Interaktives Lernen von erklärbaren, situationsangepassten Entscheidungsmodellen (Projekt C02)
Je nach Situation sind verschiedene Strategien für die maschinelle Entscheidungsfindung nötig. Diese sind beispielsweise abhängig von verfügbarer Zeit und vorliegender Informationsmenge. Die Forschenden aus Informatik und Wirtschaftswissenschaften erarbeiten im Projekt C02 eine Methode, die es ermöglicht, an unterschiedliche Situationen angepasste Modelle zu entwickeln. Dafür werden Expert*innen und Anwender*innen in den Konstruktionsprozess integriert. Das Ziel: Entscheidungsträger*innen sollen dazu befähigt werden, das am besten geeignete Modell zu wählen sowie die maschinelle Entscheidung im Nachhinein überprüfen zu können.
Publikationen
Kornowicz, J., Thommes, K., (2023) Aggregating Human Domain Knowledge for Feature Ranking. Artificial Intelligence in HCI. Lecture Notes in Computer Science(), vol 14050. S. 98-114. https://doi.org/10.1007/978-3-031-35891-3_7
Lebedeva, A., Kornowicz, J., Lammert, O., Papenkordt, J., (2023) The Role of Response Time for Algorithm Aversion in Fast and Slow Thinking Tasks. Artificial Intelligence in HCI. Lecture Notes in Computer Science(), vol 14050. S. 131-149. https://doi.org/10.1007/978-3-031-35891-3_9. Diese Veröffentlichung ist in Kooperation mit Arbeitswelt.Plus entstanden (https://arbeitswelt.plus/)
Forschungsgebiete
Informatik, Wirtschaftswissenschaften
Projektleitung
Prof. Dr. Eyke Hüllermeier, Ludwig-Maximilians Universität München
Prof. Dr. Kirsten Thommes, Universität Paderborn
Mitarbeiter*innen
Jonas Hanselle, Ludwig-Maximilians Universität München
Jaroslaw Kornowicz, Universität Paderborn
Hilfskräfte
Nils Bojack, Universität Paderborn
Julia Rustemeier, Universität Paderborn
Luca Manuel Siekermann, Universität Paderborn