METECH Lecture Series

Vorherige METECH Lectures:

Lecture Nr. 3/2025:

Lecture Nr. 2/2025: 

Lecture Nr. 1/2025: 

Medieninnovationen stellen heute zumeist ausdifferenzierte Metamedien dar, deren Gebrauch sich in vielfältiger Weise zwischen verschiedenen Nutzerinnen und Nutzern und auch innerhalb des Alltags einzelner Nutzender unterscheidet. Oftmals fokussiert die Forschung zur Nutzung von Medieninnovationen jedoch nur auf die Frage der Übernahme von Medieninnovationen und bleibt damit für die vielfältigen Muster der Alltagsintegration blind. Der Vortrag beleuchtet verschiedene Ansätze diese Desiderata zu überwinden und die sowohl inter- als auch intra-individuelle Varianz der alltäglichen Nutzung von Medieninnovationen theoretisch zu modellieren. Darauf aufbauend gibt der Vortrag Einblicke in die Alltagsintegration ausgewählter Medieninnovationen - vom Nokia 3310 bis ChatGPT.

Lecture Nr. 4/2024:

Learning algorithms derive models from data. More often than one would expect there are less data than an algorithm would need. One example are digital health applications that demand active participation of the user, eg information on how the user feels; if the user feels unwell, the likelihood of interacting with the app to answer questions on his/her condition is decreasing. Another example are industrial applications that demand monitoring of human behaviour: there are many solutions that capture elaborate sensory input but also many cases where monitoring human workers is not convenient or simply not permitted.The solutions to learning in the absence of data are conceptually simple to formulate: Ignore, Impute (without being able to verify), Actively ask an oracle (if we find one), Transfer an existing model (if there is one that fits). In this short talk, we touch the surface of these options and discuss where they are applicable and what are their limitations.

Lecture Nr. 3/2024:

Visuelle Aufmerksamkeit spielt in zahlreichen Bereichen des Zusammenwirkens zwischen Mensch undTechnik eine bedeutende Rolle. Häufig muss auf optische Warnsignale schnell reagiert werden, mussein Bedienelement gefunden werden oder müssen in komplexen Situationen aus vielen Objekten dierelevanten ausgewählt werden. In meinem Vortrag zeige ich an drei Beispielen, wie unsereArbeitsgruppe das Gebiet der visuellen Aufmerksamkeit von grundlagenorientierten Fragen bis zupraktischen Anwendungen bearbeitet. Das erste Beispiel widerlegt die intuitive Annahme, dass mitimmer weiter steigender Auffälligkeit eines Warnsignals die damit zusammenhängende Handlungauch immer schneller ausgeführt wird – tatsächlich stören zu auffällige Signale nachfolgendeBearbeitungsschritte. Ein Praxisbeispiel aus dem Produktionskontext illustriert, dass dasNichtauffinden eines Bedienelements nicht immer auf dessen fehlende Auffälligkeit zurückzuführenist und wie Eyetracking dabei hilft, problematische Designelemente zu identifizieren. Schließlich zeigeich am Beispiel einer Verkehrssituation, wie mathematische Modellierung undexperimentalpsychologische Forschung zusammenwirken können, um menschliches Verhalten inkomplexen Situationen vorherzusagen und die Mensch-Technik-Interaktion zu verbessern.

Lecture Nr. 2/2024:

"Mental Workload" is an operational term, commonly used in the human factors literature. It seeks to quantify the cost that certain work conditions subjectively impose on human operators, which new procedures or technology could alleviate. Nonetheless, it is not a rigorous concept that lends itself to robust measurements. My talk addresses some of the early motivations for estimating mental workload and explain why reducing mental workload per se should not be the goal of technology. In my work, estimating "mental workload" (and its psychophysiological correlates) is often the first step towards understanding the situational capacity for humans to perform more meaningful tasks or how new technology redefines the way humans approach familiar tasks. Examples will be provided from automated vehicles, assembly work, language learning, and pseudo-AI.

Lecture Nr. 1/2024:

Die Neurorobotik ist eine aufstrebende Wissenschaft an der Schnittstelle zwischen KI, Gehirnforschung und Robotik. Sie untersucht die Interaktion zwischen Gehirn, Körper und Umwelt in geschlossenen Wahrnehmungs-Handlungsschleifen und verfolgt dabei zwei Ziele: Die Entwicklung intelligenterer Roboter mittels gehirn-inspirierter Algorithmen (Neurorobotik für die Technik) und die Erlangung eines besseren Verständnisses biologischer Systeme durch den Bau oder die Simulation von geeigneten Robotern (Neurorobotik für den Menschen). In meinem Vortrag werde ich ausgewählte Projekte meiner Professur vorstellen und versuchen, ihre Relevanz für MeTech aufzuzeigen.