© Pixabay / geralt

Mensch trifft Algorithmus: KI in der Psychologie

Herzlich Willkommen zum Forschungsschwerpunkt Künstliche Intelligenz an den Instituten für Psychologie

Technologischer Fortschritt im Bereich künstlicher Intelligenz (KI) eröffnet der wissenschaftlichen Psychologie ein faszinierendes und bahnbrechendes Forschungsfeld. KI bietet neue Möglichkeiten, menschliches Verhalten, Emotionen und kognitive Prozesse zu verstehen und zu analysieren. Sie ermöglicht es uns, Datenmengen in neuem Umfang zu verarbeiten, Datenstrukturen zu entschlüsseln und damit die Grenzen herkömmlicher psychologischer Ansätze zu erweitern. Psychologische Forschung, die KI anwendet, verspricht damit neue, noch tiefgreifendere Einblicke in die Funktionsweisen menschlichen Erlebens und Verhaltens.

Die Anwendung von KI in der Psychologie eröffnet zum Beispiel neue Wege, um psychische Erkrankungen zu diagnostizieren und personalisierte Therapieansätze zu entwickeln. Darüber hinaus ermöglicht die Kombination von KI mit Technologien wie virtueller Realität und Wearables die Schaffung von interaktiven  Umgebungen, die die Erforschung von Verhaltensweisen in realitätsnahen Szenarien ermöglichen. Dies eröffnet neue Möglichkeiten für die Entwicklung von Interventionsstrategien. Auch Unternehmen und Personalabteilungen können von KI profitieren, z.B. bei der Vorauswahl von Bewerber:innen. Die fortschreitende KI-Entwicklung birgt jedoch auch ethische und gesellschaftliche Herausforderungen, denen sich die Fachrichtung Psychologie stellt. Fragen der Privatsphäre, der Verantwortlichkeit und des Potenzials für Voreingenommenheit in den Daten müssen sorgfältig berücksichtigt werden.

Künstliche Intelligenz ist daher ein Forschungsschwerpunkt der Universität Münster und der Fachrichtung Psychologie. In zahlreichen internationalen Forschungsprojekten, Drittmittelprojekten und Publikationen setzen sich Forscher:innen und Psycholog:innen an unseren psychologischen Instituten mit KI auseinander. Diese Homepage bietet dazu einen Überblick.

© Pixabay / marquetand
  • Personen und Arbeitseinheiten

    KI & Allgemeine Psychologie
    Wir nutzen maschinelles Lernen und künstliche Intelligenz in unserer Forschung als Methode der Datenanalyse (z. B. zur Analyse von EEG-Daten via Multivariate Pattern Analysis oder Support Vector Machines), zur Vorhersage unterschiedlicher psychologischer Prozesse (wie z. B. zur Vorhersage von Handlungsintentionen aus neuronalen und Verhaltensdaten). Außerdem erforschen wir menschliche Erinnerungs- und Wahrnehmungsprozesse und wie das menschlische Gehirn Modelle versteht und auf die Umwelt reagiert. Mit Hilfe von KI nutzen wir Vorhersagemodelle, die die neuronale Aktivität im Gehirn erklären und verständlich machen sollen.

    Weitere Infos finden Sie hier:

    KI & Klinische Psychologie
    In unserer Forschung nutzen wir Virtual-Reality-Welten als effektives Instrument, um Verhaltensänderungsmechanismen und die Wirksamkeit von Psychotherapie zu untersuchen. Durch die realitätsnahe Simulation von Umgebungen können wir die Reaktionen und Verhaltensweisen der Teilnehmenden in kontrollierten Experimenten erfassen und wertvolle Erkenntnisse gewinnen. Diese innovativen Ansätze ermöglichen uns, neue Wege für die psychotherapeutische Praxis zu erkunden und die Effektivität von Interventionen in einer sicheren und kontrollierten Umgebung zu evaluieren.

