Inst. für angewandte Forschung Urbane Zukunft (IaF)
Filtern
Erscheinungsjahr
Dokumenttyp
- Wissenschaftlicher Artikel (91)
- Teil eines Buches (Kapitel) (53)
- Buch (Monographie) (28)
- Konferenzveröffentlichung (26)
- Bericht/Forschungsbericht (9)
- Arbeitspapier (3)
- Vorlesung/Vortrag (1)
Gehört zur Bibliographie
- ja (211)
Schlagworte
- Visualisierung (33)
- Nachhaltigkeit (17)
- Kind (15)
- Digitalisierung (10)
- Entdeckendes Lernen (9)
- Film (9)
- Stadtentwicklung (9)
- Transdisziplinarität (9)
- Kindertagesstätte (8)
- Künstliche Intelligenz (8)
Institut
- Inst. für angewandte Forschung Urbane Zukunft (IaF) (211)
- FB1 Sozial- und Bildungswissenschaften (72)
- FB4 Design (45)
- FB5 Informationswissenschaften (19)
- Publikationen des FB Informationswissenschaften (18)
- Europäische Medienwissenschaft (14)
- Architektur/Städtebau (8)
- Urbane Zukunft (5)
- Urban Complexity Lab (UCLAB) (4)
- FB3 Bauingenieurwesen (3)
This article explores how game design can serve as a method of forensic aesthetics by investigating and representing social realities through immersive, interactive experiences. It asks: How can practice-based design research, informed by forensic aesthetics, be used to develop immersive, narrative-based VR experiences that communicate marginalized mental health realities and challenge systemic stigma? Drawing on practice-based design research and artistic research, it presents the development of a VR experience (hopohopo), designed to raise awareness for Social Anxiety Disorder (SAD). Through usability and immersion testing the study demonstrates how informed, affective design can convey the lived realities of marginalized individuals. Rather than seeking legal judgment, hopohopo symbolically uncovers societal neglect of mental illness, using surreal aesthetics, narrative storytelling, and sensory immersion to evoke empathy and challenge stigma. This approach highlights the potential of games and game design as investigative and experiential tools within forensic aesthetics.
In der diesem Bericht zugrundeliegenden Diplomarbeit wurde das raumklimatische Verhalten der Muschelgrotte im Neuen Garten in Potsdam in Abhängigkeit von verschiedenen Lüftungsszenarien und unter Berücksichtigung der über den Fußboden eindiffundierenden Feuchte untersucht. Bevor das Raumklima untersucht und das hygrothermische Verhalten des Bauwerks mittels Simulationen bewertet wurde, wurden im Rahmen einer Bauaufnahme geotechnische und bauphysikalische Untersuchungen vorgenommen. In den hygrothermischen Gebäudesimulationen wurde der bauphysikalischen Interaktion zwischen dem Raumklima und dem feuchtebelasteten Fußboden besondere Aufmerksamkeit gewidmet. Abschließend wurden Möglichkeiten zur Reduzierung der Raumluft- und Oberflächenfeuchte sowie feuchtetechnischen Situation des Fußbodens herausgestellt.
The affective connotations of words are central to meaning and important predictors of many social processes. As such, understanding the degree to which commercially-available generative language models (LLMs) replicate human judgements of affective connotations may help better understand human-model interactions. LLMs may also serve as useful tools for researchers seeking affective meaning estimates. We test the ability of three LLMs – GPT-4o, Mistral Large, and Llama 3.1 – to estimate human affective connotation ratings of words representing social identities, behaviours, modifiers, and settings in three language cultures: English (US), French (France), and German (Germany). We find that LLM ratings of terms correlate strongly with human ratings. However, their ratings tend to be overly extreme and patterns of correlations between meaning dimensions only loosely approximate those of human ratings. Consistent with previous findings of English-language and American biases in LLMs, we find that LLMs tend to perform better on English terms, though this pattern varies somewhat by meaning dimension and the type of term in question. We explore how LLMs might contribute to scholarship on affective connotations – by acting as tools for measurement – and how scholarship on affective connotations might contribute to generative language models – by guiding exploration of model biases.
