AI4Sci

Ein hybrider KI-Ansatz zur Interpretation wissenschaftlicher Online-Diskurse

Leitung: Prof. Dr. Stefan Dietze
Wissenschaftlicher Arbeitsbereich: Angewandte Informatik

Projektbeschreibung

Wissenschaftliche Erkenntnisse bilden einen zentralen Bestandteil des öffentlichen Diskurses im Web und in den sozialen Medien, z.B. im Kontext der COVID-19-Pandemie. Aufgrund der inhärenten Komplexität wissenschaftlicher Aussagen sowie der inhärenten Mechanismen KI-getriebener Online-Plattformen, auf denen kontroverse oder falsche Aussagen nachweislich mehr Interaktionen und Interesse erzeugen, werden wissenschaftliche Erkenntnisse jedoch oft in vereinfachter, dekontextualisierter und irreführender Weise dargestellt. Aktuelle Beispiele sind z.B. Aussagen zu Impfstoffrisiken oder der COVID19-Sterblichkeit, die oft in verkürzter oder irreführender Weise im Netz dargestellt wurden.

AI4Sci widmet sich der Herausforderung, hybride Methoden der Künstlichen Intelligenz (KI) zum Erkennen und Interpretieren wissenschaftlicher Behauptungen in großen Datenmengen aus Online-Diskursen zu entwickeln und so Desinformation im Kontext von Wissenschaftskommunikation zu begegnen. Das Projekt baut hierfür auf Fortschritten in Bereichen wie Deep Learning, Natural Language Processing und Wissensgraphen auf und wird Methoden entwickeln, die z.B. die Qualität, Korrektheit oder Vollständigkeit von wissenschaftlichen Aussagen in sozialen Medien oder auf Nachrichtenseiten erkennen, indem sie Beziehungen zwischen Aussagen und den wissenschaftlichen Primärquellen herstellen und nutzen. 

So entstehen Werkzeuge für die Nachverfolgung wissenschaftlicher Erkenntnisse in Online Diskursen und das Erkennen von Falschinformationen, um den öffentlichen Diskurs und das Verständnis von komplexen wissenschaftlichen Sachverhalten zu verbessern und damit einen demokratiefördernden Einfluss auf Online-Kommunikation auszuüben. Die hybride Methodik von AI4Sci wird außerdem zu wichtigen Herausforderungen in der KI beitragen, z.B. der Transparenz und Reproduzierbarkeit von KI-Modellen. Im Rahmen einer internationalen Kollaboration zwischen GESIS (Deutschland) und LIRMM (Frankreich) und unter Einbindung regionaler Einrichtungen wie dem Heine Center for Artifical Intelligence and Data Science (HeiCAD) der HHU Düsseldorf wird ein regionaler, international vernetzter Hub für KI-Methoden zur Nutzung und Analyse von Online-Diskursen aufgebaut und so der KI-Standort Deutschland gestärkt.

Projektlaufzeit

01.11.2021-31.10.2024

Gefördert durch

BMBF

Partner

LIRMM - Labor für Informatik, Robotik und Mikroelektronik von Montpellier, Universität Montpellier, Frankreich

Publikationen

Boland, K., Fafalios, P., Tchechmedjiev, A., Dietze, S., Todorov, K., Beyond Facts – a Survey and Conceptualisation of Claims in Online Discourse Analysis, Semantic Web Journal, IOS Press 2021.

Zhu, X., Zhu, L., Guo, J., Liang, S., Dietze, S., GL-GCN: Global and Local Dependency Guided Graph Convolutional Networks for aspect-based sentiment classification, Expert Systems with Applications, Volume 186, 115712, Elsevier, 2021.

Dimitrov, D., Baran, E., Fafalios, P., Yu, R., Zhu, X., Zloch, M., Dietze, S., TweetsCOV19 – A Knowledge Base of Semantically Annotated Tweets about the COVID-19 Pandemic, 29th ACM International Conference on Information & Knowledge Management (CIKM2020), ACM 2020