Forschungsprojekte
Hier werden Projekte im Zusammenhang mit Forschung-Dienstleistungen präsentiert.
Algorithmic Management – Establishing Fair and Participative Shift Planning in Healthcare
Schichtpläne legen fest, wann Arbeitnehmer/innen arbeiten. Sie haben somit einen erheblichen Einfluss auf die Mitarbeiterzufriedenheit und deren soziales Leben. Die Erstellung von Schichtplänen ist eine hochkomplexe – oft manuell durchgeführte – Aufgabe, da diverse rechtliche und betriebliche Anforderungen beachtet werden müssen. Dies führt dazu, dass die Schichteinteilung von den Arbeitnehmern mitunter als ungerecht empfunden werden, die heutzutage zudem nur wenige Möglichkeiten haben, ihre Präferenzen in diesem Prozess zu äußern. Das Projekt zielt daher darauf ab, faire KI-basierte Algorithmen und Schnittstellen für die Gesundheitsbranche zu entwickeln, um deren Mitarbeiter/innen in den Mittelpunkt der Zeitschichtplanung zu rücken. (Link folgt)
Informierte Selbstbestimmung im Umgang mit digitalen Gesundheitsanwendungen
Im Forschungsprojekt “PRIVATE” werden Ansätze zur Verbesserung des Datenschutzes im Bereich mentaler Gesundheitsapplikationen entwickelt. Das Ziel dabei ist, Nutzer*Innen eine höhere Transparenz und Kontrolle über die Erfassung und Verarbeitung ihrer persönlichen Daten zu ermöglichen. Zusätzlich wird der klinische Nutzen einer App-Version ermittelt, welche vollständige Anonymität gewährleistet. (Link folgt)
Linked Data & Relationale Datenbanken: Gesichertes Wissen
Das Projekt "Gesichertes Wissen vermitteln, vernetzen und vorhalten" der Philosophisch-Historischen Fakultät ist eine Zusammenarbeit zwischen vier Instituten: dem Institut für Theaterwissenschaft (Theater und Tanzlexikon der Schweiz), dem Institut für Musikwissenschaft (Musiklexikon der Schweiz), dem Institut für Archäologische Wissenschaften (Digitales sumerisches Lexikon) und dem Historischen Institut (Repetorium Academicum). Im Rahmen dieses Projekts werden vier Datenbanken, die aus der geisteswissenschaftlichen Forschung stammen, analysiert und modelliert, um sie anschliessend Forschenden und der breiten Öffentlichkeit zur Verfügung zu stellen.
Using digital sensing to predict human health and well-being – SENTI
Digitalization presents both opportunities and challenges for human health and well-being. While smartphone use has the potential to enhance psychological well-being and to support healthy behavior, problematic usage can have adverse effects on physical and mental health. In this context, mobile sensing technology, including smartphones, smartwatches, and wearables, offers a unique advantage by reaching individuals in their daily lives. It provides indicators for measuring and predicting psychosocial states and behaviors, encompassing affective states, mental health, social interactions, and health-related behaviors. The SENTI project is a collaboration of psychology and computer science aimed at leveraging mobile sensing technology to better understand and predict changes in health and well-being. Ultimately, its goal is to identify targets for just-in-time interventions to promote individuals' health and well-being in the long-term.
Mensch in der digitalen Verwaltung
Das Forschungsprojekt untersucht den Transformationsprozess der öffentlichen Verwaltung mit dem Fokus auf digitalisiertem Verwaltungshandeln sowie dessen Auswirkungen auf die unterschiedlichen Anspruchsgruppen und soll rechtliche Grundlagen für einen erhöhten Bürgernutzen schaffen. Mittels interdisziplinärer Herangehensweise durch je eine Dissertation in der Verwaltungs- und der Rechtswissenschaft wird anhand theoretischer Grundlagen und empirischer Analysen der Stand der Digitalisierung im Verwaltungsverfahren erhoben, die Digitalisierungsstufen im Verwaltungsverfahren und deren potenziellen Auswirkungen ergründet und aus den Erkenntnissen Handlungsempfehlungen für die digitale Transformation des Verwaltungshandeln ausgearbeitet.
Digital Central Bank Currency
Cryptocurrencies have shown how to realize a secure equivalent of money in a purely digital way. They challenge the role of traditional currencies, which are issued by central banks. Central banks have therefore started to investigate digital currencies, and many are exploring how to issue a central-bank digital currency (CBDC) to consumers for this purpose. By making such Retail CBDCs accessible to households, the existing relationships between central banks, commercial banks, and people will undergo fundamental changes. This interdisciplinary research project addresses the topic from two perspectives: law and computer science. Key questions concern the legal and technical requirements for cash-like CBDCs, the fundamental normative principles that should apply, and the algorithmic approaches that are available. In particular, there is a strong tension between privacy and data-protection demands, which exist for traditional cash in certain forms, and the objectives of various societal norms that aim to prevent tax evasion, money laundering, organized crime, and so on.
Wahrnehmung in Statistik, Ökonometrie und Stochastik
Die Digitalisierung ermöglicht schnellere und effizientere Prozesse, führt jedoch auch zu einer enormen Zunahme der zu verarbeitenden Daten. Wenn Sie beispielsweise an medizinische Studien denken, werden heutzutage zahlreiche Kenngrössen für jede einzelne Person oder Behandlung erhoben; dies in der Hoffnung auf zusätzliche Erkenntnisse, auch mit künstlicher Intelligenz. Ein Problem dabei ist, dass wir Menschen uns nur zwei- oder dreidimensionale Objekte vorstellen können. Wenn die Daten aus hochdimensionalen Vektoren bestehen, gibt es erstaunliche Effekte, die unserer Intuition widersprechen. Diese Effekte führen dazu, dass es sehr schwierig wird, interessante Strukturen in den Daten zu erkennen - eine Suche von Nadeln im Heuhaufen. Andererseits besteht bei sehr umfangreichen Daten die Gefahr, dass man zahlreiche scheinbare Effekte und Strukturen erkennt, die sich bei genauerem Nachforschen als nicht vorhanden entpuppen. In unserem Projekt werden wir uns mit beiden Arten von Problemen beschäftigen. Insbesondere möchten wir dazu beitragen, dass manche Verfahren des Machine Learning nicht nur als Black Box ausprobiert, sondern verstanden und gezielt eingesetzt werden.