Erklärbarkeit von Clusterings und Rankings in öffentlichen Beteiligungsverfahren

Abstract

Die Arbeit untersucht die Erklärbarkeit von Clusterings und Rankings von Beteiligungsbeiträgen in der Anwendungsdomäne rund umdigitale, öffentliche Beteiligungsverfahren. Diese Beteiligungsverfahren sind in Planungs- und Entwicklungsprozessen der Raumplanung eingebettet. Somit tangiert dies beispielsweise die Stadtplanung oder die Landesplanung. In der Arbeit werden die Perspektiven der Öffentlichkeit und der Mitarbeitenden der öffentlichen Verwaltungen eingenommen. Während die Öffentlichkeit Beteiligungsbeiträge formuliert und einreicht, um beispielsweise Ideen oder Bedenken zu äußern, sind es die Mitarbeitenden der öffentlichen Verwaltungen, die diese für die weitere Planung auswerten und dabei auch teilweise über deren Beachtung entscheiden. Die damit assoziierte Wissensentdeckung ist anspruchsvoll und zeitaufwändig. Die Unterstützung durch Methoden des Clusterns und Rankens soll die Exploration und Analyse von Beteiligungsbeiträgen erleichtern, denn häufig sind zusammenhängende oder ähnliche Beteiligungsbeiträge für die erwähnten Akteure von Interesse. So können verwandte Themen und Anliegen identifiziert und gegenübergestellt werden. Mit diesen Methoden entstehen aber auch neue Herausforderungen, was die Erklärbarkeit von Clusterings und Rankings betrifft. Die Arbeit untersucht deshalb Methoden zur Erklärbarkeit von Clusterings und Rankings. Sie setzt dabei verschiedene Schwerpunkte. Ein wesentlicher Bestandteil ist die Ermittlung von Anknüpfungspunkten für das Clustern und Ranken in Beteiligungsverfahren. Die Arbeit führt außerdem eine grafische Nutzungsoberfläche für die sogenannte Abwägung von Beteiligungsbeiträgen ein, die eine Rankingkomponente integriert. Ferner wird ein Modell zur umfangreichen Unterscheidung von Clusterings mitsamt Anwendungsfällen in der Auswertung von Beteiligungsbeiträgen präsentiert. Dieses lässt sich für verschiedene Beteiligungsverfahren einsetzen und beachtet dabei Eingabeparameter, Datenparameter, Metadatenparameter, Clusterzuweisungen und Modellparameter. Außerdem werden Methoden zur Ermittlung von Prototypen und Kritiken in Clusterings und Rankings vorgestellt. Diese dienen zur Gewinnung von beispielbasierten Erklärungen. Dabei handelt es sich um repräsentative Dateninstanzen. Verschiedene, umfangreiche Nutzungsstudien sprechen für die Eignung der entwickelten Methoden. Untersucht wurden beispielsweise die Genauigkeit, die Effizienz und die empfundene Schwierigkeit einzelner Methoden im Vergleich mit anderen Baselines. Teilweise liegen statistisch signifikante Unterschiede vor. Abschließend wird ein Ausblick auf zukünftige Forschungsarbeiten gegeben.

The thesis investigates the explainability of clusterings and rankings of contributions in the domain of digital public participation processes. These participation processes are embedded in planning and development processes of spatial planning. They affect areas such as urban and regional planning. The thesis adopts the perspectives of both the public and employees of public administrations. While the public formulates and submits contributions, e.g., to express ideas or concerns, it is the employees of public administrations who assess these contributions for further planning and, in part, decide on their consideration. However, the associated process of knowledge discovery is demanding and time-consuming. Support through clustering and ranking methods is intended to facilitate the exploration and analysis of contributions submitted to participation process. This is especially relevant since related or similar contributions are often of interest to the aforementioned actors. In this way, related topics and concerns can be identified and compared. Yet these methods also introduce new challenges regarding the explainability of clusterings and rankings. Therefore, the thesis investigates methods for explaining clusterings and rankings. In this regard, it emphasises various aspects. The determination of anchor points for clustering and ranking in participation processes is one essential element. Furthermore, the thesis introduces a graphical user interface for the so-called assessment of contributions. This graphical user interface incorporates a ranking component. This work also presents a model for a comprehensive differentiation of clusterings, including use cases for the analysis of contributions. This model can be applied across different clustering algorithms and considers input data parameters, metadata parameters, cluster assignments, and model parameters. Methods for identifying prototypes and criticisms in clusterings and rankings are also presented. These are used to compute example-based explanations, representing representative data instances. Various extensive user studies support the suitability of the developed methods. For example, the user studies investigated the accuracy, efficiency, and perceived difficulty of individual methods in comparison with other baseline methods. In some cases, statistically significant differences were found. Finally, the thesis provides an outlook on future research.