In unserer zunehmend technisierten Welt gewinnt die Nutzung von innovativen Technologien auch im Bildungssektor immer mehr an Bedeutung. Chatbots bieten die Möglichkeit, Wissen auf eine neue und auf den Nutzer zugeschnittene Art zu vermitteln. Ein empathisches, sachliches und didaktisches Verständnis der vom Nutzer verfassten Texte könnte den Chatbot in einer Weise unterstützen, die dem Nutzer in seinem Bildungsweg zugutekommt.
Eine Verbesserung des Textverständnisses von Chatbots kann durch die Sentimentanalyse erreicht werden, indem die in den Texten der Nutzereingaben enthaltenen Stimmungen, Meinungsäußerungen und Emotionen gezielt gesucht und extrahiert werden. Während in der Forschung für die Extraktion von Stimmungen und Emotionen englischsprachiger Texte bereits viele Untersuchungen vorliegen, gibt es bisher weniger Aktivitäten, deutschsprachige Texte auf diese Weise zu analysieren.
Es gibt verschiedene Ansätze die Sentimentanalyse umzusetzen. In dieser Masterarbeit soll die Sentimentanalyse für Chatbot-Nutzereingaben konzeptionell untersucht und mit der
Unterstützung von maschinellem Lernen prototypisch durchgeführt werden.
Dafür wurde ein Konzept entwickelt, welches die Komponenten Polarität und Emotion der Sentimenanalyse betrachtet und daraus die Zufriedenheit des Nutzers ableitet. Das Kon-
zept wurden mit Hilfe von Python-Skripten und Klassifikationsmodellen in zentralen Teilen getestet.