Wie prägt Geschlecht die mediale Darstellung von Wissenschaftler*innen in klassischen und digitalen Medien? Mit etablierten und innovativen Methoden analysieren die Beiträger*innen strukturelle Barrieren sowie stereotype Narrative und decken neue Chancen der Sichtbarkeit auf. Dabei rücken sie Prozesse der Wissenschaftskommunikation im gesellschaftlichen Dialog in den Fokus und verbinden theoretische Analysen mit Praxisbeispielen und Handlungsempfehlungen für die strategische Gestaltung von Sichtbarkeit – ein interdisziplinärer Überblick für alle, die sich mit neuen Methoden für eine gerechtere Wissenschaftskommunikation auseinandersetzen.
Sichtbarkeit ist nicht genug
(2025)
Die Studie analysiert 21.811 Twitter-Accounts von Wissenschaftler*innen und ihre Tweets mit Blick auf die digitale Selbstdarstellung nach Gender. Mit digitalen Methoden (u.a. Stilometrie, Topic Modeling, Word Embeddings) wird herausgearbeitet, dass Wissenschaftlerinnen* im Sinne des FLINTA*-Begriffs häufiger Care- und Genderthemen betonen und sich in den Geistes- und Sozialwissenschaften verorten, während männlich gelesene Accounts größere Nähe zu Technikwissenschaften und Ökonomie aufweisen und deutlich häufiger den Begriff »Experte« zur Selbstbeschreibung nutzen. Gender prägt somit digitale Selbstnarrative.
Die Studie untersucht mittels Eyetracking, wie Wissenschaftler*innen und Journalist*innen (n = 12) online nach Expert*innen recherchieren. Die Daten wurden einer quantitativen Inhaltsanalyse unterzogen und um qualitative Interviews ergänzt. Es fanden sich signifikante Unterschiede in den konsultierten Webseitentypen und -inhalten sowie im Gender der rezipierten Expert*innen, jedoch nicht mit Blick auf die Auswahl.
Der Beitrag zeigt, wie im Forschungsprojekt @diewissenschaftlerinnen Strategien zur Sichtbarmachung, Vernetzung und Stärkung von Wissenschaftlerinnen über Social Media entwickelt und praktisch erprobt wurden. Anhand der Handlungsfelder #Empowerment, #Visibility und #Awareness wird eine praxisnahe Perspektive auf digitale Wissenschaftskommunikation eröffnet, die Sichtbarkeit als kollektive, kuratierte und moderierte Praxis versteht.
This case study presents an innovative approach for explaining wildfire susceptibility through a web-based Geospatial eXplainable Artificial Intelligence (GeoXAI) system. By addressing limitations in traditional GeoXAI tools, such as the lack of geographical context for model predictions and local explanation, this system integrates state-of-the-art XAI methods with open-source geospatial technologies. Applied to the wildfire-prone regions of Berlin and Brandenburg, Germany, the system combines environmental, topographic, and meteorological features derived from high-resolution geospatial data for training a Random Forest (RF) model. The web-based GeoXAI system enables interactive exploration of the model output and its features, allowing users to visualize wildfire susceptibility, examine feature contributions, and correlate predictions with spatial patterns through post-hoc interpretability. By employing post-hoc explanation methods like SHAP, the system offers clear insights into model predictions by analyzing feature contributions after training, which helps users better understand AI-driven outcomes. Designed with a user-centered approach, the platform promotes trust and usability through transparent predictions, interactive geovisualizations, and local explanations, allowing users to navigate spatial data intuitively by exploring overviews, focusing on specific regions, and accessing detailed insights on demand. This work highlights the potential of combining GeoXAI with machine learning to improve decision-making in wildfire prevention and management.