    Weitere Infos finden Sie hier:

    KI & Psychologische Diagnostik und Persönlichkeitspsychologie
    Maschinelles Lernen und künstliche Intelligenz kommen bei uns in vielerlei Hinsicht in Forschung und Lehre zum Einsatz. Zusätzlich zu anderen Anwendungen verwenden wir KI beispielsweise, um Auswahlentscheidungen vorherzusagen. Darüber hinaus erstellen wir ein systematisches Benchmarking der Leistung von KI-Vorhersagemodellen. Dabei vergleichen wir sie mit einfachen Vorhersagemodellen sowie menschlichen Beurteiler:innen. Wir nutzen in unserer Forschung eine systematische Kombination von AI-Ansätzen zur Datengenerierung und Datenintegration und nutzen KI bspw. zur Vorhersage von Unterschieden im Niveau und in den Verläufen des Befindens und der Leistung in unterschiedlichen Anwendungskontexten.

    Weitere Infos finden Sie hier:

    KI & Psychologische Methodenlehre und Statistik
    In unserer Forschung kombinieren wir klassisch psychologisch-statistische Ansätze mit Ansätzen des maschinellen Lernens und untersuchen die statistischen Eigenschaften dieser Kombinationen (z.B. Lasso- und Ridge-Regularisierung und Strukturgleichungsmodelle). Außerdem erweitern wir Modelle des maschinellen Lernen, sodass sie in Datensituationen, die in der Psychologie oft auftreten, auch adäquat verwendet werden können (z.B. Gradient Tree Bossting und hierarchische Daten). 

    Weitere Infos finden Sie hier:

    KI & Organisations- und Wirtschaftspsychologie
    In der Organisations- und Wirtschaftspsychologie nutzen wir selbstgenerierte KI-Systeme u.a. zur explorativen Forschung und Ergänzung bzw. Vergleich mit theoretischen Modellen in den Bereichen (a) Beurteilung der Ästhetik von Webseiten, (b) Leistungseffekte von Teamarbeit und (c) Personalauswahl. Darüber hinaus beschäftigen wir uns mit der Mensch-Maschine Interaktion und untersuchen das menschliche Vertrauen in KI-Systeme, um besser zu verstehen, wie Menschen die Interaktion mit diesen Systemen wahrnehmen, beurteilen und Vertrauen aufbauen.

    Weitere Infos finden Sie hier:

     

    KI im Schulunterricht &  der Hochschullehre
    Wie gehen Lernende und Lehrende mit KI-Technologie um? Welche Erwartungen haben sie an deren Kompetenz und Vertrauenswürdigkeit? Welche Zuschreibungen/Anthropomorphisierungen nehmen sie vor? Diesen und verwandten Fragen gehen wir in unserer Forschung nach. Zudem werden KI-Technologien eingesetzt, um Sprache und Nutzungsverhalten von Lernenden zu analysieren.

    Weitere Infos finden Sie hier:

  • Publikationen / Publications

    KI & Allgemeine und biologische Psychologie / AI & Cognitive Neuroscience

    • Balestrieri, E., & Busch, N. A. (2022). Spontaneous alpha-band oscillations bias subjective contrast perception. Journal of Neuroscience, 42(25), 5058-5069.
    • Bremer, G., Stein, N., & Lappe, M. (2022). Do They Look Where They Go? Gaze Classification During Walking. In NeuRIPS 2022 Workshop on Gaze Meets ML.
    • Bremer, G., Stein, N., & Lappe, M. (2022). Machine Learning Prediction of Locomotion Intention from Walking and Gaze Data. International Journal of Semantic Computing, 1-24.
    • Rolff T., Stein N., Lappe M., Steinicke F., Frintrop S. (2022). Metrics for Time-to-Event Prediction of Gaze Events. Proceedings for Machine Learning Research (PMLR).
    • Stein, N., Bremer, G., Lappe, M. (2022). Eye Tracking-based LSTM for Locomotion Prediction in VR. Proceedings of the IEEE Conference on Virtual Reality and 3D User Interfaces (VR) (pp. 493-503). IEEE.
    • Bremer, G., Stein, N., Lappe, M. (2021) Predicting Future Position From Natural Walking and Eye Movements with Machine Learning. Proceedings of the IEEE International Conference on Artificial Intelligence and Virtual Reality (AIVR) 2021, 19-28 (Best paper award).
    • Pomp, J., Heins, N., Trempler, I., Kulvicius, T., Tamosiunaite, M., Mecklenbrauck, F., Wurm, M. F., Wörgötter, F., Schubotz, R. I. (2021) Touching events predict human action segmentation in brain and behavior. NeuroImage, 243, 118534.
    • Crouzet, S. M., Busch, N. A., & Ohla, K. (2015). Taste quality decoding parallels taste sensations. Current Biology, 25(7), 890-896.

