| NUMMER: | 260025 |
| KÜRZEL: | XAI |
| MODULBEAUFTRAGTE:R: | Christian Meske |
| DOZENT:IN: | Prof. Dr. Christian Meske |
| FAKULTÄT: | Institut für Arbeitswissenschaften |
| SPRACHE: | Englisch |
| SWS: | 4 |
| CREDITS: | 6 |
| ANGEBOTEN IM: | jedes Sommersemester |
LINK ZUM VORLESUNGSVERZEICHNIS
Hier entlang.
VERANSTALTUNGSART
Blockseminar Designing Explainable AI
LERNFORM
Dieses Modul wird als 2-wöchiger Blockkurs und (voraussichtlich) in Kooperation mit Studierenden der Universität Oldenburg (Prof. Dr.-Ing. Daniel Sonntag, Deutsches Forschungszentrum für Künstliche Intelligenz) durchgeführt. Nach einführenden Vorlesungen zu den Themen Erklärbare Künstliche Intelligenz und Design Science Research durch die Dozenten arbeiten die Studierenden selbstständig an ihren wissenschaftlichen Projekten (in Gruppen). Der Austausch zwischen den Gruppen wird durch konstruktive Diskussionen und Feedback-Runden gefördert. Die Dozenten geben Hilfestellung bei der Arbeit und geben laufend Feedback zum Projekt und den dazugehörigen Seminararbeiten.
Das XAI-Blockseminar wird vollständig über Online-Sitzungen (Outbreak) abgehalten, um die Zusammenarbeit mit Studierenden der Universität Oldenburg zu ermöglichen.
LERNZIELE
Nach dem erfolgreichen Abschluss des Moduls• haben Sie das Forschungsgebiet Erklärbare Künstliche Intelligenz kennengelernt und verstanden, welche Konsequenzen aus dem Blackbox Problem resultieren können
• haben Sie unterschiedliche Methoden und Techniken aus dem Feld der Erklärbaren Künstlichen Intelligenz kennengelernt sowie deren Eigenschaften
• haben Sie sich mit dem gestaltungsorientierten Forschungsvorgehen Design Science Research befasst und das Vorgehen im Rahmen einer Seminararbeit erfolgreich angewendet.
• haben Sie eine wissenschaftliche Fragestellung mit praktischer Relevanz unter der Verwendung von wissenschaftlichen Methoden bearbeitet
INHALT
Der Kurs kombiniert theoretische und wissenschaftliche Grundlagen aus dem Bereich der erklärbaren künstlichen Intelligenz mit der Entwicklung von Lösungsansätzen für reale Probleme. Dies beinhaltet:• Vermittlung des Status Quo zum Thema "Explainable Artificial Intelligence" sowie relevanter Anwendungsfälle, Stakeholder und Forschungsmöglichkeiten
• Vertiefte Anwendung von Design Science Research als designorientierter Forschungsansatz
• Instanziierung von Lösungsansätzen in prototypischen IT-Artefakten
• Einsatz von qualitativen und/oder quantitativen Forschungsmethoden zur Entwicklung von verallgemeinerungsfähigem Designwissen sowie zur Bewertung von Lösungsansätzen
• Bearbeitung von interdisziplinären Fragestellungen mit hoher Relevanz für Forschung und Praxis
VORAUSSETZUNGEN CREDITS
• Regelmäßige Teilnahme• Erfolgreiche Präsentation der Zwischen- und Endergebnisse
• Erfolgreiche Bearbeitung und Einreichung der Seminararbeit
EMPFOHLENE VORKENNTNISSE
Grundlegende Kenntnisse über Künstliche Intelligenz bzw. relevante Programmierkenntnisse (z. B. Python) und/ oderVertrautheit mit (Grafik)Software für die Gestaltung von prototypischen Informationssystemen (z. B. deren Benutzeroberflächen).