000 Informatik, Wissen, Systeme
Filtern
Erscheinungsjahr
Dokumenttyp
- Konferenzveröffentlichung (88)
- Wissenschaftlicher Artikel (57)
- Teil eines Buches (Kapitel) (54)
- Bachelorarbeit (20)
- Bericht/Forschungsbericht (20)
- Masterarbeit (17)
- Buch (Monographie) (14)
- Diplomarbeit (4)
- Arbeitspapier (3)
- Preprint (1)
Sprache
- Deutsch (147)
- Englisch (129)
- Französisch (1)
- Mehrsprachig (1)
Schlagworte
- Visualisierung (43)
- Benutzeroberfläche (28)
- Information Retrieval (26)
- Mensch-Maschine-Kommunikation (22)
- Digitalisierung (20)
- Metadaten (19)
- Bewertung (18)
- Forschung (14)
- Daten (12)
- Software (12)
Institut
- FB5 Informationswissenschaften (117)
- FB4 Design (100)
- Publikationen des FB Informationswissenschaften (78)
- Inst. für angewandte Forschung Urbane Zukunft (IaF) (26)
- Extern (17)
- FB1 Sozial- und Bildungswissenschaften (17)
- Europäische Medienwissenschaft (15)
- Urban Complexity Lab (UCLAB) (4)
- Zentrale Einrichtung Gründungsservice & Managementqualifikationen (ZEGM) (3)
- Architektur/Städtebau (2)
Das Thema der algorithmischen künstlichen Intelligenz hat mit der Veröffentlichung des omnipräsent in den Medien behandelten Chatbots ChatGPT seit November 2022 erheblich an Fahrt aufgenommen. Als disruptive Technologie, wie das erwähnte Large Language Model auch schon des Öfteren bezeichnet wurde, könnte man für den Dienstleistungsbereich von Archiven durchaus auch das Aufkommen der OCR - gepaart mit der HTR-Technologie (Handwritten Text Recognition) bezeichnen. Die Möglichkeit alte maschinenschriftliche Texte von Unikaten in Unicode zu übersetzen und so am PC durchsuchbar zu machen, besteht zwar schon lange (OCR existiert als Prototyp-Technologie seit den 1950er Jahren), allerdings wurde die Anpassung der Technologie auf handschriftliche, historische Unterlagen lange Zeit als unüberwindbare Herausforderung angesehen. Dies hat sich zügig verändert, seitdem die HTR-Technologie durch die Plattform Transkribus 2015 mit Mitteln aus dem Rahmenprogramm der Europäischen Kommission als Teil des Projekts tranScriptorium (2013-2015) erhebliche Entwicklungssprünge tat. Erneut von der Europäischen Kommission finanziert, diesmal im Rahmen von Horizon 2020, zielt das Nachfolgeprojekt als Europäische Genossenschaft READ-Coop darauf ab, eine funktionierende Online-Forschungsinfrastruktur zu erhalten, zu entwickeln und zu fördern, in der neue Technologien Innovationen in der Archivforschung ermöglichen. Seitdem ist die Plattform bei Historikern, Archivaren, Bibliothekaren und Big-Data-Scientists stetig beliebter geworden. Transkribus ist nicht die einzige Software in der Welt der HTR-Software. Aber vor Anbietern wie eScriptorium (seit 2018), ist sie die beliebteste Plattform für die Anwendung an historischen Dokumenten.
In Zeiten, in denen soziale Netzwerke stetig weiterwachsen und rasant an Mitgliedern gewinnen, entstehen auch mehr Inhalte, als vor Jahrzehnten vorstellbar gewesen wären. Dadurch, dass ein Großteil der Gesellschaft Anteil an solchen sozialen Netzwerken nimmt und über deren Kommunikationswege auch diskutiert und Informationen austauscht, ist es zunehmend relevanter geworden, einen sicheren Rahmen für diesen Austausch zu bieten. Dabei ist vor allem die sogenannte hassgeladene Sprache (engl.: Hate-Speech) ein großes Problem. Um einen gesitteten Austausch gewährleisten zu können, werden Verfahren eingesetzt, um hassgeladene Aussagen automatisch zu erkennen. Diese Methoden bedienen sich Klassifikationsmethoden aus dem Bereich des Text Mining, welches diverse Methoden beinhaltet, um Informationen aus Texten zu extrahieren. Ein Teil davon sind die sogenannten Klassifikationsmethoden, welche durch Ensemble-Methoden noch verbessert werden können. Sie werden in diversen Forschungsfeldern des maschinellen Lernens eingesetzt und erzielen durchweg positive Ergebnisse (Dong et al., 2020, S. 251) (Tasci, 2020, S. 30416). In der vorliegenden Arbeit werden Ensemble-Methoden an einer Shared Task angewendet und dabei die GermEval2019 betrachtet, da diese sich mit deutschsprachigen, hassgeladenen Texten beschäftigt.
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.
Interfacing with power
(2017)
Drawing connections
(2018)
An/Leiten
(2017)
Carrying Computerization
(2018)
Durch und über Computer
(2019)
Einleitung : Interface
(2021)
From shock to shift
(2023)
We present a multi-dimensional, multi-level, and multi-channel approach to data visualization for the purpose of constructive climate journalism. Data visualization has assumed a central role in environmental journalism and is often used in data stories to convey the dramatic consequences of climate change and other ecological crises. However, the emphasis on the catastrophic impacts of climate change tends to induce feelings of fear, anxiety, and apathy in readers. Climate mitigation, adaptation, and protection—all highly urgent in the face of the climate crisis—are at risk of being overlooked. These topics are more difficult to communicate as they are hard to convey on varying levels of locality, involve multiple interconnected sectors, and need to be mediated across various channels from the printed newspaper to social media platforms. So far, there has been little research on data visualization to enhance affective engagement with data about climate protection as part of solution-oriented reporting of climate change. With this research we characterize the unique challenges of constructive climate journalism for data visualization and share findings from a research and design study in collaboration with a national newspaper in Germany. Using the affordances and aesthetics of travel postcards, we present Klimakarten, a data journalism project on the progress of climate protection at multiple spatial scales (from national to local), across five key sectors (agriculture, buildings, energy, mobility, and waste), and for print and online use. The findings from quantitative and qualitative analysis of reader feedback confirm our overall approach and suggest implications for future work.