Engineering Turn: Digitalisierung von Wissenschaft als Nebenfolge komplexer Problemlösungsprozesse?

ABGESAGT 30. März 2023 16 Uhr/ 4 pm HS C/ Hörsaal C

Prof. Dr. Stefan Böschen

Abstract:

Im Kontext transformativer Forschung wird Wissenschaft zunehmend mit sehr differenzierten kollektiven Anforderungen konfrontiert. Diese sind mitunter stark umstritten und erhöhen die soziale Komplexität von Forschung. Dazu wurden in der Zwischenzeit auch eine Fülle von Formaten und Perspektiven entwickelt, um diesen Anforderungen gerecht werden zu können. Dazu zählen insbesondere Formate der partizipativen Forschung, wie etwa Reallabore. Auf der anderen Seite werden solche Anforderungen in der Wissenschaft aufgegriffen und führen dort wiederum zu einem Komplexitätsaufbau. Dabei spielt insbesondere die Digitalisierung von Forschung eine relevante Rolle. Diese Prozesse erhöhen letztlich die epistemische sowie sozialer Komplexität bei der Produktion wissenschaftlichen Wissens. Die These der Präsentation lautet, dass die genannten Veränderungen im System wissenschaftlicher Wissensproduktion als „Engineering Turn“ in der Wissenschaft interpretiert werden können, bei dem die Rahmenbedingungen der Wissensproduktion und der Geltung von Wissen neu konfiguriert werden. Der Vortrag beleuchtet diese These mit empirischen wie konzeptionell-theoretischen Überlegungen. Dabei wird sich zeigen, dass die Wissenschaftsforschung selbst sich neu orientieren muss. Denn um diese Verschiebungen erkennen und deuten zu können, bedarf es einer neuen Form integriert-interdisziplinärer Wissenschaftsforschung. Diese sollte in der Lage sein, unterschiedliche disziplinäre Bereiche der Wissenschaftsforschung ins Gespräch zu bringen, insbesondere aber Wissenschaftsphilosophie und Wissenschaftssoziologie.

CV

Stefan Böschen hat zunächst Chemie-Ingenieurwesen studiert und ein Diplom an der Friedrich-Alexander Universität in Erlangen-Nürnberg erworben. Seine interdisziplinären Interessen führten ihn zur Philosophie und Soziologie mit Studien in Wissenschaftsforschung und Technikfolgenabschätzung, die er in einer Promotion in Soziologie bündelte. Stationen im DFG-Sonderforschungsbereich Reflexive Modernisierung, dem Wissenschaftszentrum Umwelt (WZU) an der Universität Augsburg sowie dem Institut für Technikfolgenabschätzung und Systemanalyse (ITAS) am KIT Karlsruhe führten ihn an die RWTH Aachen University. Dort ist Stefan Böschen seit 2018 Professor für Technik und Gesellschaft sowie seit 2019 Sprecher des Human Technology Center. Seine Forschungsarbeiten mündeten 2021 darin, mit der Wissenschaftsphilosophin Gabriele Gramelsberger ein prestigereiches Käte Hamburger Kolleg zu gewinnen, das der Form nach ein International Center für Advanced Studies darstellt. Das Kolleg in Aachen fokussiert auf „Kulturen des Forschens“.

Miriam Fahimi im Standard-Interview über Gefahren von Künstlicher Intelligenz

Miriam Fahimi (vom UZ D!ARC), Doktorandin im Projekt NoBIAS – AI without Bias (NoBIAS ), erzählt im Standard-Interview von den Gefahren von Künstlicher Intelligenz. Ihre Einsichten sind Teil ihrer laufenden Doktorarbeit zu Diskriminierung und Fairness in KI-Systemen (Visitenkarte ) im Fach Wissenschafts- und Technikforschung.

„Die Welt und unsere Gesellschaft sind von Ungleichheit geprägt, wie sollen da die Daten für eine künstliche Intelligenz völlig objektiv sein. Das ist utopisch“, erklärt Miriam Fahimi, die am Digital Age Research Center der Universität Klagenfurt zum Thema ‚faire Algorithmen‘ forscht. (Auszug aus dem Interview)

Den gesamten Artikel gibt es hier zu lesen: Zeitalter der KI

Wir gratulieren Miriam Fahimi zu Ihrem Interview und freuen uns über weitere Erkenntnisse aus ihrer laufenden Arbeit.

D!ARC Lectures: Cryptographic Engineering Research: Navigating Responsibility Univ.-Prof.Dr. Elisabeth Oswald

12th January 2023 17:30 Uhr/ 5.30pm Hörsaal 2/ HS 2

Cryptographic Engineering Research: Navigating Responsibility

Univ.-Prof. Dr. Elisabeth Oswald

Abstract

This talk is about challenges that arise when engineering systems in such a way that as little information as possible is leaked about cryptographic secrets. Over the years a range of mathematical and engineering techniques have been researched (and in part deployed) to account for, and mitigate, information leakage. Research in this area requires to carefully consider how developed techniques (that describe and analyse information leakage) not only help developers and evaluators, but if and how these can play into the hands of potential adversaries.

CV

Elisabeth Oswald completed her PhD in Technical Mathematics at the Technical University in Graz. Thereafter she took up a lecturing position in the Computer Science Department at the University of Bristol, where she established a research group in the area of applied cryptography, with an emphasis on analysing side channels. Eventually she was promoted to the first female chair in the Bristol Computer Science department. Her scientific accomplishments were honoured by an EPSRC Leadership Fellowship, an ERC Consolidator grant, and a number of best paper awards. She serves as associate editor of the two most influential journals in the are of cryptography, and participates regularly in leading functions for research funding institutions. Since 2019 she holds a chair in Cybersecurity research at the University of Klagenfurt.

For those who can only participate in this D!ARC Lecture online, see added the corresponding link for the live stream:

Für jene, denen nur eine online-Teilnahme an dieser D!ARC Lecture möglich ist, finden Sie anbei den entsprechenden Link für den Livestream:

https://classroom.aau.at/b/sag-893-nqz-qhq

D!ARC Lectures: Erkennung von Beleidigungen mithilfe computerlinguistischer Verfahren Prof. Dr. Michael Wiegand

14th Dezember 2022 17 Uhr/ 5pm Hörsaal 2/ HS 2

Erkennung von Beleidigungen mithilfe computerlinguistischer Verfahren

Prof. Dr. Michael Wiegand

Abstract

In this presentation, a brief overview of the state of the art in abusive language detection will be given. One key difficulty is to build appropriate gold standards for the task which serve as
a basis for machine learning methods. In that context, the phenomenon of “spurious correlations” will be illustrated. In terms of classifiers, a lexicon-based approach will be outlined. Unlike
previous off-the-shelf methods that are usually treated as a black box, lexicon-based approaches are more explainable, less susceptible to overfitting and more stable across different domains. Predictive word lists can be compiled in a resource-intensive way combining various sources of linguistic information. As an alternative, a data-driven less resource-intensive induction method relying on emojis with an abusive connotation will also be presented.

(Please note that the presentation will be held
in German.)

CV

Michael Wiegand obtained his PhD at Saarland University in 2011. Until 2018, he had been a postdoctoral researcher at the Department for Spoken Language Systems at Saarland University. In 2019, he was research group leader in the Leibniz ScienceCampus Empirical Linguistics and Computational Language Modeling (Leibniz Institute for the German Language, Mannheim/Heidelberg University). Since 2020, he has been a professor for Computational Linguistics in the Digital Age Research Center (D!ARC) at University of Klagenfurt.