TY - JOUR A1 - Hoey, Jesse A1 - Schröder, Tobias A1 - Morgan, Jonathan Howard A1 - Rogers, Kimberly B. A1 - Rishi, Deepak A1 - Nagappan, Meiyappan T1 - Artificial Intelligence and Social Simulation BT - Studying Group Dynamics on a Massive Scale JF - Small Group Research N2 - Recent advances in artificial intelligence and computer science can be used by social scientists in their study of groups and teams. Here, we explain how developments in machine learning and simulations with artificially intelligent agents can help group and team scholars to overcome two major problems they face when studying group dynamics. First, because empirical research on groups relies on manual coding, it is hard to study groups in large numbers (the scaling problem). Second, conventional statistical methods in behavioral science often fail to capture the nonlinear interaction dynamics occurring in small groups (the dynamics problem). Machine learning helps to address the scaling problem, as massive computing power can be harnessed to multiply manual codings of group interactions. Computer simulations with artificially intelligent agents help to address the dynamics problem by implementing social psychological theory in data-generating algorithms that allow for sophisticated statements and tests of theory. We describe an ongoing research project aimed at computational analysis of virtual software development teams. KW - Künstliche Intelligenz KW - Gruppendynamik KW - Maschinelles Lernen KW - Virtuelles Team KW - Simulation Y1 - 2018 U6 - https://doi.org/10.1177/1046496418802362 SN - 1552-8278 VL - 49 IS - 6 SP - 647 EP - 683 PB - Sage Publications CY - London ER - TY - CHAP A1 - Malhotra, Aarti A1 - Yu, Lifei A1 - Schröder, Tobias A1 - Hoey, Jesse T1 - An exploratory study into the use of an emotionally aware cognitive assistant T2 - AAAI Workshop : Artificial Intelligence Applied to Assistive Technologies and Smart Environments N2 - This paper presents an exploratory study conducted to understand how audio-visual prompts are understood by people on an emotional level as a first step towards the more challenging task of designing emotionally aligned prompts for persons with cognitive disabilities such as Alzheimer’s disease and related dementias (ADRD). Persons with ADRD often need assistance from a caregiver to complete daily living activities such as washing hands, making food, or getting dressed. Artificially intelligent systems have been developed that can assist in such situations. This paper presents a set of prompt videos of a virtual human ‘Rachel’, wherein she expressively communicates prompts at each step of a simple hand washing task, with various human-like emotions and behaviors. A user study was conducted for 30 such videos with respect to three basic and important dimensions of emotional experience: evaluation, potency, and activity. The results show that, while people generally agree on the evaluation (valence: good/bad) of a prompt, consensus about power and activity is not as socially homogeneous. Our long term aim is to enhance such systems by delivering automated prompts that are emotionally aligned with individuals in order to help with prompt adherence and with long-term adoption. KW - Audiovisuelles Material KW - Alzheimerkrankheit KW - Demenz KW - Künstliche Intelligenz Y1 - 2015 UR - https://www.aaai.org/ocs/index.php/WS/AAAIW15/paper/download/10147/10147 PB - Association for the Advancement of Artificial Intelligence CY - Palo Alto ER - TY - BOOK ED - Lindner, Hans-Günter ED - Bente, Stefan ED - Richter, Claus T1 - Menschenbilder und Digitalisierung : The Human Default aus interdisziplinärer Sicht N2 - Der Einfluss digitaler Technologien auf organisatorische Abläufe und die Interaktion zwischen Beteiligten nehmen in der Gesellschaft ständig zu. An der Schnittstelle von Mensch und Technik beschreibt dieses Buch im Rahmen eines interdisziplinären Ansatzes unterschiedliche Menschenbilder und -modelle. Es ermöglicht somit einen spannenden Perspektivwechsel auf die Entwicklung und den Einsatz digitaler Technologien. Erkennbar werden dabei zahlreiche Gemeinsamkeiten, aber auch gegenläufige Positionen aus technischer, ethischer, pädagogischer oder rechtlicher Sicht. KW - Digitalisierung KW - Menschenbild KW - Künstliche Intelligenz Y1 - 2022 SN - 978-3-658-37164-7 U6 - https://doi.org/10.1007/978-3-658-37164-7 PB - Springer Gabler CY - Wiesbaden ER - TY - RPRT A1 - Witter, Stefanie A1 - Meinhardt-Injac, Bozana A1 - Siemer, Lutz A1 - Späte, Julius T1 - ChatGPT im Studium der Sozialen Arbeit BT - Eine quantitative Studie zur Nutzung, Bewertung und Thematisierung in der Hochschule aus Studierendensicht N2 - Künstliche-Intelligenz-Systeme beeinflussen fundamental die Bildungslandschaft und werden voraussichtlich immer relevanter werden. Besonders das Large Language Model ChatGPT hat zu einer tiefgreifenden Perturbation der Hochschullandschaft geführt. Auch im Studium der Sozialen Arbeit hat ChatGPT Einzug gehalten und Hochschulangehörige stehen vor der Herausforderung, einen adäquaten Umgang damit zu entwickeln. Ein wesentlicher Ausgangspunkt, um einen Umgang mit solchen Systemen zu entwickeln, kann in einer Beschreibung des aktuellen Nutzungsverhaltens von Studierenden zu finden sein. Die vorliegende quantitative Studie widmete sich dieser Aufgabe und bietet einen solchen Ausgangspunkt konkret für das Studienfeld der Sozialen Arbeit. Es wurden deutschlandweit und semesterübergreifend 875 Sozialarbeitstudierende verschiedener Hochschulen zu ihrem Nutzungsverhalten von ChatGPT befragt. Neben dem Nutzungsverhalten wurden in der Studie auch die Bewertung des KI-Tools, dessen Thematisierung im Studium und die Technikaffinität der Studierenden erhoben. Die Ergebnisse der vorliegenden Forschung zeigen eine hohe Nutzung des Tools mit über 80% und betonen somit die Relevanz einer Thematisierung im Studium der Sozialen Arbeit zur Nutzung von KI-Tools wie ChatGPT und bieten eine Grundlage für zukünftige Forschungen sowie didaktische Innovationen. KW - Künstliche Intelligenz KW - ChatGPT KW - Großes Sprachmodell KW - Studiengang Soziale Arbeit KW - Studentin KW - Student KW - Large Language Models KW - Quantitative Methode KW - Umfrage Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:525-33820 CY - Potsdam ER -