@techreport{AlbrechtLehmannZauter2021, author = {Albrecht, Jens and Lehmann, Robert and Zauter, Sigrid}, title = {Digitale Assistenz in der psychosozialen Beratung}, volume = {2021}, number = {1}, organization = {Institut f{\"u}r e-Beratung}, doi = {10.34646/thn/ohmdok-779}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:92-opus4-7792}, pages = {48}, year = {2021}, abstract = {In vielen Unternehmen werden heutzutage Chatbots eingesetzt, um Standard-Anfragen von Kunden effizient zu beantworten. Auch im psychosozialen Beratungsumfeld k{\"o}nnen nat{\"u}rlichsprachliche digitale Assistenzen eine sinnvolle Erg{\"a}nzung zu menschlichen Beratern sein, denn sie sind jederzeit verf{\"u}gbare, anonyme Ansprechpartner. Die H{\"u}rden f{\"u}r den Einsatz in der psychosozialen Beratung sind allerdings hoch, da die Entwicklung und der Betrieb von Chatbots zun{\"a}chst Kosten verursacht und systematische Studien zum Mehrwehrt derartiger Systeme in diesem Anwendungsfeld bisher nicht vorliegen. Ziel des Projekts DIA (Digitale Assistenz) war die prototypische Entwicklung eines lernf{\"a}higen Chatbots f{\"u}r die psychosoziale Beratung. Dabei wurde insbesondere die Frage untersucht, wie aufw{\"a}ndig es ist, einen KI-basierten Chatbot ausschließlich mit Open-Source-Technologie zu entwickeln. Das von der Staedtler-Stiftung gef{\"o}rderte Projekt lief von September 2019 bis Februar 2021. Die Arbeiten wurden in einer interdisziplin{\"a}ren Kooperation vom Institut f{\"u}r E-Beratung mit der Fakult{\"a}t Informatik der TH N{\"u}rnberg durchgef{\"u}hrt. Als Anwendungsdom{\"a}ne diente die Bildungsberatung f{\"u}r den Zertifikatskurs Online-Beratung, die bisher haupts{\"a}chlich {\"u}ber E-Mail-Kommunikation erfolgt.}, subject = {Psychosoziale Beratung}, language = {de} } @techreport{RobertAlbrechtZauter2020, author = {Robert, Lehmann and Albrecht, Jens and Zauter, Sigrid}, title = {CaSoTex, Computerunterst{\"u}tzte Analyse Sozialwissenschaftlicher Texte}, series = {E-Beratung}, volume = {2020}, journal = {E-Beratung}, number = {1}, address = {N{\"u}rnberg}, organization = {Institut f{\"u}r e-Beratung}, doi = {10.34646/thn/ohmdok-619}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:92-opus4-6197}, pages = {10}, year = {2020}, abstract = {Ziel des Forschungsprojektes war die Erforschung der Einsatzm{\"o}glichkeiten computerlinguistischer Methoden und maschineller Lernverfahren zur automatisierten Analyse sozialwissenschaftlicher Texte. Die Datengrundlage bildeten digital vorliegende Beitr{\"a}ge aus moderierten, sozialen Beratungsforen. Anhand konkreter sozial-wissenschaftlicher Fragestellungen zu Wirkungszusammenh{\"a}ngen in der Onlineberatung sollte untersucht werden, inwiefern Computer-Linguistik und maschinelle Lernverfahren qualitative Analysen unterst{\"u}tzen bzw. erg{\"a}nzen k{\"o}nnen, wo die Grenzen der Verfahren liegen und wie bei deren Einsatz vorzugehen ist. Im Projekt wurden erste konkrete Erkenntnisse generiert, der Forschungsverbund vergr{\"o}ßerte sich, Praxis-Forschungsprojekte wurden beantragt und es entstanden weitere {\"U}berlegungen zu gr{\"o}ßeren Forschungsprojekten. Die aktuellen Ergebnisse sind vielversprechend. {\"U}berwachte Lernverfahren k{\"o}nnen mit ausreichend vielen und gut vorbereiteten Trainingsdaten interpretierbare und verwertbare Erkenntnisse liefern.}, subject = {K{\"u}nstliche Intelligenz}, language = {de} } @inproceedings{AlbrechtFiedlerKiefer, author = {Albrecht, Jens and Fiedler, Marc and Kiefer, Tim}, title = {A Rule-Based Approach to Local Anonymization for Exclusivity Handling in Statistical Databases}, series = {In: Domingo-Ferrer, J., Pejić-Bach, M. (eds) Privacy in Statistical Databases. PSD 2016. Lecture Notes in Computer Science, vol 9867.