    KI & Klinische Psychologie / AI & Clinical Psychology

    • Beer, U. M., Neerincx, M.A., Morina, N., & Brinkman, W. P. (2020). Computer-based perspective broadening support for appraisal training: Acceptance and Effects. International Journal of Technology and Human Interaction, 16, 3, 86-108.

    • Beer, U. M., Neerincx, M.A., & Morina, N., Brinkman, W. P. (2017). Virtual agent-mediated appraisal training: A single case series among Dutch firefighters. European Journal of Psychotraumatology, 8(1):1378053.

    • Brinkman, W.P., Hartanto, D., Kang, N., de Vliegher, D., Neerincx, M.A., Kampmann, I.L., Morina, N., & Emmelkamp, P.M.G. (2012). A virtual reality dialogue system for the treatment of social phobia. Proceedings of the 30th international conference on Human factors in computing systems (CHI'12). Austin, TX, USA: ACM.

    • Emmelkamp, P. M. G., Meyerbröker, K., & Morina, N. (2020). Virtual reality therapy in social anxiety disorder. Current Psychiatry Reports, 22, 32.

    • Favie, J., Vakili, V. G., Brinkman, W.-P., Morina, N., & Neericx, M. A. (2016). State of the art in technology supported resilience training for military professionals. In A. Gaggioli, A. Ferscha, G. Riva, S. Dunne, & I. Viaud-Delmon, I. (eds.). Human Computer Confluence: Transforming human experience through symbiotic technologies. Warsaw: De Gruyter Open.

    • Hartanto, D., Brinkman, W. P., Kampmann, I. L., Morina, N., Emmelkamp, P.  M. G., & Neerincx, M.A. (2016). Home-based virtual reality exposure therapy with virtual health agent support. Communications in Computer and Information Science, 85-98.

    • Hartanto, D., Brinkman, W. P., Kampmann, I. L., Morina, N., Emmelkamp, P.  M. G., & Neerincx, M.A. (2015). Design and Implementation of Home-Based Virtual Reality Exposure Therapy System with a Virtual eCoach. Lecture Notes in Artificial Intelligence, 9238, 287-291.

    • Hartanto, D., Brinkman, W. P., Kampmann, I. L., Morina, N., Emmelkamp, P.  M. G., & Neerincx, M.A. (2014). Controlling Social Stress in Virtual Reality Environments. PLOS ONE, 9(3), e92804.

    • Hartanto, D., Kampmann, I. L., Morina, N., Emmelkamp, P. G., Neerincx, M. A., & Brinkman, W. P. (2019). Correction: Controlling Social Stress in Virtual Reality Environments. PloS One, 14(10), e0223988.

    • Hartanto, D., Kang, N., Brinkman, W. P., Kampmann, I. L., Morina, N., Emmelkamp, P.  M. G., & Neerincx, M.A. (2012). Automatic mechanisms for measuring subjective unit of discomfort. Studies in Health Technology and Informatics, 181, 192-196.

    • Kampmann, I. L., Emmelkamp, P. M. G., Hartanto, D., Brinkman, W.P., Zijlstra, B. J. H., & Morina, N. (2016). Exposure to virtual social interactions in the treatment of social anxiety disorder: A randomized controlled trial. Behaviour Research and Therapy, 77, 147-156.

    • Kampmann, I. L., Emmelkamp, P. M. G., & Morina, N. (2019). Cognitive predictors of treatment outcome for exposure therapy: Do changes in self-efficacy, self-focused attention, and estimated social costs predict symptom improvement in social anxiety disorder? BMC Psychiatry. 19:80.

    • Kampmann, I. L., Emmelkamp, P. M. G., & Morina, N. (2018). Does exposure therapy lead to changes in attention bias and approach-avoidance bias in patients with social anxiety disorder? Cognitive Therapy and Research, 42, 865-866.

