Projekte

Forschungsprojekte:

LernMINT: Modellierung von Erwerb und Nutzung von Fachsprache im Physikunterrricht

Beschreibung:	Promotionsstipendium im Rahmen des Promotionskollegs LernMINT. In den MINT-Fächer gehört das Schreiben von Versuchsprotokollen zu den fachsprachlich anspruchsvollen Aufgaben, deren Progression von der 5. bis 13. Klassenstufe in der Schule angestrebt wird. Die Nutzung maschineller Auswerteverfahren und der Modellierung der Lernprogression kann hier die Lehrkraft bei der Korrektur und der individuellen Förderung unterstützen. Der fachspezifischen Terminologie kommt dabei eine besondere Bedeutung zu. Im Projekt soll für die Physik über den Aufbau einer schulbezogenen Terminologiesammlung und die Verwendung von Verfahren wie künstlichen neuronalen Netzen eine anwendungsorientierte Auswertung von Protokollen erzielt werden. Der Transfer der gewonnenen Erkenntnisse von der Physik auf andere MINT-Fächer wird angestrebt. LernMINT: Webseite des Promotionsprogramms
Beteiligte:	Prof. Dr. Christian Wartena, Prof. Dr. Gunnar Friege, Vitor Lécio Fontanella M.Sc.

Extraktion von juristischen Verweisstrukturen: Intertextualität in Gesetzen, Kommentaren und Gerichtsurteilen (JuVer)

Beschreibung:	In der Rechtswissenschaft spielen Texte eine zentrale Rolle und werden im Kontext weiterer Texte interpretiert. In diesem Projekt sollen Verfahren entwickelt werden, um diese komplexen Zusammenhänge innerhalb und zwischen den Texten explizit zu machen. Das Projekt beinhaltet die Entwicklung einer Pilotanwendung, den Aufbau eines Korpusses aus juristischen Texten und die Analyse der Bezüge zwischen den Verträgen. Dabei werden Methoden aus der künstlichen Intelligenz eingesetzt um Verweise zwischen den Texten systematisch zu erfassen.
Veröffentlichungen:	Frieda Josi, Christian Wartena, Ulrich Heid (2021): Identifizierung von häufig vorkommenden Textabschnitten in juristischen Korpora. Manuskript zur Veröffentlichung eingereicht. Frieda Josi, Christian Wartena, Ulrich Heid (2021): Representing Standard Text Formulations as Directed Graphs. Link zur Originalveröffentlichung Konferenzbeitrag - eigene Version Frieda Josi, Christian Wartena, Ulrich Heid: Preparing Legal Documents for NLP Analysis: Improving the Classification of Text Elements by Using Page Features Manuskript zur Veröffentlichung akzeptiert (8th International Conference on Natural Language Processing (NATP 2022), Zürich). Frieda Josi, Christian Wartena, Ulrich Heid: Generalisierung von formelhaften Textbestandteilen in juristischen Korpora: Einsatz- und Entwicklungspotential Manuskript zur Veröffentlichung akzeptiert (IRI§22 Internationales Rechtsinformatik Symposion IRIS 2022, Salzburg). Weitere Veröffentlichungen: NLP@HsH ResearchGate
Beteiligte:	Prof. Dr. Christian Wartena, Prof. Dr. Fabian Schmieder, Frieda Josi M.A., Jean Charbonnier M.A.
Informationen:	Projektwebseite

Analyse von Erneuerungsverträgen

Verantwortungsvolle KI: Bias in gelernten semantischen Wortrepräsentationen

Beschreibung:	Promotionsstipendium im Rahmen des Promotionskollegs Verantwortungsvolle Künstliche Intelligenz in der Digitalen Gesellschaft. Ziel des Promotionsvorhabens ist es Methoden für die Erstellung und Verwendung von Word Embeddings (gelernte semantische Darstellungen von Wörtern) zu entwickeln, die mit einem Bias im Trainingskorpus umgehen können. Erstens wird untersucht, wie ein Bias in Word Embeddings definiert und erkannt werden kann. Zweitens werden Verfahren entwickelt, um Bias, die es gibt, sichtbar zu machen, zum Beispiel indem die Dimensionen der Wortdarstellungen möglichst explizit gemacht werden und die latenten Repräsentation in explizite überführt werden. Hiermit können Gründe für die Klassifikation eines Wortes oder für eine gefundenen Ähnlichkeit zwischen Wörtern transparent gemacht werden. Drittens soll untersucht werden, in wie fern die Ansätze von Bolukbasi et al. (2016) und Zhao et al. (2018) zur Entfernung von einem Gender-bias verallgemeinert werden können und der Effekt eines beliebigen Bias (Alter, Herkunft, Hautfarbe aber auch Textsorte oder Stil) minimiert werden kann. Hiervon kann eine Anwendung, wie zum Beispiel die Erkennung von beleidigender Sprache profitieren mit dem Ziel die Gefahr, dass beleidigende Sprache vom Algorithmus mit unerwünschten Faktoren assoziiert wird, zu verringern. Verantworungsvolle Künstliche Intelligenz in der Digitalen Gesellschaft: Webseite des Promotionsprogramms
Beteiligte:	Prof. Dr. Christian Wartena, Prof. Dr. Eirini Ntoutsi

Nachnutzung von Open-Access-Abbildungen (NOA)