Entwicklung einer KI-gestützten Web-Anwendung zur Emotionserkennung in Social Media Beiträgen

Emotionen und Sentiment spielen eine Rolle bei der Erkennung von Misinformationen
in Sozialen Medien. Im Rahmen dieser Arbeit wird eine Anwendung entwickelt und
evaluiert, welche die parallele Klassifizierung von linearen Abfolgen von textbasierten
Beiträgen auf Social Media ermöglicht. Die Anwendung nutzt für die Klassifizierung
das vortrainierte generative Transformermodell GPT-4o von OpenAI, das mithilfe
der Assistants API abgerufen wird. Die Anwendung setzt sich aus einem Front- und
Backend zusammen, die durch eine API interagieren, die auch in andere Anwendungen
integriert werden kann.
Die Umsetzung der Anwendung orientiert sich dabei an einem menschzentrierten
Gestaltungsprozess, der sich aus den Phasen Analyse, Konzeption, Implementierung
und Evaluation zusammensetzt. In der Analyse wurden durch eine Literaturrecherche
KI-Techniken und Datensätze identifiziert, die sich für die Analyse anbieten. Außerdemwurden
Interviews mit Personen der Zielgruppe durchgeführt, um die Anforderungen
festzulegen.
Darauf aufbauend wurde in der Konzeption die grundlegende Systemarchitektur und
das Webinterface gestaltet.
Die Implementierung umfasst die Integration der OpenAI Assistants API in das Backend,
sowie dessen und das des Webinterfaces Umsetzung.
Die abschließende summative Evaluation setzt sich aus quantitativen und qualitativen
Aspekten zusammen und zeigt, dass das webbasierte Interface basierend auf den
Teilnehmenden eine gute Usability aufweist, aber Verbesserungspotential vorhanden
ist.