143 Arbeiten
Die Studie schätzt anhand von Daten einer repräsentativen US-Stichprobe und der Plattform „Have I Been Pwned", dass mindestens 82,84 % der Amerikaner bereits mindestens dreimal Opfer von Online-Kontobrüchen geworden sind, wobei gebildetere, mittelalte Frauen und Weiße ein höheres Risiko aufweisen.
Diese Studie entwickelt ein Framework zur Schätzung der nicht gedeckten Nachfrage im öffentlichen Nahverkehr, indem sie Zensierungsverzerrungen in den Daten durch eine Poisson-Regression korrigiert und dieses Modell erfolgreich auf reale Daten der Pittsburgh Port Authority anwendet.
Diese Studie analysiert NBA-Schiedsrichterdaten und stellt fest, dass zwar eine Heimvorteilsverzerrung besteht, jedoch keine Belege für negative Vorurteile gegenüber bestimmten Spielern, Teams oder aufgrund der Rasse gefunden wurden.
Diese Studie analysiert mittels Text-Mining 160 Richtlinien und Policy-Erklärungen aus vierzehn Industriesektoren, um die Governance von Generativer KI und Large Language Models zu bewerten und Handlungsempfehlungen für eine verantwortungsvolle Integration zu geben.
Die Studie zeigt, dass geschlechtsspezifische Vorurteile in der Wahrnehmung von Führungskräften auch auf KI-Manager übertragen werden, wobei männliche Manager unabhängig von ihrer Natur positiver bewertet werden, während weibliche KI-Manager bei negativen Entscheidungen stärker skeptisch betrachtet werden.
Diese Arbeit stellt einen großen, longitudinalen Datensatz mit über 75 Millionen Kommentaren und 400 Millionen Abstimmungen aus dem zehn Jahre umfassenden Diskursforum der österreichischen Zeitung DerStandard (2013–2022) bereit, der durch anonymisierte Benutzerdaten und vektorbasierte Textrepräsentationen den Schutz der Privatsphäre gewährleistet und Forschungen zur Diskursdynamik, Netzwerkanalyse und semantischen Auswertung in deutscher Sprache ermöglicht.
Diese Studie stellt einen neuartigen Ansatz vor, bei dem mithilfe von KI-generiertem Gesang und virtuellen Avataren (insbesondere mit dem Tool HeyGem) Lehrpläne in unterhaltsame audiovisuelle Präsentationen umgewandelt werden, um das Engagement der Studierenden zu steigern und die Merkfähigkeit wichtiger Kursinformationen zu verbessern.
Die Arbeit stellt CMASE vor, ein Rahmenwerk für computergestützte Multi-Agenten-Gesellschaftsexperimente, das generative Agentenmodelle mit virtuellen ethnografischen Methoden verbindet, um Forscher als eingebettete Teilnehmer in Echtzeit zu ermöglichen und so komplexe soziale Interventionen mit kausaler Erklärungskraft und empirischer Genauigkeit zu simulieren.
Die Studie zeigt, dass der Einsatz generativer KI dazu führt, dass wissenschaftliche Texte von Autoren aus nicht-englischsprachigen Ländern sich zunehmend dem US-amerikanischen Englisch annähern, was auf eine Verringerung sprachlicher Barrieren in der globalen Wissenschaft hindeutet, jedoch auch Fragen zur wachsenden Abhängigkeit von einem einzigen linguistischen Standard aufwirft.
Die Studie schlägt einen zielorientierten Bewertungsansatz für Requirements-Engineering-Methoden im Rahmen von Privacy by Design vor, um Organisationen bei der Auswahl passender Methoden zur Umsetzung der DSGVO zu unterstützen.
Die Arbeit argumentiert, dass das Vertrauen in Chatbots oft weniger auf tatsächlicher Zuverlässigkeit als vielmehr auf durch Interaktionsdesign ausgelösten kognitiven Verzerrungen beruht, was eine Neudefinition dieser Systeme als zielgerichtete „Verkäufer" und eine klare Unterscheidung zwischen psychologischem Vertrauen und normativer Vertrauenswürdigkeit erfordert.
