WOER suchet, der findet nicht! Identifikation von thematisch verwandten OER-Materialien

Zusammenfassung

Der Vision von OER zum Trotz agieren Lehrende bei der Materialerstellung weitgehend isoliert. Es fehlt ein Überblick über thematisch verwandte offene Materialien und damit die Möglichkeit, sich an vorhandenen Ressourcen zu orientieren. Klassischen Suchmechanismen in OER-Repositories fehlt es an Möglichkeiten, den konkreten Bedarf einer Lehr-Lern-Situation adäquat abzubilden – zumal die dafür nötigen Metadaten in der Praxis überwiegend fehlen oder inkonsistent sind. Der vorliegende Beitrag verfolgt einen alternativen Ansatz: Anstelle schlagwort- oder formularbasierter Suche werden Ähnlichkeitsmaße genutzt, um thematisch verwandte OER-Materialien automatisch zu identifizieren. Parallel dazu werden mittels KI-basierter Verfahren Metadaten (Titel, Autorenschaft, Schlagwörter, Dewey-Klassifikation) extrahiert, die eine Orientierung in den Ergebnissen und die Anbindung an bibliothekarische Nachweisinstrumente ermöglichen. Grundlage sind die unter einer freien Lizenz im sächsischen OPAL-Lern-Managementsystem verfügbaren Materialien. Der Beitrag beschreibt die vollständige Daten-Pipeline für Aggregation, Vorverarbeitung, Metadatenextraktion und Ähnlichkeitsanalyse. Verschiedene Methoden der Ähnlichkeitsbewertung werden implementiert und evaluiert. Die Umsetzung erfolgt mit freien LLMs auf lokalen Rechnern. Ein interaktiver Graph demonstriert als Proof-of-Concept, wie Ähnlichkeitsstruktur und Metadaten zusammenwirken, um eine explorative Suche in heterogenen OER-Beständen zu ermöglichen.