MDKI Technische Aspekte (Gruppe 4)

Erste Sitzung: Einführung und Gruppeneinteilung



Jula Lühring

Der Ablauf der heutigen Sitzung

  1. Vorstellungsrunde
  2. Organisatorisches
  3. Erwartungen und Bewertungskriterien
  4. Nutzung von KI
  5. Beispielprojekt
  6. Gruppeneinteilung

Vorstellungsrunde

Zu mir

  • PhD / Postdoc in Computational Social Science

  • Fokus auf Forschung zu sozialen Medien und digitaler Demokratie

  • Erforsche Empfehlungsalgorithmen und benutze ML in der Forschung

jula.luehring@uni-graz.at

@julaluehring.bsky.social

julaluehring.github.io

Mein akademischer Hintergrund

Und jetzt Sie!

  • Wie ist Ihr akademischer Hintergrund?

  • Was fanden Sie am MDKI interessant?

Organisatorisches

Kursablauf

1. Termin: 04.03.2026, 9 - 13 Uhr

  • Kurze Einleitung und Kennenlernen

  • Gruppeneinteilungen

2. Termin: 23.04.2026, 9 - 13 Uhr

  • Besprechung der Projektideen
  • Klärung von Problemen und Fragen

3. Termin: 17.06.2026, 9 - 13 Uhr

  • Abschlusspräsentationen!



Sprechstunden-Termine zur begleitenden Projekt-Betreuung werden nach Bedarf1 vereinbart!

1 Melden Sie sich gerne: jula.luehring@uni-graz.at

Kommunikation via Moodle

Bitten nutzen Sie diese Foren!

Erwartungen an Sie

Die folgenden Informationen finden Sie nach der Sitzung auch auf Moodle!

Grundsätzliches

Die Gesamtnote setzt sich aus zwei Teilen zusammen:

40% werden für die Anwesenheit sowie die nachweisliche Mitarbeit in der Gruppe und in den Sitzungen vergeben sowie

\(\rightarrow\) individuelle Bewertung

60% für die inhaltliche Bewertung der Abschlusspräsentation bzw. des Projektes.

\(\rightarrow\) Gruppenleistung

Don’t be this person!

Bewertungskriterien der Abschlusspräsentation

  1. Motivation
    • Klare Forschungsfrage oder Problembeschreibung
    • Inwiefern ist dies relevant?
    • Gibt es vorherige Forschungsarbeiten?
  2. Methoden- und Datenbeschreibung
    • Welcher Machine Learning / KI-Ansatz wurde gewählt und wie steht er im Zusammenhang mit der Forschungsfrage?
    • Dokumentation und Begründung der Hyperparameter-Auswahl
    • Woher stammen die Daten? Deskriptive Statistiken, Schritte zur Datenbereinigung
  1. Analyse
    • Kritische Beurteilung der Performance (Accuracy, F1, Silhouette score etc.)
    • Analyse der Ergebnisse zur Beantwortung der Frage
  2. Fazit
    • Werden die Ergebnisse in Bezug zur Forschungsfrage gesetzt?
    • Welche Einschränkungen / potenziellen Probleme hat der Ansatz?

Im Zweifel: Fragen Sie gerne oder schauen Sie sich an, wie Forschende diese Aspekte in wissenschaftlichen Fachzeitschriften angehen.

Nutzung von KI

Bitte nutzen, aber erklären!

Sie dürfen ausdrücklich KI verwenden!

Aber: Geben Sie an, welches Modell Sie für wofür verwendet haben und wie gut das funktioniert hat.


Sie sollten jeden durch KI generierten Teil (ob Text oder Code) verstehen und erklären können!

Beispielprojekte

Von vorherigen Studierenden

LLMs in mental health care https://github.com/MGerschuetz/localTherapy

AI for Energy Intelligence https://github.com/AlFredFooX/AI4EnergyIntelligence

Aus meiner Forschung: Datensammlung, ML und Validierung

Non-parametric matching

Note. Nearest Neighbor and Mahalanobis distance

\(\rightarrow\) Matching-Algorithmus reduziert emotionale Ansteckungseffekte

Ho et al., 2007

Effekte auf Engagement



Note: Marginal effects of ZINB models (95% CI represent 10,000 bootstraps) predicting engagement by news type.

  • Limitiertes Problem: nur 6% sind unglaubwürdige Nachrichten, die aber 39% mehr Retweets & 12% Quote Retweets generieren

Zeileis et al., 2008

Effekte auf Emotionen in Diskussionen


Note: ATE estimated by linear regression (95% CI represent 10,000 bootstraps) predicting emotional expression in discussions vs first replies for untrustworthy (vs trustworthy) news.
  • Negative emotionale Spuren: mehr Wut, Ekel, Angst und weniger Freude
  • Selbstselektion: wütendere User*innen reagieren, was möglicherweise zu selbstverstärkenden Prozessen führt

Gruppeneinteilung

Denken Sie an die Vorlesung

Sie sind dran! Runde I

  1. Brainstormen Sie in Gruppen Projektideen und tragen Sie Ihre Ideen HIER ein.

  2. Nach zwei Runden stellt jeweils eine Person eine Idee im Plenum vor (ca. 2 Minuten + Verständnisfragen),

  3. woraufhin Sie sich den Projekten zuteilen (Prio #1 und #2).


Endziel der Sitzung: Jede Person ist in einer Gruppe und jede Gruppe hat 3-5 Mitglieder!

Welche Probleme gibt es?

Sie sind dran! Runde II

  1. Brainstormen Sie in Gruppen Projektideen und tragen Sie Ihre Ideen HIER ein.

  2. Nach zwei Runden stellt jeweils eine Person eine Idee im Plenum vor (ca. 2 Minuten + Verständnisfragen),

  3. woraufhin Sie sich den Projekten zuteilen (Prio #1 und #2).


Endziel der Sitzung: Jede Person ist in einer Gruppe und jede Gruppe hat 3-5 Mitglieder!

Gruppenorganisation

  • Wie kommunizieren Sie untereinander? Moodle-Forum, Email, Messenger,…

  • Wann treffen Sie sich das nächste Mal?

  • Können Sie bis dahin Aufgaben verteilen?

Sie sind unzufrieden mit dem Thema oder haben andere interne Probleme? Dann melden Sie sich bei per Email bei mir.

Wie geht’s weiter bis zur nächsten Einheit?

  1. Überlegen Sie sich eine Fragestellung.

  2. Welche Methodik können Sie verwenden? Wo bekommen Sie die passenden Daten her?

Machen Sie einen Termin mit mir aus für die Woche vor Ostern (23.-27.3.)!

Fragen?

Falls nicht: vielen Dank und einen schönen Tag!