55 Arbeiten
Diese Arbeit demonstriert, dass sich Benutzerpräferenzen über verschiedene Domänen hinweg durch eine Projektion in einen auf großen Twitter-Daten basierenden sozialen Embedding-Raum modellieren lassen, wodurch eine effektive Zero-Shot-Personalisierung und die Entdeckung von Zusammenhängen zwischen soziodemografischen Faktoren und Präferenzen ermöglicht wird.
Die Studie entwickelt ein mathematisches Modell, das zeigt, wie positive soziale Rückkopplung zu abrupten, diskontinuierlichen Übergängen zwischen Gehorsam und Regelverletzung führt, während negative Rückkopplung kontinuierliche Phasenübergänge bewirkt, wodurch die Fragilität sozialer Ordnung unter schwachen Institutionen erklärt wird.
Diese Arbeit entwickelt einen Operator-Ansatz zur Kompression egozentrierter Netzwerke durch Triadische Zerlegungen und sichere Quotientenkonstruktionen, die eine verlustbehaftete Übertragung von Zwei-Weg-Massen mit expliziten Fehlerschranken und Gleichheitscharakterisierungen ermöglichen.
Die Studie zeigt, dass Brasílias moderne Stadtform auf grober Ebene integriert wirkt, jedoch auf der Ebene alltäglicher Begegnungen eine starke Segregation aufweist, die weniger durch Wohnformen als durch mangelnde gemeinsame Ziele und undurchlässige Verbindungen zwischen wohlhabenden und armen Vierteln verursacht wird.
Die Arbeit stellt „Reading Activity Traces" (RATs) vor, ein Konzept, das Lesen als eigenständige kreative Tätigkeit begreift und durch die Sichtbarmachung von Lese- und Interpretationspfaden – exemplarisch am WikiRAT-Projekt – den Verlust menschlicher Deutungsarbeit angesichts zunehmender Automatisierung durch Algorithmen und KI adressiert.
Die vorgestellte Studie entwickelt eine Methode zur Identifizierung höherer Ordnungs-Abhängigkeiten in multivariaten Zeitreihen, indem sie Daten in symbolische Sequenzen transformiert und statistisch signifikante Muster mittels eines bayesianischen Ansatzes extrahiert, um diese als Hyperkanten in einem Hypergraphen zu modellieren und so komplexe Wechselwirkungen in neuronalen und sozialen Systemen zu analysieren.
Diese Arbeit stellt einen neuartigen zweistufigen Algorithmus auf Basis von Low-Rank-Matrix-Bandits vor, der in einem Online-Setting mit unbekannten Meinungen die Polarisation und Uneinigkeit im Friedkin-Johnsen-Modell durch subspace-basierte Schätzung und lineare Bandit-Optimierung minimiert.
Die Studie zeigt, dass bei der kollaborativen „Vibe Coding"-Programmierung menschliche Führung durch übergeordnete Anweisungen entscheidend für den Erfolg ist, während rein KI-gesteuerte Ansätze oft scheitern und hybride Modelle am besten funktionieren, wenn Menschen die Anleitung übernehmen und die KI die Evaluierung durchführt.
Diese Studie zeigt durch einen algorithmischen Audit von TikTok auf, dass die aktuelle Definition von „Werbung" im Digital Services Act (DSA) eine regulatorische Lücke darstellt, die es ermöglicht, dass personalisierte Influencer- und Marketinginhalte trotz des Verbots von profilbasierten Werbeanzeigen für Minderjährige weiterhin wirksam an diese Zielgruppe ausgespielt werden.
Diese Arbeit schlägt einen kategorischen Rahmen vor, der kombinatorische Graphstrukturen von Wissensgraphen mit topos-theoretischer Semantik verbindet, um durch die Konstruktion einer Topos von Garben kontextabhängige Schlussfolgerungen zu ermöglichen.
Dieser Beitrag erweitert das SAGES-Framework um eine aktororientierte Perspektive, die fünf Phasen der Narrativentwicklung analysiert und anhand von Fallstudien zu Myanmar und der Ukraine zeigt, wie gezielte Interventionen manipulative Informationskampagnen bekämpfen können.
Die Arbeit stellt STEP (STochastic Event Predictor) vor, ein Framework zur stochastischen Vorhersage von Ereignissen in zeitlichen Netzwerken, das durch die Modellierung von Motif-Übergängen mittels Poisson-Prozessen und Bayes'scher Bewertung bestehende Methoden in Bezug auf Genauigkeit und Effizienz deutlich verbessert.
Diese Studie stellt einen integrierten Rahmen für die longitudinale Wissenschaftskartierung vor, der die Rekonstruktion thematischer Linien in dasselbe gewichtete relationale Netzwerkmodell einbettet, das auch der Querschnittserkennung zugrunde liegt, um so methodische Inkonsistenzen zu überwinden und die Evolution wissenschaftlicher Themen als strukturelle Neuordnung anstelle einfacher lexikalischer Persistenz zu erfassen.
Diese Studie nutzt eine räumlich explizite longitudinale Sequenzanalyse von Ereignisdaten in Afrika, um sechs wiederkehrende Muster langfristiger politischer Gewalt zu identifizieren und deren zeitliche sowie räumliche Interdependenzen jenseits isolierter Konfliktübergänge zu beleuchten.
Diese Arbeit bietet einen umfassenden Überblick über den Stand der Technik bei quantitativen Vertrauensmodellen für Online-Sozialnetzwerke, indem sie psychologische Grundlagen analysiert, algorithmische Ansätze kategorisiert und ein praxisorientiertes Handbuch mit Datensätzen, Merkmalen und Anwendungsszenarien bereitstellt.
Diese Arbeit zeigt, dass eine einzelne oder eine endliche Folge von Lin-Lu-Yau-Ricci-Krümmungsbasierten Neugewichtungen im stochastischen Blockmodell die Community-Erkennung durch eine signifikante Vergrößerung des spektralen Eigenlückens und eine präzise Verfolgung deterministischer Rekursionen verbessert.
Die Studie zeigt, dass große Sprachmodelle (LLMs) mithilfe von scheinbar harmlosen Online-Interaktionen die politische Ausrichtung von Nutzern zuverlässiger vorhersagen können als traditionelle maschinelle Lernverfahren, was ein erhebliches Privatsphärenrisiko darstellt.
Die Studie nutzt ein Modell der globalen Lieferkette und OECD-Daten, um zu zeigen, dass die indische Wirtschaft am anfälligsten für Sanktionen aus Saudi-Arabien ist, gefolgt von den Vereinigten Arabischen Emiraten, China, Singapur, den USA und Russland.
Die Studie zeigt, dass bei knappen Ressourcen eine höhere Intelligenz und Vielfalt von KI-Agenten zu gefährlichen Systemüberlastungen führen kann, während bei ausreichender Kapazität dieselben Faktoren die Überlastung minimieren, wobei das Ergebnis ausschließlich vom Verhältnis von Kapazität zu Populationsgröße abhängt.
Die Studie zeigt, dass disziplinäre Fördermittel im Gegensatz zu interdisziplinären Zuschüssen den eigentlichen Motor für hochimpactige, interdisziplinäre Forschungsergebnisse darstellen, da sie tiefes Fachwissen und gezielte Investitionen erfordern.