1.3.3 Erstellung von Facettenklassifikationen - Fallbeispiele

Fallbeispiel 1: Facettierte Suche mit Apache Solr

Das folgende Video demonstriert die facettierte Suche auf Basis der Open-Source-Suchmaschine Apache Solr.

Fallbeispiel 2: Facettenklassifikation im Poster-Webshop

Wenden wir nun das Vorgehensmodell nach [Denton2003] auf unseren Poster-Webshop an, um eine Facettenklassifikation für Bilder zu erstellen.

Schritt 1 haben wir bereits im Zuge des Card Sorting aus dem vorigen Abschnitt erledigt.

In Schritt 2 schauen wir uns jede Entität (jedes Bild) genauer an und versuchen, jeweils die wesentlichen Eigenschaften zu extrahieren und zu dokumentieren. Nehmen wir an, dass hieraus die folgende Auflistung resultiert (Quelle: FreeDigitalPhotos.net):

Gewitter.jpg


Waescheklammern.jpg


Blaue kugeln.jpg

usw.

In Schritt 3 analysieren wir die soeben erstellte Entitätsliste im Hinblick auf Eigenschaften, die immer wieder auftauchen und damit als Kandidaten für Facetten in Frage kommen. Folgende Eigenschaften werden identifiziert:

  • Thema (siehe hierarchisches Klassifikationssystem aus dem vorigen Abschnitt)
  • Stimmung (fröhlich, optimistisch, neutral, melancholisch, bedrohlich)
  • Stil (Fotografie, Malerei, Digital Art, Illustration, Comic)
  • KünstlerIn (ungeeignet als Facette, da zu viele Ausprägungen)
  • Format (Hochformat, Querformat)
  • (Dominierender) Farbton (blau, braun, gelb, grau, grün, orange, rot, schwarz, violett, weiß)
  • Sättigungsgrad (gedeckt, leuchtend)
  • Veröffentlichungsjahr (2014, 2013, 2012, …)
  • Preiskategorie (ungeeignet, da die Poster preislich nur wenig differieren werden)

Schritt 4 haben wir bereits z. T. damit abgearbeitet, da wir zu jeder Facette die möglichen Ausprägungen in Klammern angegeben haben. Die zunächst identifizierten Facettenkandidaten KünstlerIn und Preiskategorie erweisen sich als ungeeignet, da sie zu viele (KünstlerIn) bzw. zu wenige Ausprägungen (Preiskategorie) besitzen. Im Rahmen einer Testklassifikation können wir prüfen, ob sich alle Entitäten mit dem erstellten System sinnvoll klassifizieren lassen. Schließlich entscheiden wir uns, die Ausprägungen jeder Facette in alphabetischer Reihenfolge anzuzeigen.

In Schritt 5 legen wir fest, in welcher Reihenfolge die Facetten auf der Website angezeigt werden sollen. Woran denken NutzerInnen zuerst, wenn Sie ein Bild suchen? Voraussichtlich zunächst an den Stil (Foto, Malerei, Illustration), anschließend an das Motiv, nachgelagert ggf. an Stimmung, Format etc. Wir entscheiden, die Facetten defaultmäßig in ebendieser Reihenfolge zu präsentieren.

Nun haben wir zwar systematisch eine Facettenklassifikation für unseren Poster-Shop entwickelt, müssen aber leider feststellen, dass sich diese so nicht in WordPress implementieren lässt. Mit dem Plugin Scriblio lässt sich allerdings ein Workaround realisieren: Scriblio ermöglicht eine facettierte Suche durch Kombination von Kategorien (oder Tags). Wir erstellen nun pro Facette eine eigene (hierarchische) Klassifikation, die jeweils die Ausprägungen der Facette als Kategorien enthält. Hat man die Entitäten so klassifiziert (Schritt 6), dass eine Entität allen passenden Kategorien aller Taxonomien zugeordnet ist, lässt sich über das Widget des Plugins eine facettenorientierte Filterung durchführen. Dies wird im folgenden Video beispielhaft gezeigt.

 

Damit sind wir bei Schritt 7 angelangt, also der Prüfungs- und Wartungsphase, die wir an dieser Stelle nicht näher behandeln wollen.



  • Denton2003 William Denton. Wie man eine Facettenklassifikation erstellt und diese ins Web bringt. Quelle, 2003.