Projekte

Forschungsprojekte:

Prometeus: Enhancing cybersecurity with PROtocol MEssage analysis and anomaly detection using TExt UnderStanding

Beschreibung:	Prometeus ist ein interdisziplinäres Projekt, das an der Hochschule Hannover in enger Zusammenarbeit von Forschenden der Computerlinguistik und angewandten Informatik durchgeführt wird. Der Projektname versteht sich als Kofferwort und bildet den Projekttitel: „enhancing cybersecurity with PROtocol MEssage analysis and anomaly detection using TExt UnderStanding“. Ziel des Projekts ist die Verbesserung der Resilienz von Cyber-physischen Systemen, insbesondere kritischer Infrastrukturen, gegenüber Angriffen und Störungen durch eine frühzeitige Anomalieerkennung mithilfe von Methoden aus dem Bereich des Natural Language Processing (NLP) und Graph Neural Networks (GNNs). Methoden aus dem NLP werden für die Interpretation von Log-Daten und ihre Transformation in eine Graphdatenstruktur verwendet. Die erstellten Graphen repräsentieren das Verhalten der Systemknoten und -komponenten. Mithilfe von Graph Neural Networks erlernen wir das Normalverhalten, um anschließend Abweichungen davon zu erkennen. Abweichungen werden als Anomalien gemeldet und kontextualisiert, sodass eine Reaktion auf die Meldung frühzeitig möglich ist. Die Ergebnisse der Anomalieerkennung werden in bestehende Sicherheitsarchitekturen integriert. Sie dienen als zusätzliche Informationsquelle für Sicherheitsspezialisten. In der folgenden Abbildung ist ein schematischer Durchlauf durch das zu entwickelnde System skizziert.
Beteiligte:	Prof. Dr. Felix Heine, Prof. Dr. Carsten Kleiner, Prof. Dr. Christian Wartena, Kilian Dangendorf M.Sc., Sven-Ove Hänsel M.Sc.

VidQA: Automatisierte Verständnisüberprüfung von Lernvideos

Beschreibung:	Die Bedeutung des Lernens mit Videos hat in den vergangenen Jahren erheblich zugenommen, die Pandemie hat diesen Trend noch einmal verstärkt. Forschungsergebnisse zeigen, dass die Effektivität von Lehr- und Lernvideos stark von der Aktivierung der Lernenden abhängt. Diese kann zum Beispiel durch Fragen, die das Verständnis überprüfen, verbessert werden. Das nachträgliche, manuelle Formulieren von Verständnisfragen zu bestehenden Videos ist jedoch zu aufwändig. Es bietet sich daher an, Fragen mithilfe von automatischer Videoanalyse und Spracherkennung semi-automatisch zu generieren. Allerdings gibt es bislang nur sehr wenige Arbeiten, die sich mit der semi-automatischen Generierung von Fragen und Antworten für Lernvideos befassen und dabei alle informationstragenden Elemente des Videos (Ton- und Bildinformation) mit einbeziehen. Das Ziel des Projektes VidQA ist die Erforschung, Entwicklung und Evaluation von neuen Methoden zur semi-automatischen Generierung von Fragen und Antworten für Lernvideos. Die im Projekt entwickelten Methoden analysieren Videos, bestimmen inhaltlich zentrale Abschnitte, fassen diese zusammen und generieren hieraus Fragen und mögliche (Kontroll-) Antworten. Dabei werden sowohl traditionelle Methoden des maschinellen Lernens verwendet, als auch Deep Learning und vortrainierte Sprachmodelle. Hierbei verfolgen wir mehrere Forschungsfragen, wie unter anderem den Aspekt der Multimodalität videobasierter Lernmedien, die Generierung von Distraktoren („falschen Antworten“) für Multiple-Choice-Fragen, sowie die automatische Bewertung von Antworten bei offenen Frageformaten.
Veröffentlichungen:	Berger, J., Koß, J., Stamatakis, M., Hoppe, A., Ewerth, R., Wartena, C. (2024). Question Generation Capabilities of “Small" Large Language Models. Natural Language Processing and Information Systems. NLDB 2024. Link zur Veröffentlichung Berger, J., Koß, J., Stamatakis, M., Hoppe, A., Ewerth, R., Wartena, C. (2024). Identifying Problem Types in Automated Question Generation KI-Forum 2024: Konferenz rund um KI in Hochschullehre und -forschung Link zur Veröffentlichung
Beteiligte:	Prof. Dr. Christian Wartena, Prof. Dr. Ralph Ewerth, Dr. Anett Hoppe, Joshua Berger M.Sc., Markos Stamatakis M.Sc.

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)