KI-gestützte Inhaltsanalyse von wissenschaftlichen Arbeiten mittels Fine-Tunings von Large Language Models
DOI:
https://doi.org/10.26034/lu.akwi.2026.8600Keywords:
Künstliche Intelligenz, Natural Language Processing, Large Language Models, Fine-Tuning, German BERT, Named Entity Recognition, Part-of-Speech-Tagging, Text Classification, Topic Modelling, Semantic Textual Similarity, Explainable Artificial Intelligence, Kohärenz, Kohäsion, Argument MiningAbstract
Die Qualität wissenschaftlicher Arbeiten hängt maßgeblich von der Klarheit zentraler Begriffe, der Argumentationsstruktur, sowie der inhaltlichen Kohärenz ab. Inwiefern können Verfahren der künstlichen Intelligenz zur automatisierten Analyse dieser Qualitätsmerkmale in wissenschaftlichen Texten eingesetzt werden? Ziel ist ein System, das hinsichtlich definitorischer Vollständigkeit, argumentativer Bezüge im Schlussteil und semantischer Kohärenz prüft.
References
R. Musan, „Kohäsion und Kohärenz“, in Linguistik im Sprachvergleich: Germanistik– Romanistik – Anglistik, R. Klabunde, W. Mihatsch, und S. Dipper, Hrsg. Berlin, Heidelberg: Springer Berlin Heidelberg, 2022, S. 577–593.
D. Jurafsky und J. H. Martin, Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models, 3. Aufl., 2025. Online verfügbar: https://web.stanford.edu/~jurafsky/slp3/
A. Vaswani et al., „Attention Is All You Need“, Aug. 2023. Online verfügbar: http://arxiv.org/abs/1706.03762. ArXiv:1706.03762 [cs].
J. Devlin, M.-W. Chang, K. Lee, und K. Toutanova, „BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding“, Mai 2019.Online verfügbar: http://arxiv.org/abs/1810.04805. ArXiv:1810.04805 [cs].
A. Storrer und S. Wellinghoff, „Automated detection and annotation of term definitions in German text corpora“, in Proceedings of the Fifth International Conference on Language Resources and Evaluation (LREC‘06). Genoa, Italy: European Language Resources Association (ELRA), Mai 2006. Online verfügbar: https://aclanthology.org/L06-1066/ (abgerufen: 23.03.2025).
A.-M. Avram, D.-C. Cercel, und C. Chiru, „UPB at SemEval-2020 Task 6: Pretrained Language Models for Definition Extraction“, in Proceedings of the Fourteenth Workshop on Semantic Evaluation, A. Herbelot, X. Zhu, A. Palmer,N. Schneider, J. May, und E. Shutova, Hrsgg. Barcelona (online): International Committee for Computational Linguistics, Dez. 2020, S. 737–745. Online verfügbar: https://aclanthology.org/2020.semeval-1.97/ (abgerufen: 13.01.2025).
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Samir M‘Sallem, Harald Ritz, Frank Kammer
This work is licensed under a Creative Commons Attribution 4.0 International License.
