An der Professur für Mensch-Computer-Interaktion bieten wir Ihnen im Frühjahrstrimester (FT2023) ein Seminar zu verschiedenen Themenbereichen in der Mensch-Computer-Interaktion an:

  • interkulturelle Aspekte der Mensch-Computer-Interaktion
  • digitale Kollaborationsplattformen
  • automatisierte Evaluation von großen Wandbildschirmen

Gemeinsam haben die Themen nicht nur den Fokus auf die Mensch-Computer-Interaktion, sondern auch auf das Forschungsobjekt "große (halb-)öffentlichen Wandbildschirme". Die Ergebnisse der Seminararbeiten können in die am Institut laufenden Forschungsprojekte HoPE und DIGICOP einfließen.

Sie können das Seminar im Bachelor- und Masterstudium einbringen. Entsprechend des Modulhandbuchs ist der Zeitaufwand und damit auch der Umfang für das Masterseminar (150 h) höher als für das Bachelorseminar (90 h).

Während des Frühjahrstrimesters findet das Seminar an 5 Gruppenterminen (inkl. Kick-Off) statt. Der genauere Ablauf wird bei der Kick-Off Veranstaltung erläutert.

Die Anmeldefrist ist abgelaufen.

Seminararbeitsthemen

(1) Spracherkennung und dessen Einfluss auf die Gestaltung von UI

Ziele:

  • Recherche zur Sprache und deren Auswirkungen auf und Potenziale für die UI Gestaltung allgemein und für große halb-öffentliche Displays
  • Recherche zu technologischen Identifikationsmöglichkeiten der gesprochenen Sprache und welche davon für große halb-öffentliche Displays eingesetzt werden können

Initialliteratur:

  • H. Li, B. Ma and K. A. Lee, "Spoken Language Recognition: From Fundamentals to Practice," in Proceedings of the IEEE, vol. 101, no. 5, pp. 1136-1159, May 2013, doi: 10.1109/JPROC.2012.2237151.
  • Zissman, M. A. (1996). Comparison of four approaches to automatic language identification of telephone speech. IEEE Transactions on speech and audio processing, 4(1), 31.
  • Kinnunen, T., & Li, H. (2010). An overview of text-independent speaker recognition: From features to supervectors. Speech communication, 52(1), 12-40.

 

(2) (Group) Recommender Systeme für große halb-öffentliche Displays zur Kollaborationsunterstützung

Ziele:

  • Recherche zu möglichen Einsatzszenarien und Anforderungen von (Group) Recommender Systemen für große halb-öffentliche Displays (bzgl. Inhaltsempfehlungen und Gestaltungsempfehlungen)
  • Gegenüberstellung der Potenziale von Group Recommender und Recommender Systemen für große halb-öffentliche Displays

Initialliteratur:

  • Recommender Systems Handbook. (2022). In F. Ricci, L. Rokach, & B. Shapira (Eds.), Recommender Systems Handbook (3rd ed.). Springer. https://doi.org/10.1007/978-1-0716-2197-4
  • Dara, S., Chowdary, C. R., & Kumar, C. (2020). A survey on group recommender systems. Journal of Intelligent Information Systems, 54(2), 271–295. https://doi.org/10.1007/S10844-018-0542-3/TABLES/12
  • Kurdyukova, E., Hammer, S., & André, E. (2012). Personalization of content on public displays driven by the recognition of group context. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 7683 LNCS, 272–287. https://doi.org/10.1007/978-3-642-34898-3_18

 

(3) Honeypot-Effekte in halböffentlichen Kontexten

Ziele:

  • Recherche zum Auftreten von Honeypot-Effekten (die Präsenz von bereits existierendem Publikum lockt weitere Interessenten an) insbesondere in nicht komplett öffentlichen sondern halböffentlichen Kontexten, z.B. Messen oder Museen
  • Recherche zu existierenden Strategien zur Besucherführung durch halböffentliche Kontexte und deren mögliche Zusammenhänge mit Honeypot-Effekten

Initialliteratur:

