Themen für Abschlussarbeiten

Bezirksamt Treptow-Köpenick – Welcome App

Prototypische Entwicklung einer Welcome App oder eine mobile-first Webseite, welche Informationen für Neuankömmlinge im Bezirk zusammenstellt (aus vorhandenen Webseiten), mehrsprachig

Projekt „Fair Enough?“

Apply one or multiple XAI approaches on one or multiple ML models, e.g. LIME, SHAP, counterfactuals (Guidotti, Wachter et al.), prototypes (Kim et al., Li et al.), concepts, rule-based explanations (Delauny et al., Ribeiro et al.)

Usability Evaluation of Moodle’s Learning Analytics interface (list the target groups and which needs are covered by the design and which pain points exist – use heuristic evaluation and contextual inquiry to find out; list suggestions on how to improve the design. Consider XAI.)

Usability of AI Explanations (What has been found on the usability design of XAI features? You can also evaluate the usability of existing XAI features in AI applications such as GPT3. Based on your findings, make a UI-focused prototype (possibly in Figma) for an XAI tool in the use case of your choice.)

Design and implementation of a prototype for a graphical user interface for an existing General Purpose Data Synthesizer (SDV)

Based on the descriptions and pseudo code of „AITEST“ (a Machine Learning Model testing tool) (Saha et al 2022), attempt to re-write some of the algorithms used in the tool.

Themengebiet People Analytics/Forschungsprojekte DiKI , KI-Mit

Systematische Untersuchung von Stellenanzeigen auf bund.de im Hinblick auf genderspezifische Formulierungen (siehe Link)

Systematische Untersuchung von historischen Stellenanzeigen (z.B. durch Textmining in Zeitungsarchiven) zur Darstellung des Wandels gesuchter Kompetenzen in den letzten 20 Jahren

Systematische Untersuchung der Überwachungsfunktion von Office365 und Workplace Analytics (siehe auch Link)

Themengebiet Learning Analytics/Forschungsprojekte LADi, KIWI

Replikation von ML-Modellen auf aktuellen Daten (in Kooperation mit orthografietrainer.net)

Scrapen von Modulbeschreibungen von deutschen Hochschulen und semi-automatisierte Analyse der Inhalte

Systematischer Vergleich von KI-Zertifizierungssystemen (z.B. Malta Digital Innovation Authority, Fraunhofer CertLab, IEEE P7000 series, CC ISo/IEC 15408).

Marktanalyse KI im Bildungsbereich

Anwendung von Business Process Mining auf Learning Analytics Fragestellungen

Prototypische Anwendung für die Generierung synthetischer Daten

Analyse der Moodle-Funktion „Students at risk of dropping out“.

Test der Erkennungsgüte dreier Spracherkennungssoftwares (Google, Apple, Nuance) anhand markierter Metadaten (Alter, Geschlecht, Akzent) aus dem Common Voice Datensatz

Finance

The Impact of Social Media on Venture Capital Financing: Evidence from Twitter Interactions Link/URL

HOW TO TALK WHEN A MACHINE IS LISTENING: CORPORATE DISCLOSURE IN THE AGE OF AI Link/URL

Themen für BWL Studierende

Marktanalyse KI im HR Bereich: Systematischer Vergleich über Anbieter und deren Angebote, Übersicht über Funktionen, verwendete Daten etc.

Qualitative Erfassung der Wirkung von XAI Ansätzen (Interviews mit Personalverantwortlichen, Führungskräften, Mitarbeiter_innen, Betriebsräten):
Es gibt verschiedene technische Ansätze, um die Ergebnisse von KI Systemen transparenter darzustellen, z.B. durch die Darstellung von Variablen, die das Ergebnis beeinflussen oder durch die graphische Darstellung der Unschärfe von Ergebnissen oder durch sogenannte kontrafaktische Erläuterungen. Dieses Forschungsgebiet wird als Explainable AI (XAI) bezeichnet. In der Abschlussarbeit sollen verschiedene XAI Ansätze im Rahmen von Interviews mit Personalverantwortlichen, Führungskräften, Mitarbeiter_innen, Betriebsräten diskutiert werden. Dafür muss als Diskussionsgrundlage eine geeignete personalwirtschaftliche Fragestellung ausgewählt werden und beispielhafter Output eines imaginären KI-Systems (Fall-Vignette) graphisch erstellt werden.
Die Studentin/der Student muss sich zutrauen, selbst Interviewpartner für ein Gespräch zu gewinnen. Vorkenntnisse in KI sind nicht notwendig.

Entwurf eines Experiments zur quantitativen Erfassung der Wirkung von XAI Ansätzen:
Es gibt verschiedene technische Ansätze, um die Ergebnisse von KI Systemen transparenter darzustellen, z.B. durch die Darstellung von Variablen, die das Ergebnis beeinflussen oder durch die graphische Darstellung der Unschärfe von Ergebnissen oder durch sogenannte kontrafaktische Erläuterungen.
Dieses Forschungsgebiet wird als Explainable AI (XAI) bezeichnet. In der Abschlussarbeit sollen ein Conjoint Survey Experiment designt und mit Testpersonen durchgeführt werden um verschiedene XAI Ansätze zu vergleichen. Dafür muss eine geeignete personalwirtschaftliche Fragestellung ausgewählt werden und beispielhafter Output eines imaginären KI-Systems (Fallvignette) graphisch erstellt werden.