    • Kampmann, I. L., Emmelkamp, P. M. G., & Morina, N. (2018). Self-report questionnaires, behavioral assessment tasks, and an implicit behavior measure: Do they predict social anxiety in everyday life? PeerJ, 6:e5441.

    • Kampmann, I. L., Emmelkamp, P. M. G., & Morina, N. (2016). Meta-analysis of technology-assisted interventions for social anxiety disorder. Journal of Anxiety Disorders, 42, 71-84.

    • Kampmann, I. L., Meyer, T., & Morina, N. (2020). Social comparison modulates coping with fear in virtual environments. Journal of Anxiety Disorders, 72, 102226.

    • Lancee, J. van Straten, A., Morina, N., Kaldo, V., & Kamphuis, J.H. (2016). Guided online or face-to-face cognitive behavioral treatment for insomnia: A randomized wait-list controlled trial. Sleep. 39, 183-191.

    • Ling, Y, Brinkman, W. P., Nefs, H. T., Morina, N. & Heynderickx, I. (2014). A meta-analysis on the relationship between self-reported presence and anxiety in virtual reality exposure therapy for anxiety disorders. PLOS ONE. 9(5): e96144.

    • Meyerbröker, K. & Morina, N. (2021). The use of Virtual Reality in assessment and treatment of anxiety and related disorders. Clinical Psychology and Psychotherapy, 28, 466–476.

    • Meyerbröker, K., Morina, N., & Emmelkamp, P.M.G. (2018). Enhancement of exposure therapy in participants with specific phobia: a randomized controlled trial comparing yohimbine, propranolol and placebo. Journal of Anxiety Disorders, 57, 48-56

    • Meyerbröker, K., Morina, N., Kerkhof, G., & Emmelkamp, P.M.G. (2022). Potential predictors of virtual reality exposure therapy for fear of flying: anxiety sensitivity, self-efficacy and the therapeutic alliance. Cognitive Therapy and Research, 46, 646–654.

    • Meyerbroeker, K., Morina, N., Kerkhof, G. A., & Emmelkamp, P.M.G. (2013). Virtual Reality Exposure Therapy does not provide any additional value in agoraphobic patients: A randomized controlled trial. Psychotherapy & Psychosomatics, 82, 170-176.

    • Meyerbröker, K., Morina, N., Kerkhof, G., & Emmelkamp, P. M. G. (2011). Virtual reality exposure treatment of Agoraphobia: A comparison of computer automatic virtual environment and head-mounted display. Studies in Health Technology and Informatics, 167, 51-56.  

    • Morina, N., Brinkman, W.P., Hartanto, D., Kampmann, I. L., & Emmelkamp, P.M.G. (2015). Social interactions in virtual reality exposure therapy: a proof-of-concept pilot study. Technology and Health Care, 23, 581-589

    • Morina, N., Brinkman, W.P., Hartanto, D., & Emmelkamp, P.M.G. (2014). Sense of presence and anxiety during virtual social interactions between a human and virtual humans. PeerJ, 2:e337.

    • Vakili, V., Brinkman, W.-P., Morina, N., Neerincx, M.A. (2014). Characteristics of successful technological interventions in mental resilience training. Journal of Medical Systems, 38, 113.

    • Van Meggelen, M., Morina, N., Van der Heiden, C., Brinkman, W.P., Yocarini, I.E., Tielman, M.L., Rodenburg, J., Van Ee-Blankers, E., Van Schie, K., Broekman, M.E., & Franken, I.H.A. (2022). A randomized controlled trial to pilot the efficacy of a computer-based intervention for the treatment of posttraumatic stress disorder. Frontiers in Digital Health, 4:974668. 

