Projekt INF: Kriterien für die Bewertung von Erklärungsqualität
Die Mitglieder des INF-Projektes arbeiten übergreifend zu den Teilprojekten aus den Bereichen A, B und C. Sie untersuchen, wie sich die Qualität und der Erfolg einer Erklärung messen lassen. Dafür analysieren die Informatiker*innen zunächst natürlich-sprachliche Erklärungen, zum Beispiel schriftliche Aufzeichnungen aus anderen Projekten oder Erklärungsdialoge aus Internetforen. Aus den Ergebnissen der Analyse entwickeln sie Hilfsmittel und Kriterien, die auf Erklärungen angewendet werden können. Darüber hinaus stellen die INF-Mitglieder den TRR-Forscher*innen ein Glossar mit Schlüsselkonzepten zur Verfügung. Das Ziel des Projektes ist es, Erkenntnisse dazu zu gewinnen, wann Erklärungen erfolgreich sind. Dadurch tragen die Wissenschaftler*innen zu einer umfassenden Theorie der Ko-Konstruktion von Erklärungen bei, wie sie im TRR 318 erarbeitet wird.
Forschungsgebiete: Informatik
Hilfskräfte
Akshit Bhatia, Universität Paderborn
Maryam Bahraminejad, Universität Bielefeld
Alexander Espig, Leibniz Universität Hannover
Simona Ignatova, Universität Bielefeld
Felix Lange, Universität Paderborn
Maryam Nobakht, Universität Bielefeld
Yaxi Wang, Leibniz Universität Hannover
Publikationen
“Mama Always Had a Way of Explaining Things So I Could Understand”: A Dialogue Corpus for Learning to Construct Explanations
H. Wachsmuth, M. Alshomary, in: N. Calzolari, C.-R. Huang, H. Kim, J. Pustejovsky, L. Wanner, K.-S. Choi, P.-M. Ryu, H.-H. Chen, L. Donatelli, H. Ji, S. Kurohashi, P. Paggio, N. Xue, S. Kim, Y. Hahm, Z. He, T.K. Lee, E. Santus, F. Bond, S.-H. Na (Eds.), Proceedings of the 29th International Conference on Computational Linguistics, International Committee on Computational Linguistics, Gyeongju, Republic of Korea, 2022, pp. 344–354.
Generating Contrastive Snippets for Argument Search
M. Alshomary, J. Rieskamp, H. Wachsmuth, in: Proceedings of the 9th International Conference on Computational Models of Argument, 2022, pp. 21–31.
The Moral Debater: A Study on the Computational Generation of Morally Framed Arguments
M. Alshomary, R. El Baff, T. Gurcke, H. Wachsmuth, in: Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics, 2022, pp. 8782–8797.
Conclusion-based Counter-Argument Generation
M. Alshomary, H. Wachsmuth, in: A. Vlachos, I. Augenstein (Eds.), Proceedings of the 17th Conference of the European Chapter of the Association for Computational Linguistics, Association for Computational Linguistics, Dubrovnik, Croatia, 2023, pp. 957–967.
A model of factors contributing to the success of dialogical explanations
M. Booshehri, H. Buschmeier, P. Cimiano, in: Proceedings of the 26th ACM International Conference on Multimodal Interaction, ACM, San José, Costa Rica, 2024, pp. 373–381.
Towards a BFO-based ontology of understanding in explanatory interactions
M. Booshehri, H. Buschmeier, P. Cimiano, in: Proceedings of the 4th International Workshop on Data Meets Applied Ontologies in Explainable AI (DAO-XAI), International Association for Ontology and its Applications, Santiago de Compostela, Spain, 2024.
Modeling the Quality of Dialogical Explanations
M. Alshomary, F. Lange, M. Booshehri, M. Sengupta, P. Cimiano, H. Wachsmuth, in: N. Calzolari, M.-Y. Kan, V. Hoste, A. Lenci, S. Sakti, N. Xue (Eds.), Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024), ELRA and ICCL, Torino, Italia, 2024, pp. 11523–11536.
Disentangling Dialect from Social Bias via Multitask Learning to Improve Fairness
M. Spliethöver, S.N. Menon, H. Wachsmuth, in: L.-W. Ku, A. Martins, V. Srikumar (Eds.), Findings of the Association for Computational Linguistics: ACL 2024, Association for Computational Linguistics, Bangkok, Thailand, 2024, pp. 9294–9313.
Towards a Computational Architecture for Co-Constructive Explainable Systems
H. Buschmeier, P. Cimiano, S. Kopp, J. Kornowicz, O. Lammert, M. Matarese, D. Mindlin, A.S. Robrecht, A.-L. Vollmer, P. Wagner, B. Wrede, M. Booshehri, in: Proceedings of the 2024 Workshop on Explainability Engineering, ACM, 2024, pp. 20–25.
Alle Publikationen anzeigen
