@misc{Lang,
  type      = {Master Thesis},
  author    = {Lang, Kevin},
  title     = {Argument Search with Voice Assistants},
  doi       = {10.25643/bauhaus-universitaet.3935},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20190617-39353},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  pages     = {100},
  abstract  = {The need for finding persuasive arguments can arise in a variety of domains such as politics, finance, marketing or personal entertainment. In these domains, there is a demand to make decisions by oneself or to convince somebody about a specific topic. To obtain a conclusion, one has to search thoroughly different sources in literature and on the web to compare various arguments. Voice interfaces, in form of smartphone applications or smart speakers, present the user with natural conversations in a comfortable way to make search requests in contrast to a traditional search interface with keyboard and display. Benefits and obstacles of such a new interface are analyzed by conducting two studies. The first one consists of a survey for analyzing the target group with questions about situations, motivations, and possible demanding features. The latter one is a wizard-of-oz experiment to investigate possible queries on how a user formulates requests to such a novel system. The results indicate that a search interface with conversational abilities can build a helpful assistant, but to satisfy the demands of a broader audience some additional information retrieval and visualization features need to be implemented.},
  subject      = {Amazon Alexa},
  language  = {en}
}
@masterthesis{Lang,
  type      = {Bachelor Thesis},
  author    = {Lang, Kevin},
  title     = {Worteinbettung als semantisches Feature in der argumentativen Analyse},
  doi       = {10.25643/bauhaus-universitaet.3934},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20190617-39343},
  school      = {Bauhaus-Universit{\"a}t Weimar},
  pages     = {54},
  abstract  = {Diese Arbeit besch{\"a}ftigt sich mit der Nutzung von Worteinbettungen in der automatischen Analyse von argumentativen Texten. Die Arbeit diskutiert wichtige Einstellungen des Einbettungsverfahren sowie diverse Anwendungsmethoden der eingebetteten Wortvektoren f{\"u}r drei Aufgaben der automatischen argumentativen Analyse: Textsegmentierung, Argumentativit{\"a}ts-Klassifikation und Relationenfindung. Meine Experimente auf zwei Standard-Argumentationsdatens{\"a}tzen zeigen die folgenden Haupterkenntnisse: Bei der Textsegmentierung konnten keine Verbesserungen erzielt werden, w{\"a}hrend in der Argumentativit{\"a}ts-Klassifikation und der Relationenfindung sich kleine Erfolge gezeigt haben und weitere bestimmte Forschungsthesen bewahrheitet werden konnten. In der Diskussion wird darauf eingegangen, warum bei der einfachen Worteinbettung in der argumentativen Analyse sich kaum nutzbare Ergebnisse erzielen lassen konnten, diese sich aber in Zukunft durch erweiterte Worteinbettungsverfahren verbessern k{\"o}nnen.},
  subject      = {Argumentation},
  language  = {de}
}