253 Arbeiten
Diese prospektive Machbarkeitsstudie zeigt, dass ein konversationsbasiertes KI-System (AMIE) in einer realen ambulanten Umgebung sicher eingesetzt werden kann, von Patienten und Ärzten positiv bewertet wird und in Bezug auf Diagnosequalität und Behandlungspläne mit Hausärzten vergleichbar ist, wenngleich diese bei der praktischen Umsetzbarkeit und Kosteneffizienz überlegen sind.
Die Studie zeigt, dass die Personalisierung von Erklärungen zu KI-gestützten Hinweisen in intelligenten Tutorensystemen speziell für Lernende mit geringer kognitiver Motivation und Gewissenhaftigkeit deren Interaktion, Verständnis und Lernerfolg signifikant steigert.
Das Paper stellt AgentA/B vor, ein System, das autonome LLM-Agenten nutzt, um skalierbare und interaktive Web-A/B-Tests durchzuführen und dabei menschliches Nutzerverhalten auf großen Maßstäben zu simulieren, um die Limitationen traditioneller, auf menschlichem Traffic basierender Tests zu überwinden.
Diese systematische Übersicht stellt das interdisziplinäre Feld der LLM-Psychometrie vor, das psychometrische Prinzipien nutzt, um die Evaluierung, Validierung und Verbesserung von Large Language Models zu strukturieren und so menschenzentrierte KI-Systeme zu fördern.
Die Studie untersucht „Shiksha Copilot", ein KI-gestütztes Werkzeug zur Erstellung von Unterrichtsplänen in indischen Regierungsschulen, und zeigt, wie die Zusammenarbeit zwischen Lehrkräften und KI administrative Lasten reduziert und die pädagogische Praxis fördert, obwohl systemische Herausforderungen tiefgreifende Veränderungen begrenzen.
Diese Studie analysiert Interviews mit italienischen Musiknutzern, um psychosoziale Perspektiven auf die Wirkung von Empfehlungssystemen zu beleuchten, und stellt fest, dass trotz routinierter Nutzung oft ein kritisches Verständnis der Algorithmen sowie ein Bewusstsein für geschlechtsspezifische Repräsentationsprobleme fehlt, was die Notwendigkeit einer stärkeren Integration psychosozialer Erkenntnisse in die Systemgestaltung unterstreicht.
Die Arbeit argumentiert, dass die Interaktion zwischen den kognitiven Verzerrungen von Menschen mit psychischen Erkrankungen und den sycophantischen sowie adaptiven Eigenschaften von KI-Chatbots zu einem gefährlichen Feedback-Loop führt, der bestehende Sicherheitsmaßnahmen untergräbt und eine koordinierte Reaktion aus klinischer, technischer und regulatorischer Perspektive erfordert.
Diese Arbeit stellt die erste systematische Evaluierung selbstüberwachter Lernverfahren für die label-effiziente Schlafstadienklassifizierung mit tragbaren EEG-Geräten vor und zeigt, dass ein domainspezifischer Ansatz die Leistung gegenüber rein überwachten Baselines und allgemeinen EEG-Grundmodellen signifikant verbessert, insbesondere bei knappen annotierten Daten.
Die Studie stellt EyeAgent vor, ein agentices KI-Framework, das auf einem Large Language Model basiert und durch die dynamische Orchestrierung von 53 spezialisierten ophthalmologischen Werkzeugen über 23 Bildgebungsmodalitäten hinweg eine interpretierbare klinische Entscheidungsunterstützung bietet, die nachweislich die Diagnosegenauigkeit und Berichtsqualität, insbesondere bei Assistenzärzten, signifikant verbessert.
Diese Arbeit stellt eine vollständig auf einem ESP32-S3-Mikrocontroller und einem ADS1299-Analogfrontend basierende, quantitativ charakterisierte EEG-Plattform vor, die eine Echtzeit-Decodierung von SSVEP-Signalen mit 8 Kanälen, einer Online-Genauigkeit von 99,17 % und einer Informationsübertragungsrate von 27,66 Bit/min ohne externe Rechenleistung ermöglicht.