    KI & Persönlichkeitspsychologie und Psychologische Diagnostik / AI & Personality and Assessment

    • Breil, S. M., Lievens, F., Forthmann, B., & Back, M. D. (in press). Interpersonal behavior in assessment center role-play exercises: Investigating structure, consistency, and effectiveness. Personnel Psychology.
    • Cannata, D., Breil, S. M., Lepri, B., Back, M. D., O’Hora, D. (2022). Toward an Integrative Approach to Nonverbal Personality Detection: Connecting Psychological and Artificial Intelligence Research. Technology, Mind, and Behavior, 3(2: Summer 2022).
    • Grunenberg, E. & Berkessel, J. (2022). Big Data in Social and Personality Psychology. Coupled Symposium at at the 52nd congress of the German Psychological Society (Hildesheim, Germany, September 10-15, 2022).
    • Grunenberg, E., Peters, H., Francis M., Back, M. D., Matz, S. C (2021). Leveraging Text Data in Recruiting: Using Machine Learning to Predict Personality from Application Data. Talk at the 16th meeting of the section Differential Psychology and Psychological Assessment of the German Psychological Society (Ulm, Germany, September 12-15, 2021).
    • Grunenberg, E., Peters, H., Francis M., Back, M. D., Matz, S. C. (2021). Machine Learning in Recruiting: Predicting Personality from Short Text Excerpts. Data Blitz at the SPSP‘21 Preconference: Psychology of Media and Technology (Online, February 9th, 2021).
    • Grunenberg, E., Peters, H., Francis M., Back, M. D., Matz, S. C. (2021). Machine Learning in Recruiting: Predicting Personality from Short Text Excerpts. Data Blitz at the East Coast Doctoral Conference 2021 (Online, April 30th, 2021).
    • Grunenberg, E., Stachl, C., Breil, S., Back, M.D. (2022, September 13). Predicting Social Judgments: A computer-based Approach to Cue Extraction and Integration. [Conference presentation]. 52nd Congress of the German Psychological Society, Hildesheim, Germany.
    • Grunenberg, E. & Schödel, R. (2021). Personality Computing. Symposium at the 16th Biennial Conference of the German Psychological Society – Personality Psychology and Psychological Diagnostics (DPPD) Section (Ulm, Germany, September 12-15, 2021).
    • Hätscher, O., Junga, A., Schulze, H., Kockwelp, P., Risse, B., Back, M. D., Marschall, B. (2023, April 13). Integration of VR into Medical Education [Conference presentation]. Würtual Reality XR Meeting, Würzburg, Germany.
    • Klinz, J. L., Grunenberg, E., & Back, M. D. (2022, September 13). It’s not what you say but how you say it – towards a better understanding of assessment center ratings using paralinguistic speech analysis. [Conference presentation]. 52nd Congress of the German Psychological Society, Hildesheim, Germany.
    • Klinz, J. L., Grunenberg, E., & Back, M. D. (2022, July 15). Towards a better understanding of assessment center ratings – a machine learning-based approach to paralinguistic behavior analysis [Conference presentation]. European Conference on Personality 2022, Madrid, Spain.
    • Mõttus, R., Wood, D., Condon, D. M., Back, M. D., Baumert, A., Costantini, G., Epskamp, S., Greiff, S., Johnson, W., Lukaszewski, A., Murray, A., Revelle, W., Wright, A., Yarkoni, T., Ziegler, M., & Zimmermann, J. (2020). Descriptive, predictive and explanatory personality research: Different goals, different approaches, but a shared need to move beyond the Big Few traits. European Journal of Personality, 34, 1175–1201.
    • Mahmoodi, J., Leckelt, M., van Zalk, M.W. H., Geukes, K., & Back, M. D.(2017). Big Data approaches in social and behavioral science: Four key trade-offs and a call for integration. Current Opinion in Behavioral Sciences, 18, 57—62. 

    KI & Statistik und Psychologische Methodenlehre / AI & Statistics and Psychological Methods

    • Nestler, S. (2022). Regularized 2SLS estimation of structural equation model parameters. Structural Equation Modeling: A Multidisciplinary Journal, 29, 920-932.

    • Nestler, S. & Humberg, S. (2022). A Lasso and a regression tree mixed-effect model with random effects for the level, the residual variance, and the autocorrelation. Psychometrika, 87, 506-532.

    • Salditt, M., Humberg, S., & Nestler, S. (in press). Gradient tree boosting for hierarchical data. Multivariate Behavioral Research.

