Die Forschung im Bereich Human Information Interaction und Information Retrieval beschäftigt sich damit, wie Menschen Informationen suchen, finden und nutzen – und wie sie dabei besser unterstützt werden können. Dazu gehört zum einen die gezielte Suche nach wissenschaftlichen Inhalten wie Datensätzen, Machine Learning-Modellen oder Publikationen. Zum anderen wird untersucht, wie sich Menschen im Web informieren und verhalten, wie etwa auf Social Media-Plattformen.
Wichtige Forschungsfragen sind unter anderem: Wie lassen sich die Informationsbedürfnisse der Nutzenden besser verstehen? Wie kann das Such- und Interaktionsverhalten automatisch klassifiziert werden, z.B. mithilfe von Machine Learning? Welche Methoden können Ranking- und Empfehlungssysteme optimieren und fair gestalten? Mit welchen Verfahren lassen sich unstrukturierte Dokumente wie z.B. Publikationen für die Suche erschließen? Wie kann man das Vertrauen in KI-Modelle und deren Erklärbarkeit verbessern?
Unsere Forschung in diesem Bereich verbindet Ansätze aus Information Retrieval, Machine Learning, Informationsextraktion/NLP und Human Information Interaction, um innovative Methoden, Infrastrukturen oder Datenangebote bereitzustellen.
Forschungsoutput
- Linzbach, Stephan, Dimitar Dimitrov, Laura Kallmeyer, Kilian Evang, Hajira Jabeen, and Stefan Dietze. 2024. "Dissecting Paraphrases: The Impact of Prompt Syntax and supplementary Information on Knowledge Retrieval from Pretrained Language Models." In Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics (NAACL2024). Mexico City, Mexico: Association for Computational Linguistics, ACL2024. doi: 10.48550/arXiv.2404.01992.
- Otto, Wolfgang, Matthäus Zloch, Lu Gan, Saurav Karmakar, and Stefan Dietze. 2023. "GSAP-NER: A Novel Task, Corpus, and Baseline for Scholarly Entity Extraction Focused on Machine Learning Models and Datasets." In Findings of the Association for Computational Linguistics: EMNLP 2023, 8166-76, Singapore: Association for Computational Linguistics. doi: 10.48550/arXiv.2311.09860.
- Papenmeier, Andrea, Dagmar Kern, Gwenn Englebienne, and Christin Seifert. 2022. "It's Complicated: The Relationship between User Trust, Model Accuracy and Explanations in AI." ACM transactions on computer human interaction 29 (4): 35. doi: 10.1145/3495013
- Schmüser, Juliane, Harshini Sri Ramulu, Noah Wöhler, Christian Stransky, Felix Bensmann, Dimitar Dimitrov, Sebastian Schellhammer, Dominik Wermke, Stefan Dietze, Yasemin Acar, and Sascha Fahl. 2024. "Analyzing Security and Privacy Advice During the 2022 Russian Invasion of Ukraine on Twitter." In CHI '24: Proceedings of the CHI Conference on Human Factors in Computing Systems, ed. Florian Floyd Mueller, Penny Kyburz, Julie R. Williamson, Corina Sas, Max L. Wilson, Phoebe Toups Dugas, and Irina Shklovski, 574, 1-16. New York: Association for Computing Machinery. doi: 10.1145/3613904.3642826.
- Yu, Zehui, Lukas Otto, Dennis Assenmacher, and Claudia Wagner. 2024. "A Systematic Review of the Effects of AI-Assisted Moderation on Individuals and Groups." Human-Machine Communication 9: 167-88. doi: 10.30658/hmc.9.10.
- ECHOES - Overcome Selective Exposure in Web Search by considering Eye Movements and Physiological Signals (ECHOES). Förderer: DFG.
- A hybrid AI approach for understanding science in online discourse (AI4SCI). Förderer: BMBF.
- Infrastructures for Living Labs - Project Phase II (STELLA II). Förderer: DFG.
- Natürlichsprachliche und dialogorientierte Unterstützung bei der Objektsuche (VACOS 2), Förderer: DFG
- NFDI for Data Science and Artificial Intelligence (NFDI4DS). Förderer: DFG.