Vews ― Dein explorativer Newsfeed

Mit Hilfe deines Leseverhaltens generiert der Algorithmus eine Sammlung an aktuellen Artikeln, welche es dir ermöglichen, die Geschehnisse der Welt individuell für dich zu entdecken.

Mit Hilfe deines Leseverhaltens generiert der Algorithmus eine Sammlung an aktuellen Artikeln, welche es dir ermöglichen, die Geschehnisse der Welt individuell für dich zu entdecken

 

 

On Boarding

Durch das On-Boarding ermöglichen wir dem Nutzer, unserem System erste Hinweise zu geben, welche individuellen Interessen vertreten werden.

Wenn das Portal erstmalig geöffnet wird, erscheint nach der Anmeldung das On-Boarding in Form von Karten. Hier kann der Benutzer frei entscheiden, ob er die kurzen Artikelzusammenfassungen durchlesen und bewerten oder überspringen möchte.

Die Bewertung erfolgt durch das Swipen nach rechts (gefällt mir) oder nach links (gefällt mir nicht).

 

 

 

Newsfeed

Die „Übersichtsseite“ der tagesaktuellen Artikel bietet dem Nutzer die Möglichkeit, immer auf dem Laufenden zu bleiben.

Neben den Headlines sind die einzelnen Artikel mit passenden Tags, Datum, Uhrzeit und einer beschreibenden Subhead ausgezeichnet. Dadurch können beim skimmen mehrere Informationen aufgenommen werden, die dem Leser dabei helfen, den richtigen Artikel für sich zu finden.

Der Newsfeed wird anhand des einzelnen Nutzerverhaltens generiert und bietet neben dem Überblick eigener Interessen, die erste Ebene der Exploration. Wichtig dafür ist die Integration internationaler Nachrichten und das Einbinden von Themen, die assoziativ divers zu den eigenen Interessen sind.


Abstract

Die Ebene des Abstracts macht unser Portal besonders. Artikel werden hier mit max. 550 Zeichen zusammen gefasst und standardmäßig chronologisch sortiert. Basis der Exploration ist ein im Newsfeed ausgewählter Teaser. Dieser führt in die Kartenansicht der Abstracts. Hier kann sich der User entscheiden, ob er sich aufgrund der Zusammenfassung für den Artikel interessiert oder mehr Informationen zum Hauptthema des Artikels explorieren möchte.

Entscheidet sich der Nutzer dafür, den Artikel zu lesen, so gelangt er zum vollen Text mit einem Swipe nach unten. Am Ende des Artikels angelangt, besteht die Möglichkeit, tiefer in das gelesene Thema einzusteigen. Hierfür bieten wir weiterführende bzw. verwandte Artikel an.

Wird stattdessen nach links geswiped, startet die Exploration. Voreingestellt ist hier eine chronologische Aufreihung der Artikel-Abstracts. Möchte man die Exploration etwas spezialisieren, gibt es zusätzlich die Funktion, nach Internationalität oder Divergenz zu sortieren.

 

Autor

Um das Portal möglichst transparent zu gestalten, gibt es bei jedem Artikel die Möglichkeit, auf eine Informationsseite des Autors zu gelangen — sofern ein oder mehrere Autoren auf der Herausgeberseite verzeichnet sind.

Hier werden Name, Bild, journalistischer Bereich der vertretenen Zeitung bzw. der Blog und eine Kurzbiografie angezeigt. Zusätzlich werden seine bisherigen Publikationen aufgelistet.

 

Reading Profile

Aus allen erhobenen Daten wird ein „Reading Profile“ generiert. Hier kann der Nutzer sehen, wie er vom Algorithmus eingeschätzt wird bzw. in welchem groben Cluster er sich befindet. Auch das soll für Transparenz sorgen.

Zu sehen ist ein Venn-Diagramm, welches die Übergeordneten Themen und deren Überschneidung visualisiert. Darunter beenden sich die meistgelesenen Tags.

Mit einem Klick auf einer der Kreise, kann die Auflistung der Tags für ein spezielles Überthema angezeigt werden.


Clustern der Artikel

Anhand der gegebenen Metadaten und der zusätzlich erhobenen Informationen über Worterkennung – sowohl im Bericht, als auch in den dazugehörigen Kommentaren oder weiterführenden Berichten – können die Artikel sortiert werden. So entstehen Überthemen, welche in viele untergeordnete Themen, die jeweils in weiter untergeordnete Themen geclustert werden können.

Damit können sich Cluster mit ähnlichen bzw. verwandten Attributen überschneiden, woraus Assoziationsketten geknüpft werden können.Aus den entstandenen Ketten, kann der Algorithmus Vorhersagen treffen.


Clustern der User

Für jeden User wird ein persönliches Leseprofil/Lesecluster erstellt. Dieses generiert sich aus ähnlichen Daten wie das Artikel-Cluster. So kann man präferierte Artikel – welche bestimmten Attributen unterliegen – in über- und untergeordnete Themen gliedern. So erkennt das System bzw. der Algorithmus ein Lesemuster, auf dem im zweiten Schritt Vorhersagen getroffen werden können.

Um Varianz in den Feed und die Exploration zu bringen werden die Leseprofile aller User verglichen. So erkennt man ähnliche und komplementäre/divergente Profile, aus denen der Algorithmus neue Verknüpfungen erlernt.

Auf diese Verknüpfungen greift  der Explorationsaglorithmus zurück. Artikel mit ähnlichen und komplementären Attributen werden gemischt.


Exploration

  •  Wo befindet sich der Artikel im Cluster?
  •  Wo befindet sich der Artikel im Leseprofil?
  •  Welche Attribute sind ähnlich und wo befinden sie sich?
  • Welche komplementären Attribute leiten sich davon ab? Wo befinden sie sich?
  • Besteht eine Verknüpfung zwischen beiden?
  •  Wie beliebt ist der Artikel?
  • Wie oft  wurde er geteilt?
  • Wie lange wurde er gelesen und von wie vielen?