Jürgen Dick - Lehrstuhl Algorithmen & Datenstrukturen, Institut für ...

94 KAPITEL 5. EVALUATION
Analyse
Eine genauere Analyse der Daten ergab, daß die häufigen False Alarms in der Regel durch
folgende Situationen zustande kamen:
Die Sprecher legen weder vor neuen Topics, noch vor neuen Sätzen, einheitlich lange Pausen
ein. Dadurch ist es nicht möglich, anhand der Pausendauer auf Topic Beginnings zu
schließen.
Aktionen am elektronischen Whiteboard führen in aller Regel zu langen Sprechpausen,
nicht nur zwischen einzelnen Sätzen, sondern auch innerhalb eines Satzes.
Die Dozenten versprechen sich oder ihr Redefluß stockt. Diese Fehler werden auch
disfluencies genannt. Beispiele hierfür sind:
Typ Beispiel
gefüllte Pause er äh . . . mochte es
Wiederholung er . . . er mochte es
Reparatur er . . . sie mochte es
falscher Start es war. . . er mochte es
Der erste Punkt ist dem gewollten Live-Charakter der Aufzeichnung zuzuschreiben und läßt sich
nicht vermeiden.
Der zweite Punkt hängt mit der Art des Vorlesungsdarbietung zusammen. Im vorliegenden Datenmaterial
benutzen die Vortragenden das elektronische Whiteboard für ihre Vorträge. Die Verwendung
dieses Whiteboards führte zu häufigen, unfreiwilligen Unterbrechungen im Redefluß.
Es wurden aber auch Animationen abgespielt, die die Sprecher nur spärlich kommentierten.
Da das Segmentierungsverfahren keine Kenntnis davon hat, zu welchen Zeitpunkten Aktionen
am Whiteboard ausgeführt wurden, gehen die dadurch entstandenen Pausen negativ in die Bewertung
ein.
Disfluencies treten zum einen kontextbedingt, aber auch sprecherabhängig auf. Beispielsweise
ist von einem Nachrichtensprecher zu erwarten, daß solche Unterbrechungen nicht vorkommen.
Im Falle von freier Rede ist man diesbezüglich sicherlich toleranter. Für die automatische Erkennung
von Topic Beginnings ist dies natürlich trotzdem ein Problem. Es existieren allerdings
Forschungsansätze, die sich mit der Erkennung der disfluencies beschäftigen und zu guten Erkennungsraten
führen [31]. Nachteil dieser Verfahren ist, daß sie auf statistischen Modellen beruhen
und somit eine große Menge an Trainings- und Testdaten benötigen. Diese zu erstellen , ist
mit sehr hohem Zeitaufwand verbunden. Zudem hat man mit der Erkennung und möglicherweise
Beseitigung der disfluencies nur einen kleinen Teil der Probleme beseitigt.