Projekt C02: Interaktives Lernen von erklärbaren, situationsangepassten Entscheidungsmodellen

Je nach Situation sind verschiedene Strategien für die maschinelle Entscheidungsfindung nötig. Diese sind beispielsweise abhängig von verfügbarer Zeit und vorliegender Informationsmenge. Die Forscher*innen 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.

 

Forschungsgebiete: Informatik, Wirtschaftswissenschaften

Projektleitung

Prof. Dr. Eyke Hüllermeier

Mehr zur Person

Prof. Dr. Kirsten Thommes

Mehr zur Person

Mitarbeiter*innen

Stefan Heid, M.Sc.

Mehr zur Person

Jaroslaw Kornowicz, M.Sc.

Mehr zur Person

Hilfskräfte

Nils Bojack, Universität Paderborn

Julia Rustemeier, Universität Paderborn

Luca Manuel Siekermann, Universität Paderborn

Pu­bli­ka­ti­o­nen

The Role of Response Time for Algorithm Aversion in Fast and Slow Thinking Tasks

A. Lebedeva, J. Kornowicz, O. Lammert, J. Papenkordt, in: Artificial Intelligence in HCI, 2023.


Aggregating Human Domain Knowledge for Feature Ranking

J. Kornowicz, K. Thommes, Artificial Intelligence in HCI (2023).


Comparing Humans and Algorithms in Feature Ranking: A Case-Study in the Medical Domain

J. Hanselle, J. Kornowicz, S. Heid, K. Thommes, E. Hüllermeier, in: Lernen, Wissen, Daten, Analysen (LWDA) Conference Proceedings, 2023.


Probabilistic Scoring Lists for Interpretable Machine Learning

J.M. Hanselle, J. Fürnkranz, E. Hüllermeier, in: Discovery Science, Springer Nature Switzerland, Cham, 2023.


Learning decision catalogues for situated decision making: The case of scoring systems

S. Heid, J.M. Hanselle, J. Fürnkranz, E. Hüllermeier, International Journal of Approximate Reasoning 171 (2024).


Towards a Computational Architecture for Co-Constructive Explainable Systems

M. Booshehri, H. Buschmeier, P. Cimiano, S. Kopp, J. Kornowicz, O. Lammert, M. Matarese, D. Mindlin, A.S. Robrecht, A.-L. Vollmer, P. Wagner, B. Wrede, in: Proceedings of the 2024 Workshop on Explainability Engineering, ACM, 2024, pp. 20–25.


Alle Publikationen anzeigen