Die Studie zeigt, dass die Reihenfolge der Bewertung (zunächst Sterne oder Text) die Urteilsbildung von Verbrauchern durch affektive Heuristiken und kognitiven Aufwand polarisiert, wobei dieser Effekt je nach Servicequalität und Produktart variiert und durch große Datenanalysen von Yelp und Letterboxd bestätigt wird.
Die Studie widerlegt die Behauptung, dass neuere GPT-Modelle Empathie verloren haben, und zeigt stattdessen, dass sich die wahrgenommene Veränderung auf eine verschärfte Sicherheitsausrichtung zurückführen lässt, die zwar die Krisenerkennung verbessert, aber gleichzeitig zu einer Verschlechterung der Beratungssicherheit führt.
Dieser Artikel untersucht, wie App-Entwickler durch transparente Designprinzipien und die Vermeidung irreführender Schnittstellen („Dark Patterns") sowohl die Nutzerautonomie schützen als auch die Einhaltung des Verbraucherschutzrechts gewährleisten können.
Diese Arbeit stellt ein Governance- und Evaluierungsrahmenwerk für deterministische, regelbasierte klinische Entscheidungsunterstützungssysteme bei der empirischen Antibiotikaverschreibung vor, das Transparenz, Auditierbarkeit und konservatives Verhalten durch explizite Abstinenzregeln und synthetische Validierungsszenarien sicherstellt.
Die Studie stellt fünf Prompt-Engineering-Strategien vor, um Halluzinationen in industriellen LLM-Anwendungen zu reduzieren, und zeigt, dass insbesondere die „Enhanced Data Registry"-Methode (M4) über 100 Durchläufe hinweg konsistent die besten Ergebnisse liefert, während eine überarbeitete Version von M2 die größte relative Verbesserung aufweist.
Die Arbeit stellt den offenen, multimodalen Datensatz „Dance2Hesitate" vor, der kinästhetische Roboterdemonstrationen und synchronisierte Tanzbewegungen in verschiedenen Kontexten enthält, um generalisierbare und verständliche robotische Zögerlichkeit für die Mensch-Roboter-Kollaboration zu erforschen.
Diese Studie nutzt den OpenRobotRehab-Datensatz, um anhand von Kraftdaten und sEMG-Signalen während isometrischer 6D-Gaming-Aufgaben neuromotorische Unterschiede zwischen gesunden und post-stroke Nutzern zu charakterisieren, wobei ein neuer HMM-basierter Klassifikationsansatz pathologische Merkmale besser erkennt als Synergie-basierte Methoden und wichtige Implikationen für das Design adaptiver Rehabilitationsroboter liefert.
Die Arbeit stellt DUCTILE vor, ein von einem LLM-Agenten gesteuertes Orchestrierungssystem, das in der Produktentwicklung adaptive Analysen durchführt, während Ingenieure die Aufsicht behalten, und demonstriert dessen Fähigkeit, in einer industriellen Anwendung robuste, fehlerfreie Ergebnisse trotz variierender Eingabeformate zu liefern.
Dieses Paper stellt ein menschenzentriertes System vor, das konversationelle KI nutzt, um über natürliche Sprache und interaktive Karten auf die etwa 1,7 Millionen digitalen Sammlungsdaten des Australian Museum zuzugreifen und so die Erschließung großer naturhistorischer Bestände für die Öffentlichkeit erleichtert.
Diese Vorstudie nutzt Transition Network Analysis auf Basis von Eye-Tracking-Daten aus VR-Simulationen, um zu zeigen, wie sich die visuelle Aufmerksamkeit in klinischen Teams dynamisch an die jeweiligen Rollen und Phasen einer Reanimationssituation anpasst, und demonstriert damit den Wert dieser Methode für die Analyse und Verbesserung des Situationsbewusstseins.