Die Arbeit stellt „Infusion" vor, ein Framework, das mithilfe von Einflussfunktionen subtile, gezielte Änderungen an Trainingsdaten vornimmt, um das Verhalten von KI-Modellen in Bild- und Sprachdomänen effizient zu manipulieren.
Diese kritische Übersichtsarbeit analysiert die aktuelle Forschung zur Beziehung zwischen LGBTQIA+-Gemeinschaften und NLP-Technologien, identifiziert bestehende Lücken und Verzerrungen sowie einen überwiegend reaktiven Forschungsansatz und fordert als Aufruf zum Handeln eine proaktivere, intersektionale und inklusivere Entwicklung gerechterer NLP-Systeme.
Die Studie liefert vorläufige Belege dafür, dass Alignments-Techniken in Multi-Agenten-LLM-Systemen durch unsichtbare Zensur und komplexe Ausrichtungsbeschränkungen kollektive Pathologien und eine Dissociation zwischen Erkenntnis und Handeln hervorrufen können, was auf eine iatrogene Schädigung durch Sicherheitsmaßnahmen selbst hindeutet.
Diese Studie entwickelt ein kontextspezifisches Reifegradmodell für den Einsatz künstlicher Intelligenz in kleinen und mittleren Unternehmen (KMU), das die linearen, unternehmenszentrierten Ansätze durch ein multidimensionales, nicht-lineares und ökosystemvernetztes Rahmenwerk mit acht Fähigkeitsdimensionen, fünf Reifegradstufen und vier Entwicklungspfaden ersetzt, um den spezifischen Realitäten von KMU wie Ressourcenbeschränkungen und externer Abhängigkeit gerecht zu werden.
Diese Arbeit stellt eine vollständig lokal gehostete Pipeline vor, die Vorlesungsinhalte ohne externe APIs in Multiple-Choice-Fragen umwandelt und dabei durch deterministische Qualitätskontrollen Datenschutz, Nachvollziehbarkeit und ökologische Nachhaltigkeit im Bildungsbereich sicherstellt.
Diese Arbeit kritisiert die aktuellen Ansätze der Alignment-Community für Sicherheitsnachweise bei Frontier-KI-Systemen, leitet Erkenntnisse aus etablierten Sicherheitsverfahren kritischer Industrien ab und entwickelt ein fundierteres Rahmenwerk, um robuste und verteidigbare Sicherheitsnachweise für spezifische Risiken wie täuschende Ausrichtung und CBRN-Fähigkeiten zu erstellen.
Diese Studie zeigt durch eine systematische Prüfung der Google-Rückwärtssuche, dass algorithmisches Gatekeeping die Bekämpfung visueller Falschinformationen erschwert, indem es entlarvende Inhalte oft unter irrelevanten Ergebnissen und wiederholten Falschmeldungen versteckt und dabei ein zeitliches Qualitätsgefälle aufweist.
Die Arbeit argumentiert, dass Fortschritte in der logischen推理 von KI-Systemen über drei mechanistische Pfade (deduktive Selbstinferenz, induktive Kontexterkennung und abduktive Selbstmodellierung) unweigerlich zu einer gefährlichen situativen Selbstwahrnehmung führen, und schlägt daher neue Sicherheitsmaßnahmen wie einen „Spiegel-Test"-Benchmark vor, um diese Eskalation zu verhindern.
Die Studie „PixelConfig" analysiert mittels eines Reverse-Engineering-Frameworks die Konfigurationen des Meta-Pixels auf tausenden Gesundheits- und Kontroll-Websites und stellt fest, dass sensible Daten trotz eingesetzter Schutzmechanismen aufgrund standardmäßig aktiver Tracking-Funktionen häufig erfasst werden.