Springe zum Hauptinhalt
Professur Prädiktive Verhaltensanalyse
Themenangebot

Themenangebot

Hier finden Sie die aktuell ausgeschriebenen Themen an unserer Professur.

Hinweis: Für die erfolgreiche Bearbeitung der meisten Themen sind Kennnisse in Python und/oder R notwendig.
Zielgruppe: B. Sc. und M. Sc. Psychologie, Sensorik und Kognitive Psychologie, Human Factors
Beschreibung:

Prüfungsvorbereitung: Konzentriertes und ablenkungsfreies Lernen wäre jetzt wichtig, doch Apps wie WhatsApp, Netflix und Co. stellen die Selbstbeherrschung auf eine harte Probe und nicht selten siegt der Gedanke an Prokrastination. Selbst wenn der Weg zurück zum Lernen gefunden wird, ist die Konzentration bereits gestört. Jedoch nicht nur beim Lernen begegnen uns Ablenkungen begegnen, sondern sie sind ständige Begleiter in unserem Alltag, so z.B. auch beim schlussfolgernden Denken (= Reasoning). Darunter versteht man die kognitive Fähigkeit, aus vorhandenen Aussagen oder Fakten durch Anwendung logischer Regeln und Schlussfolgerungen Erkenntnisse zu gewinnen: Die Straßen sind nass, der Wetterbericht sagt Regen voraus, welche Schlussfolgerung lässt sich daraus ziehen? Die Frage, die sich hierbei stellt, ist welchen Einfluss unvorhergesehene oder vorhersehbare Ablenkungen auf diese Prozesse haben und weiterführend die Rolle von verschiedene Persönlichkeitsmerkmale (Big Five, Need for cognition etc.) dabei. Anhand verschiedener Experimente sollen die relevanten Faktoren analysiert und verglichen werden.

Voraussetzungen:
  • Interesse an der Erstellung kreativer Experimentalkonzepte
  • Programmier- und R-kenntnisse von Vorteil, aber nicht zwingend erforderlich
Kontaktperson(en): Jenny Rettstatt
Zielgruppe: B.Sc./M.Sc. (Inf / HuFa / SeKo)
Beschreibung: Welche Schlussfolgerungen ziehen Menschen im Allgemeinen aus gegebenen Informationen? Und darüber hinaus: Ist es möglich, aufgrund von Hintergrundwissen wie der Größe des Arbeitsgedächtnisses und den gezogenen Schlussfolgerungen für bestimmte Problemfälle vorherzusagen, welche Schlussfolgerungen eine Person für ein ähnliches Problem ziehen wird? Und wie verhält es sich bei weniger ähnlichen Problemen?
Voraussetzungen:
  • Kenntnisse in Python
  • Interesse an prädiktiver Modellierung
Kontaktperson(en): Daniel Brand & Sara Todorovikj
Zielgruppe: B.Sc./M.Sc. (Inf / Psy)
Beschreibung: Obwohl Vergessen in unserem Alltag oft mit Frustration verbunden ist, handelt es sich dabei um einen äußerst anpassungsfähigen Mechanismus, der uns hilft, die große Menge an täglich auf uns einströmenden Informationen zu bewältigen. Tatsächlich sind Menschen sogar in der Lage, absichtlich zuvor erlernte Informationen zu vergessen. Die kognitiven Grundlagen dieses absichtlichen Vergessens sind jedoch noch nicht ausreichend verstanden. Derzeit führen wir mehrere Experimente durch, um zusätzliche Erkenntnisse darüber zu gewinnen, wie Menschen in der Lage sind, verschiedene Arten von Informationen absichtlich zu vergessen, sei es semantische Gedächtnisinhalte oder motorische Repräsentationen. Zugleich arbeiten wir an der Entwicklung eines kognitiven Modells, das diese Mechanismen erklären kann. Darüber hinaus streben wir danach, datengetriebene Ansätze zu nutzen, um Obergrenzen für die Vorhersageleistung dieser Modelle zu ermitteln.
Voraussetzungen:
  • Varies: Kenntnisse in R/ Python /...
  • Grundlegende Erfahrung in der Datenanalyse (z. B. Clustering)
Kontaktperson(en): Daniel Brand
Zielgruppe:

BSc./MSc. Psychologie oder Sensorik und kognitive Psychologie, MSc. Human Factors

Beschreibung:

Untersuchung der Prozesse beim Lösen komplexer Problemlöseszenarien

Im Alltag werden wir ständig mit verschiedensten Arten von Problemen konfrontiert. Mit zunehmender gesellschaftlicher Vernetzung nimmt auch die Komplexität dieser immer mehr zu. Dabei stellt sich die Frage welche Merkmale und Charakteristiken (Kognitiv, Persönlichkeit, Psychophysik, Erfahrung etc.) erfolgreiches Problemlösen ausmachen. Dabei sind sowohl Eigenschaften auf individueller Ebene als auch in unterschiedlichsten Teaming-Situationen von Interesse. Beginnend mit Fragen wie verschiedene komplexe Probleme beim Mensch-Mensch-Teaming, bis Interaktionen zwischen Menschen und einem künstlichen Agenten gelöst werden. Mittels computersimulierter Versuchsszenarien sollen die relevanten kognitiven und individuellen Faktoren analysiert werden.

 

Voraussetzungen:
  • Kenntnisse in R
  • Interesse an der Analyse komplexer Problemlöseszenarien
Kontaktperson(en): Daniel Brand & Sara Todorovikj