Autor: Christine Giger

Der Gebrauch von Spracherkennung ist eine zukunftsrrächtige Interaktionsmöglichkeit, da in Forschung und Anwendung ein anhaltender Trend in Richtung mobiler Applikationen zu beobachten ist. Neue Technologien wie Ubiquitous Computing und Augmented Reality erlauben die Entwicklung von einer ganz neuen Art von Diensten. Diese Entwicklung betrifft auch die Geoinformations-Wissenschaften, haben doch viele Handlungen, die durch die neuen mobilen Technologien unterstützt werden können, einen klaren Raumbezug. Die vorliegende Arbeit befasst sich mit neuen Benutzerschnittstellen-Funktionalitäten für mobile Informationssysteme mit Raumbezug. In räumlichen Fragestellungen ist es oft erwünscht oder notwendig, einzelne Objekte bzw. eine Objektgruppe zu selektieren, um Abfragen oder Analysen zu prozessieren. Eine solche Selektions-Funktionalität wird bisher von keiner Spracherkenmmgssoftware unterstützt. Somit kann im Sinne des ,Ersetzen von Tastatur und Zeigegerät' erst von einem ,Ersetzen der Tastatur' ausgegangen werden, während bei dem Zeigegerät die Funktionen noch nicht vollständig durch die Sprachsteuerung ersetzbar sind. Das Ziel dieser Arbeit ist die Entwicklung eines Verfahrens, mit dem Objekte in einer räumlichen Datenbank durch verbale Beschreibung der Situation selektiert werden können. Eine wichtige Grundlage für das erarbeitete Konzept ist die getrennte Betrachtung der beiden Aspekte System und Benutzer. Bei Ersterem wird auf die Frage eingegangen, in welcher Form und mit welchem Inhalt die Datenbasis vorhanden sein muss und wie diese erstellt werden kann. Dies wird am Beispiel der Fussgängernavigation gemacht, die eine Grundfunktionalität für mobile Informationssysteme ist. Im Benutzerteil rücken der Benutzer und seine Selektionsäusserung ins Zentrum. Es wird versucht, die räumliche Wahrnehmung zu strukturieren und damit ein erster Schritt zu deren Formalisierung zu vollziehen. Aufgrund dieser Strukturierung wird das 3-Schritte-Modell entwickelt, mit dem die Zielobjekte in der Datenbank bestimmt werden. Dabei wird die Menge der möglichen Zielobjekte in drei Schritten aufgrund von verschiedenen Kriterien reduziert. Im ersten Reduktionsschritt muss aufgrund von Sensoren zur Positions- und Blickrichtungsbestimmung ermittelt werden, welche Objekte im Blickfeld des Benutzers liegen. Ausgehend von der Annahme, dass der Benutzer nur Objekte selektiert, die er sieht und deshalb beschreiben kann, entfallen alle ausserhalb von diesem Blickfeld liegenden Objekte. Im zweiten Schritt steht die Problematik der unterschiedlichen Abstraktionen der Realität von Benutzer und Datenbank im Zentrum. Jeder Nutzer hat ein mentales Modell von der sichtbaren Situation im Kopf. Dieses Modell wird durch die Visualisierung und die entsprechende Anwendung beeinflusst. Die Daten, die visualisiert werden und in denen ein Objekt selektiert werden soll, sind gemäss einem Datenmodell in einer räumlichen Datenbank gespeichert. Zur Lösung der Problematik muss ein Weg gefunden werden, wie diese beiden Modelle aufeinander abgebildet werden können. Sobald diese Abbildung möglich ist, kann vom gesprochenen Satz, der nichts anderes als eine Verbalisierung des mentalen Modells ist, auf das Objekt im Datenmodell geschlossen und dieses aus der Datenbank extrahiert werden. Damit ist die Verbindung zwischen der Nutzeraussage und der Datenbank geschaffen. Der dritte Schritt befasst sich mit der Analyse der räumlichen Anordnung. Dazu wird ein Konzept zur Überprüfung der Anwendbarkeit von 22 englischen Relationspräpositionen erarbeitet. Aus Performanzgründen wird für mobile Geräte ein möglichst einfacher Algorithmus angestrebt. Basierend auf der Idee, dass die räumliche Information auch auf der Abstraktionsebene der Bildschirmobjekte enthalten ist, werden mehrere Algorithmen entwickelt. Diese beinhalten hauptsächlich Koordinatenvergleiche und sind deshalb sehr schnell berechenbar. Die Algorithmen untersuchen, ob ein Zielkandidat in einen entsprechenden Anwendbarkeitsraum fällt und dementsprechend der Bedingung zur räumlichen Anordnung genügt. Diese Bedingung, und damit auch der Anwendbarkeitsraum, ist von der verwendeten räumlichen Präposition abhängig. Das erarbeitete Konzept wird für den zweidimensionalen Fall implementiert. Dieser Prototyp wird mit einem mehrteiligen Testkonzept überprüft. Dabei werden neben Einzeltests, in denen die indirekte Selektion von Objekten im Zentrum steht, Performancetests durchgeführt und mit einem Fragebogen verschiedene Faktoren überprüft. Die Testphase zeigt, dass das Konzept für die verbale Selektion von räumlichen Objekten erfolgreich angewendet werden kann und ansprechende Resultate in der Erkennungseffizienz erzielt werden. Die entwickelte Selektions-Funktionalität auf Basis von verbaler Situationsbeschreibung erweitert die heutigen Navigations- und Befehlsmöglichkeiten mittels Spracherkennung um einen raumbezogenen Aspekt. Damit wird ein weiterer Schritt in Richtung benutzerfreundliche mobile Dienste vollzogen.