    • Scharf, F., & Nestler, S. (2019). Should regularization replace simple structure rotation in Exploratory Factor Analysis? Structural Equation Modeling: A Multidisciplinary Journal, 26, 576-590.

    KI & Organisations- und Wirtschaftspsychologie / AI & Organizational and Business Psychology

    • Eisbach, S., Langer, M., Hertel, G. (2023). Optimizing human-AI collaboration: Effects of motivation and accuracy information in AI-supported decision-making. Manuscript under review.
    • Eisbach, S., Daugs, F., Thielsch, M. T., Böhmer, M., & Hertel, G. (2022). Predicting Rating Distributions of Website Aesthetics with Deep Learning for AI-Based Research. ACM Transactions on Computer-Human Interaction (TOCHI). 
    • Eisbach, S., Heghmanns, M. & Hertel, G. (2022). Künstliche Intelligenz im Strafverfahren am Beispiel von Kriminalprognosen. Zeitschrift für Internationale Strafrechtswissenschaft, 7-8, 489-496.
    • Eisbach, S., Mai, O., Hertel, G. (2023). Synergy between theoretical modelling and machine learning approaches: The case of teamwork effects on individual motivation. Manuscript under review.
    • Eisbach, S., Langer, M., Hertel, G. (2023). Optimizing human-AI collaboration: Effects of motivation and accuracy information in AI-supported decision-making. Computers in Human Behavior: Artificial Humans, 1(2), 100015. https://doi.org/10.1016/j.chbah.2023.100015
    • Hertel, G., Fisher, S. & Van Fossen, J. (in press). Motivated Trust in AI: An integrative model considering multiple stakeholder views in HRM. Research in Human Resource Management.
    • Hertel, G., Fisher, S. & Van Fossen, J. (2023). Motivated trust in AI. Invited presentation at the Annual ENOP Symposium 2023 «Trust and Morality in a Post-Truth World», Paris.
    • Hertel, G., Fisher, S. L., & Van Fossen, J. (2023, May 24-27). Motivated Trust in AI - An Integrative Model Considering Multiple Stakeholder Views in HRM [Conference presentation]. 21st Congress of the European Association of Work and Organizational Psychology, Katowice, Poland.

    • Hertel, G. (2019). Vertrauen im Zeitalter von KI: Ersetzen Algorithmen soziale Kompetenz im Recruiting und Assessment? Keynote auf dem BVMW Personal Kongress, Münster.
    • Höddinghaus, M., Sondern, D. & Hertel, G. (2021). The automation of leadership functions: Would people trust decision algorithms? Computers in Human Behavior, 116, 106635. 
    • Hommel, B., Nilsson, A., & Schäpers, P. (2022, 15 July). The Effectiveness of High-Dimensional Semantic Construct-Vectors in Measuring Personality Traits with Open-Ended Questions. European Conference of Personality 2022, Madrid, Spain.

    Abgeschlossene Promotionen / completed Dissertations

    • Simon Eisbach (2023): The integration of machine learning in the psychological research process.
    • Miriam Höddinghaus (2021): Leadership in the digital age: Implications of digitalization on context, communication, and functions of leadership.
  • Lehre

    Die Psychologie greift das Thema "künstliche Intelligenz in der Psychologie" in diversen Lehrveranstaltungen auf und bietet den Studierenden eine Einführung in die theoretischen Grundlagen des Maschinellen Lernens (ML). Folgende Themen werden u.a. in der Lehre aufgegriffen und vermittelt:

