<br />

besten erfüllen. Es bietet sich demnach an, die Wertigkeit der Ergebnismenge in Bezug zur<br />

Referenzmenge zu bestimmen, da die Referenzmenge das bestmöglich erzielbare Ergebnis<br />

repräsentiert.<br />

Abbildung 6‐9: Wertigkeitsindex bei Mengenverschiebung auf der Werteskala<br />

2. Innerhalb der Ergebnismenge soll die Verteilung der Wertigkeiten berücksichtigt werden (siehe<br />

Abbildung 6‐10).<br />

Hierzu bietet sich die Verwendung der mittleren quadratischen Abweichung (MSD) an, mittels der<br />

große Abstände stärker in die Bewertung einfließen als kleine.<br />

109

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!