144 Arbeiten
Dieser Beitrag stellt das Artefaktmodell für regulatorische Requirements Engineering (AM4RRE) vor, das darauf abzielt, die systematische Integration von Compliance-by-Design in den Softwareentwicklungslebenszyklus durch die Überwindung von Herausforderungen wie komplexer Koordination zwischen verschiedenen Perspektiven und ad-hoc-Praktiken zu ermöglichen.
Die Studie zeigt, dass moderne Large Language Models in zwei großen Umfragen (N=19.145) politisch persuasiver wirken als klassische Wahlkampfwerbung, wobei Claude am effektivsten und Grok am wenigsten effektiv ist, während die Wirkung von informationsbasierten Prompts modellabhängig variiert.
Dieser Übersichtsartikel bietet eine maschinelle Lernperspektive auf den Computerized Adaptive Testing (CAT), indem er die Integration von ML-Techniken in Messmodelle, Fragenauswahl, Itembank-Konstruktion und Teststeuerung analysiert, um robuste, faire und effiziente adaptive Testsysteme zu entwickeln.
Diese Studie untersucht anhand einer Mixed-Methods-Analyse, wie Wikipedia-Artikel zu tabuisierten Themen trotz Konflikten und Zensur entstehen und bestehen bleiben, und identifiziert sechs Entwicklungsmuster, die resilienter Führung, organisierter Unterstützung und emergenter Governance bedürfen.
Die Studie stellt Llama-Mob vor, einen durch Instruction-Tuning optimierten Llama-3-8B-Modell, der durch überlegene Langzeitvorhersagen menschlicher Mobilität und starke Zero-Shot-Generalisierungsfähigkeiten auf verschiedene Städte bestehende Methoden in der städtischen Mobilitätsprognose übertrifft.
Das Forschungsprojekt MediTools nutzt Large Language Models, um die medizinische Ausbildung durch interaktive Tools wie dermatologische Fall-Simulationen, KI-gestützte Literaturrecherche und Nachrichten-Zusammenfassungen zu revolutionieren und klinische Fähigkeiten zu verbessern.
Die Studie zeigt, dass die Kombination von Large Language Models zur Extraktion linguistischer und kognitiver Merkmale mit baumbasierten maschinellen Lernalgorithmen eine genauere Schätzung der Aufgabenschwierigkeit für K-5-Mathematik- und Lesetests ermöglicht als direkte LLM-Schätzungen und somit den Bedarf an aufwendigen Vorabtests reduziert.
Die Studie stellt SPOT vor, das erste annotierte französische Korpus und Benchmark zur Erkennung kritischer Unterbrechungen in Online-Konversationen, und zeigt, dass feinabgestimmte Encoder-Modelle promptgesteuerte LLMs bei dieser Aufgabe deutlich übertreffen.
Das Paper stellt XInsight vor, ein mehrstufiges Multi-Agenten-Framework, das psychologische Unterstützung durch einen klinisch fundierten Workflow nach dem Explorations-Einsicht-Aktions-Paradigma strukturiert, um die Transparenz, Interpretierbarkeit und therapeutische Wirksamkeit von KI-gestützten Beratungschatbots für das digitale Wohlbefinden zu verbessern.
Die Studie zeigt, dass die Anfälligkeit von Migranten aus dem subsaharischen Afrika für KI-gestützte Betrugsmaschen primär durch frühere Zielgruppenansprache bestimmt wird, während das Selbstvertrauen im Erkennen von KI-Inhalten und ein hohes Maß an Verifikationsbemühungen als wesentliche Schutzfaktoren wirken.
Dieser Artikel stellt einen „Ethics-by-Design"-Ansatz vor, der durch eine dreistufige Gate-Struktur (Metrik, Governance, Ökologie) ethische Prinzipien in messbare, durchsetzbare Kontrollmechanismen für den gesamten KI-Lebenszyklus übersetzt und so eine praktische Verbindung zwischen philosophischen Normen und operativer Governance herstellt.
Die Studie stellt DeepScope vor, ein auf Deep Learning basiertes System, das mikroskopische Bilder von nicht inkubierten Wasserproben analysiert, um Fäkalverunreinigungen in Sekunden mit einer Genauigkeit von 93 % und extrem niedrigen Kosten nachzuweisen und damit herkömmliche, zeitaufwändige Testverfahren zu ersetzen.
Die Studie prognostiziert, dass die vorgeschlagenen Kürzungen der Bundesforschungsförderung durch die Trump-Administration zu einem signifikanten Anstieg der Anzahl an R1-Universitäten führen würden, bei denen mehr als die Hälfte der Fakultät unter kritische Forschungsausgaben fällt, was die Qualität von Forschungs- und Promotionsprogrammen gefährdet.
Diese Studie nutzt Kausalitätsanalysen, um nachzuweisen, dass Autoren aus Minderheiten, Frauen und Institutionen des Globalen Süden in akademischen Peer-Review-Prozessen signifikante Benachteiligungen erfahren, was die dringende Notwendigkeit von Fairness-Maßnahmen sowohl für traditionelle als auch KI-gestützte Begutachtungen unterstreicht.
Dieses Kapitel untersucht das Potenzial generativer KI, die Wissenschaftskompetenz im K-16+-Bildungsbereich zu stärken, indem es eine kohärente Architektur für Lehre, Lernen und Bewertung entwickelt, die sowohl die neuen Anforderungen an die Wissenschaftskompetenz in der KI-Ära als auch die damit verbundenen konzeptionellen und praktischen Herausforderungen adressiert.
Die Studie zeigt, dass generative KI im Designunterricht vor allem als kognitiver Beschleuniger in frühen Phasen dient, während menschliche Kompetenzen wie Urteilsvermögen, Domänenwissen und Geschmack entscheidend bleiben, um KI-Ergebnisse zu validieren und zu verfeinern.
Dieser Artikel schlägt vor, große Sprachmodelle als drittes, neues Forschungsziel neben Produktivität und Ausrichtung zu nutzen, indem er sie als wissenschaftliche Instrumente zur Analyse menschlichen Verhaltens, kultureller Muster und moralischer Argumentation auf Basis ihrer als Kondensat menschlicher Symbolik verstandenen Trainingsdaten einsetzt.
Die Studie analysiert die Polarisierung im r/Brexit-Subreddit und zeigt, dass die verbleibende Nutzerbasis durch Selbstselektion verfestigt ist, während Echo-Kammern und die eigene aktuelle Meinung die vorherrschenden Faktoren für zukünftige Meinungsäußerungen darstellen.
Diese Studie analysiert die sozialen Vorurteile von sieben führenden Large Language Models im nepalesischen Kontext und zeigt mittels eines Dual-Metric-Bewertungsrahmens auf, dass implizite generative Verzerrungen, die bei moderater Temperatur am stärksten sind, durch einfache Zustimmungsmetriken nicht erfasst werden können.
Die Studie analysiert die Governance von KI-generierten Inhalten auf 40 sozialen Medienplattformen und stellt fest, dass die meisten sich auf die Moderation von Verstößen und die Offenlegung konzentrieren, während sie oft Themen wie Urheberrecht und Monetarisierung vernachlässigen, was einen Aufruf zu umfassenderen Richtlinien und Nutzerbildung begründet.