    • Persönlichkeitspsychologie: ML-Vorhersage von Persönlichkeit auf der Basis von Social Media-Daten
    • Organisations- und Wirtschaftspsychologie: KI im Bereich Human Resource Managegment  (z. B. automatisierte Überprüfung von Bewerbungen durch KI, Identifizierung von Potenzialträgern durch KI oder die Entwicklung und Verwendung von KI-gesteuertern Chatbots)
    • Statistik & Methoden: ML-Verfahren (z.B. regularisierende Regressionsmodelle wie Ridge- und Lasso-Regression, Regressionsbäume und Forests) sind Bestandteil der Statistikvorlesungen im Master Psychologie (v. a. Statistik für Fortgeschrittene I)
    • Klinische Psychologie: Vorlesungsinhalte zu KI-Interventionen, dazu zählen u.a. Internettherapie, App-basierte psychologische Interventionen und Virtual-Reality-Therapie
    • Allgemeine Psychologie: Forschungsvertiefung zum Thema Maschinelles Lernen im Master, inhaltlich werden hier Methoden (Optimierung, überwachtes/unüberwachtes Lernen, Datenaufbereitung) als auch Algorithmen (Support-Vector-Maschinen, Entscheidungsbäume, Künstliche Neuronale Netze) behandelt. Zudem werden Anwendungsgebiete vorgestellt und Stärken und Schwächen des Maschinellen Lernens beleuchtet. Begleitend werden die erlernten Konzepte dabei am Beispiel eines bereitgestellten Neuronalen Netzes Schritt für Schritt praktisch angewendet, sodass jede/jeder Studierende am Ende ein vollständiges funktionierendes neuronales Netzwerk erarbeitet hat.
  • Forschungskooperationen & Drittmittelprojekte

    KI & Allgemeine Psychologie

    • EU FET-Proactive Projekt in der Förderlinie “Human-centric AI”. „MAIA `Multifunctional, adaptive and interactive AI system for acting in multiple contexts” (weitere Infos hier; 2021 – 2025; Lappe).
    • EU MSCA Staff Exchange Projekt “PLACES `Plasticity of perception in real and virtual spaces’” (Lappe)
    • DFG Projekt La 952-11-1 “EYERES - Forecasting, evoking and exploiting eye movements and blinks for redirection systems” (Lappe)
    • Kooperation mit der Czech Academy of Sciences zur Verarbeitung von Fotografien im menschlichen Gedächtnis mit Deep Neural Networks (wie z.B. AlexNet; Busch)

    KI & Psychologische Diagnostik und Persönlichkeitspsychologie

    • Vorhersage von Urteilen bei der Studierendenauswahl mittel maschinellem Lernen im Rahmen des BMBF-Projekts stav - Studierendenauswahl-Verbund - Teilprojekt Münster (Kooperation mit dem IfAS)
    • Nutzung von Methoden des Natural Language Processing und des maschinellen Lernens bei der automatischen Extraktion von Verhalten und der automatischen Vorhersage von Urteilen im Projekt Analyzing personnel selection and personnel development processes with automatic behavioral assessment (gefördert durch die medizinische Fakultät der Universität Münster)
    • AI-basierte Vorhersage interindividueller Unterschiede im/n Wohlbefindens-Niveau, -Verläufen und -Reaktivitäten im Rahmen des DFG-Projekts Coping with Corona (CoCo): Understanding individual differences in well-being during the COVID-19 pandemic (Kooperation LMU München, Uni Osnabrück)
    • AI-basierte Vorhersage von Unterschieden im Niveau und in Verläufen des Befindens und der Leistung in VR-basierten ärztlichen Simulationen (im Vergleich mit Simulationen mit Schauspielpatient:innen) im Rahmen des Verbundprojekts „medical tr.AI.ning – Intelligente Virtuelle Agenten für die Medizinische Ausbildung“ in Kooperation mit dem IfAS
    • Beteiligung am DFG-Netzwerk „Personality Computing Netzwerk (PCN)“
    • Projekt zur AI-basierte Vorhersage von psychologischen Motiven in Lebensnarrativen
    • Projekt zur Genauigkeit Chat-GPT-basierter Persönlichkeitsurteile (Kooperation LMU München)

    KI & Organisations- und Wirtschaftspsychologie

    • UT-WWU Collaboration Grant 2022 zum Thema “Trust building behaviors in recruitment processes: Systematic analyses using social robotics”
    • Geplanter Einsatz eines KI Systems in einer DFG Forschungsgruppe (in Vorbereitung) gemeinsam mit den Rechtswissenschaften: „Rechtliche und gesellschaftliche Folgen maschinellen Entscheidens“ (designierter Sprecher Stefan Arnold)
    • Entwicklung psychologischer Testverfahren mit Hilfe neuronaler Netzwerke (Kooperation Universität Leipzig)