}, booktitle = {In: Domingo-Ferrer, J., Pejić-Bach, M. (eds) Privacy in Statistical Databases. PSD 2016. Lecture Notes in Computer Science, vol 9867.}, publisher = {Springer}, address = {Cham}, doi = {10.1007/978-3-319-45381-1_7}, pages = {14}, abstract = {Statistical databases in general and data warehouses in particular are used to analyze large amounts of business data in pre-defined as well as ad-hoc reports. Operators of statistical databases must ensure that individual sensitive data, e.g., personal data, medical data, or business-critical data, are not revealed to unprivileged users while making use of these data in aggregates. Business rules must be defined and enforced to prevent disclosure. The unsupervised nature of ad-hoc reports, defined by the user and unknown to the database operator upfront, adds to the complexity of keeping data secure. Storing sensitive data in statistical databases demands automated methods to prevent direct or indirect disclosure of such sensitive data. This document describes a rule-based approach to local recoding of sensitive data. It introduces the notion of exclusivity to describe quasiidentifiers with local rules based on the multidimensional data model. It further defines options to treat exclusive entities that may disclose sensitive data. The local anonymization minimizes information loss and works well even with very large data sets.}, language = {en} } @techreport{AlbrechtLehmannPoltermann2024, author = {Albrecht, Jens and Lehmann, Robert and Poltermann, Aleksandra}, title = {GeCCo 1.0 - Erstellung eines {\"o}ffentlichen Datensatzes f{\"u}r die KI-basierte Inhaltsanalyse in der Online-Beratung}, series = {Schriftenreihe der Technischen Hochschule N{\"u}rnberg Georg Simon Ohm}, journal = {Schriftenreihe der Technischen Hochschule N{\"u}rnberg Georg Simon Ohm}, organization = {Technische Hochschule N{\"u}rnberg}, doi = {10.34646/thn/ohmdok-1389}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:92-opus4-13894}, pages = {3 -- 15}, year = {2024}, abstract = {Ein Einsatzfeld K{\"u}nstlicher Intelligenz im Bereich der Sozialen Arbeit ist die automatische Inhaltsanalyse von Konversationen aus der psychosozialen Onlineberatung. M{\"o}gliche Anwendungen sind die statistische Untersuchung von Wirkzusammenh{\"a}ngen sowie die Entwicklung KI-basierter Dialog-und Unterst{\"u}tzungssysteme. Die Grundlage f{\"u}r das Training entsprechender Modelle sind aussagekr{\"a}ftige und realistische Trainingsdaten. Im Rahmen des Projektes GeCCo (German e-Counseling Conversation Dataset) wurde ein erster deutschsprachiger Datensatz f{\"u}r die Analyse psychosozialer Beratungskonversationen erstellt und ver{\"o}ffentlicht. Wesentlicher Bestandteil ist ein neu entwickeltes Kategoriensystem, das eine feingranulare inhaltliche Klassifikation in 40 Berater-und 28 Klienten-Kategorien erm{\"o}glicht. Basierend auf dem Datensatz konnten erfolgreich verschiedene Modelle mithilfe maschineller Lernverfahren trainiert und f{\"u}r die wissenschaftliche Nutzung bereitgestellt werden.}, language = {de} } @inproceedings{RudolphEngertAlbrecht2024, author = {Rudolph, Eric and Engert, Natalie and Albrecht, Jens}, title = {An AI-Based Virtual Client for Educational Role-Playing in the Training of Online Counselors}, series = {Proceedings of the 16th International Conference on Computer Supported Education - Volume 2}, booktitle = {Proceedings of the 16th International Conference on Computer Supported Education - Volume 2}, publisher = {SCITEPRESS - Science and Technology Publications}, isbn = {978-989-758-697-2}, issn = {2184-5026}, doi = {10.5220/0012690700003693}, pages = {108 -- 117}, year = {2024}, language = {en} }