  • Ichino, Isoda, Ueda and Satoh. 2016. Effects of the Display Angle on Social Behaviors of the People around the Display: A Field Study at a Museum. In Proceedings of the 19th ACM Conference on Computer-Supported Cooperative Work & Social Computing (CSCW '16). Association for Computing Machinery, New York, NY, USA, 26–37. DOI: https://doi.org/10.1145/2818048.2819938
  • Patsoule. 2014. Interactions around a Multi-touch Tabletop: A Rapid Ethnographic Study in a Museum. In: Marcus A. (eds) Design, User Experience, and Usability. User Experience Design Practice. DUXU 2014. Lecture Notes in Computer Science, vol 8520. Springer, Cham. https://doi.org/10.1007/978-3-319-07638-6_42
  • Wouters, Downs, Harrop, Cox, Oliveira, Webber, Vetere, and Vande Moere. 2016. Uncovering the Honeypot Effect: How Audiences Engage with Public Interactive Systems. In Proceedings of the 2016 ACM Conference on Designing Interactive Systems (DIS '16). Association for Computing Machinery, New York, NY, USA, 5–16. DOI: https://doi.org/10.1145/2901790.2901796
  • Hinrichs, Schmidt and Carpendale. 2008. EMDialog: Bringing Information Visualization into the Museum. In IEEE Transactions on Visualization and Computer Graphics, vol. 14, no. 6, pp. 1181-1188. DOI: https://doi.org/10.1109/TVCG.2008.127

 

(4) Aufmerksamkeit und Engagement im Kontext von Wandbildschirmen

Ziele:

  • Recherche zu den Konzepten Aufmerksamkeit und Engagement, deren Bedeutung, Auswirkung und Erkennung
  • Recherche zu technischen/automatisierten Ansätzen zur Bewertung von Aufmerksamkeit/Engagement

Initialliteratur:

  • O'Brien, H.L. and Toms, E.G. (2008), What is user engagement? A conceptual framework for defining user engagement with technology. Journal of the American Society for Information Science and Technology, 59: 938-955. https://doi.org/10.1002/asi.20801
  • Cheng Chang, Cheng Zhang, Lei Chen, and Yang Liu. 2018. An Ensemble Model Using Face and Body Tracking for Engagement Detection. In Proceedings of the 20th ACM International Conference on Multimodal Interaction (ICMI '18). Association for Computing Machinery, New York, NY, USA, 616–622. https://doi.org/10.1145/3242969.3264986
  • Renawi, A., Alnajjar, F., Parambil, M. et al. A simplified real-time camera-based attention assessment system for classrooms: pilot study. Educ Inf Technol 27, 4753–4770 (2022). https://doi.org/10.1007/s10639-021-10808-5
  • Dewan, M.A.A., Murshed, M. & Lin, F. Engagement detection in online learning: a review. Smart Learn. Environ. 6, 1 (2019). https://doi.org/10.1186/s40561-018-0080-z

 

(5) Machinelle Übersetzung von Inhalten großer halb-öffentlicher Displays

Ziele:

  • Recherche zu Anwendungsszenarien und Potenzialen der automatisierten Übersetzung von Inhalten auf großen halb-öffentlichen Displays

  • Recherche zu Technologien für automatischen Übersetzungsmöglichkeiten und Analyse zu dessen Umsetzbarkeit für große halb-öffentliche Displays

Initialliteratur:

  • Wu, Y., Schuster, M., Chen, Z., Le, Q. V., Norouzi, M., Macherey, W., ... & Dean, J. (2016). Google's neural machine translation system: Bridging the gap between human and machine translation. arXiv preprint arXiv:1609.08144.
  • Gaspari, F., Almaghout, H., & Doherty, S. (2015). A survey of machine translation competences: Insights for translation technology educators and practitioners. Perspectives23(3), 333-358.
  • Latief, M. R. A., Saleh, N. J., & Pammu, A. (2020, October). The effectiveness of machine translation to improve the system of translating language on cultural context. In IOP Conference Series: Earth and Environmental Science (Vol. 575, No. 1, p. 012178). IOP Publishing.