guest ::
Chatbots as professional companions in large-scale community information systems: integrating chatbots in educational ecosystems
2024 & 2025
Dissertation, RWTH Aachen University, 2024
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2025
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2024-12-13
Online
DOI: 10.18154/RWTH-2025-01385
URL: https://publications.rwth-aachen.de/record/1004360/files/1004360.pdf
Einrichtungen
- Lehrstuhl für Informationssysteme und Datenbanken (Informatik 5) (124510)
- Fachgruppe Informatik (120000)
Projekte
Inhaltliche Beschreibung (Schlagwörter)
TEL (frei) ; chatbots (frei) ; communities (frei) ; large language models (frei) ; social bot framework (frei) ; technology enhanced learning (frei)
Thematische Einordnung (Klassifikation)
DDC: 004
Kurzfassung
In unserem digitalen Zeitalter sind Online-Gemeinschaften für den Wissensaustausch, die Zusammenarbeit und die professionelle Entwicklung unerlässlich. Herausforderungen wie Informationsüberlastung und geringes Engagement behindern jedoch ihre Wirksamkeit. Neue Mitglieder haben oft Schwierigkeiten, genaue Informationen aus verschiedenen Quellen zu finden. Chatbots, die über ein natürliches Sprachverständnis und Automatisierungen verfügen, bieten eine Lösung für diese Herausforderungen. Durch die Bereitstellung personalisierter Unterstützung, Effizienzsteigerung und die Integration mit externen Wissensdatenbanken verbessern Chatbots die Nutzererfahrung in Online-Gemeinschaften. Leider fehlen den Mitgliedern der Gemeinschaft oft die notwendigen Ressourcen oder das Fachwissen, um Bots zu entwickeln, die ihre Praktiken optimieren. Diese Dissertation verwendet einen Design Science Ansatz, der es Gemeinschaften ermöglicht, gemeinsam maßgeschneiderte Chatbots zu erstellen und zu pflegen. Wir stellen ein modellgetriebens Social Bot Framework vor, das es Community-Mitgliedern ermöglicht, sich an der Erstellung und Evaluierung von Bots zu beteiligen. Dieses Framework beinhaltet Process-Mining-Techniken und nutzt Large Language Models (LLMs) zur Verbesserung der Bots. Außerdem wird ein mehrdimensionales Modell zur Bewertung des Erfolgs von Chatbots vorgestellt. Durch einen Co-Design-Prozess, der reale Anwendungsfälle einbezieht, haben wir Chatbots als Artefakte produziert, demonstriert und evaluiert, um ihre Wirkung und Nützlichkeit zu demonstrieren. Unsere Forschung fokussiert sich auf Chatbots im technologiegestützten Lernen (TEL), darunter Mentoring-Bots für kollaborativen Wissensaufbau, personalisiertes Feedback zu Schreibaufgaben und quizbasiertes Lernen. Wir untersuchten auch die Integration von Gamification-Elementen, um das Engagement und die Motivation der Nutzer zu erhöhen. Darüber hinaus haben wir LLMs eingesetzt, um eine ausgefeiltere, personalisierte Lernunterstützung zu bieten. Die Evaluierungen, die anhand von Nutzerstudien, Umfragen und Metriken durchgeführt wurden, belegen die Effektivität und Nutzerakzeptanz der von uns entwickelten Chatbots. Unsere Forschung ermöglicht es Gemeinschaften, Chatbots demokratisch zu erstellen und ihr Potenzial zu nutzen. Das fördert die Selbstverwaltung und Entwicklung von Online-Gemeinschaften, die sich an veränderte Bedürfnisse anpassen. Letztlich verschiebt diese Arbeit die Grenzen der derzeitigen Gemeinschaftspraktiken und eröffnet neue Horizonte, in denen Bots eine wesentliche Rolle für den Erfolg von Online-Gemeinschaften spielen.Online communities are fundamental for knowledge sharing, collaboration, and professional development in our digital age. However, challenges like information overload and low engagement hinder their effectiveness. New members often struggle to find accurate information from multiple sources. Chatbots with natural language understanding and automation capabilities can solve these challenges. By providing personalized guidance, improving efficiency, and integrating with external knowledge bases, chatbots enhance the user experience in online communities. Unfortunately, community members often lack the necessary resources or expertise to create bots that optimize their practices. This dissertation follows a design science approach that empowers communities to create and maintain customized chatbots collaboratively. We introduce a model-driven Social Bot Framework that allows community members to participate in bot creation and evaluation. This framework incorporates process mining techniques and leverages Large Language Models (LLMs) to enhance bot performance. The dissertation also presents a catalog of success factors for bots, providing a multi-dimensional model for assessing chatbot effectiveness within communities of practice. Through a co-design process involving real-world use cases, we have produced, demonstrated, and evaluated chatbots as artifacts, showcasing their impact and usefulness. Our research explores the application of chatbots in Technology Enhanced Learning (TEL). We developed a series of mentoring bots that address various aspects of the educational process. These include systems for collaborative knowledge building, providing personalized feedback on writing tasks, and facilitating quiz-based learning. We also investigated the integration of gamification elements to enhance user engagement and motivation in educational contexts. Furthermore, we leveraged LLMs to provide more sophisticated, personalized learning support. The evaluations, conducted through user studies, surveys, and performance metrics, demonstrate the effectiveness and user acceptance of our developed chatbots. Our research promotes the democratization of bot-building, enabling communities to leverage chatbot potential. This represents a significant advancement in the self-governance and development of online communities in response to changing needs and opportunities. Ultimately, this work pushes the boundaries of current community practices, opening up new horizons where bots are professional companions supporting the success of online communities.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT030964490
Interne Identnummern
RWTH-2025-01385
Datensatz-ID: 1004360
Beteiligte Länder
Germany
