13.05.2024
| Forschung |
DSC-Doktorandin Sana Hassan Imam präsentiert Paper über ein generatives KI-Modell
Am 12.05.2024 präsentierte Sana online ihr Paper über ein generatives KI-Modell auf dem ACM CHI Generative AI Workshop 2024. Damit hat sie der Forschung am DSC internationale Sichtbarkeit gegeben.
Sana Hassan Imam promoviert im Rahmen eines kollaborativen Projektes des Fakultät für Wirtschaftswissenschaften am DSC. Ihr Paper mit dem Titel „How Can Generative AI Curate the User Creativity on an Idea Crowdsourcing Platform?“ untersucht, inwieweit generative KI die Kreativität der Nutzer auf einer sogennnaten
Ideen-Crowdsourcing-Plattform verbessern kann.
Indem Faktoren wie Einzigartigkeit, Vielfalt und Machbarkeit von Ideen bewertet und gezielte Prompt-Designs bereitstellt werden, kann die Qualität dieser Ideen mithilfe eines vorgeschlagenen KI-Modells optimiert werden. Darüber hinaus werden die Einschränkungen traditioneller Methoden aufgezeigt: Traditionelle Methoden zur Ideengenerierung schränken oft Neuheit und Vielfalt ein und erfordern erhebliche menschliche Kreativität, die schwer zu messen ist.
Das vorgeschlagene generative KI-Modell arbeitet hauptsächlich in zwei Schritten:
Schritt 1: Kreativitätspunkte der Nutzerideen werden basierend auf Einzigartigkeit, Vielfalt und Machbarkeit unter Verwendung von Feedback von Kollegen und Managern bewertet
Schritt 2: Maßgeschneiderte Prompts werden für Nutzer individuell generiert, um deren Ideen, basierend auf den berechneten Kreativitätspunkten, zu stimulieren, zu verbessern und zu verfeinern
Zur Umsetzung dieses Modells werden Punkte für kreative Beteiligung, Ideen-Einzigartigkeit, Vielfalt und Flexibilität berechnet. Mithilfe dieser Punkte wurde ein neuartiger Mechanismus zur Prompt-Gestaltung entwickelt. Anstatt direkte Vorschläge zu machen, verwendet das Modell lediglich Prompts, um die Kreativität des Nutzers zu fördern, ohne dabei eine Abhängigkeit von künstlicher Intelligenz zu schaffen. Beispiele zur Steigerung der Neuheit umfassen das Hinzufügen zufälliger Wörter, die Verwendung von sogenannten „What-If“-Szenarien zur Anregung divergenten Denkens und die Förderung von Feedback von Kollegen und Managern zur Verbesserung der Machbarkeit. Diese Machbarkeit wird anschließend durch Feedback-Zusammenfassungen evaluiert.
Es wird ein synthetisches Datenbeispiel, genauer gesagt eine nutzergenerierte Idee für ein „Smart Umbrella-Projekt“, herangezogen, um die Idee des Modells zu illustrieren. Das Beispiel zielt darauf ab, eine dynamische Lichtshow mit LED-Leuchten entlang des Randes des Schirms zu integrieren. Es wurden Prompts entworfen, um die Idee durch den Fokus auf Benutzererfahrung, Kernfunktionalität, Kosten und Zugänglichkeit praktikabler zu machen.
Dieses Modell unterstützt somit NutzerInnen dabei, ihre Ideen durch die Anregung kreativen Denkens zu verfeinern und zu verbessern. Der iterative Prozess der Ideenverbesserung erhöht die Qualität und Kreativität der nutzergenerierten Inhalte. Zusätzlich hilft dieser Ansatz den Plattformmanagern, Ideen mit hohem Potenzial zu identifizieren, die hohe Punkte für Einzigartigkeit, Vielfalt und Machbarkeit aufweisen, aber möglicherweise nicht genügend Stimmen erhalten haben.
Das Papier konkludiert in der Betonung eines durch das Modell geschaffenen „ganzheitlichen Rahmen zur Förderung der kreativen Nutzerbeteiligung in der Ideen-Crowdsourcing durch Generative KI als Denkanstoß und Mitgestalter“.
Aktualisiert von: Jennifer Nüchter
« zurück
13.05.2024 | Forschung
DSC-Doktorandin Sana Hassan Imam präsentiert Paper über ein generatives KI-Modell
Am 12.05.2024 präsentierte Sana online ihr Paper über ein generatives KI-Modell auf dem ACM CHI Generative AI Workshop 2024. Damit hat sie der Forschung am DSC internationale Sichtbarkeit gegeben.
Sana Hassan Imam promoviert im Rahmen eines kollaborativen Projektes des Fakultät für Wirtschaftswissenschaften am DSC. Ihr Paper mit dem Titel „How Can Generative AI Curate the User Creativity on an Idea Crowdsourcing Platform?“ untersucht, inwieweit generative KI die Kreativität der Nutzer auf einer sogennnaten
Ideen-Crowdsourcing-Plattform verbessern kann.
Indem Faktoren wie Einzigartigkeit, Vielfalt und Machbarkeit von Ideen bewertet und gezielte Prompt-Designs bereitstellt werden, kann die Qualität dieser Ideen mithilfe eines vorgeschlagenen KI-Modells optimiert werden. Darüber hinaus werden die Einschränkungen traditioneller Methoden aufgezeigt: Traditionelle Methoden zur Ideengenerierung schränken oft Neuheit und Vielfalt ein und erfordern erhebliche menschliche Kreativität, die schwer zu messen ist.
Das vorgeschlagene generative KI-Modell arbeitet hauptsächlich in zwei Schritten:
Schritt 1: Kreativitätspunkte der Nutzerideen werden basierend auf Einzigartigkeit, Vielfalt und Machbarkeit unter Verwendung von Feedback von Kollegen und Managern bewertet
Schritt 2: Maßgeschneiderte Prompts werden für Nutzer individuell generiert, um deren Ideen, basierend auf den berechneten Kreativitätspunkten, zu stimulieren, zu verbessern und zu verfeinern
Zur Umsetzung dieses Modells werden Punkte für kreative Beteiligung, Ideen-Einzigartigkeit, Vielfalt und Flexibilität berechnet. Mithilfe dieser Punkte wurde ein neuartiger Mechanismus zur Prompt-Gestaltung entwickelt. Anstatt direkte Vorschläge zu machen, verwendet das Modell lediglich Prompts, um die Kreativität des Nutzers zu fördern, ohne dabei eine Abhängigkeit von künstlicher Intelligenz zu schaffen. Beispiele zur Steigerung der Neuheit umfassen das Hinzufügen zufälliger Wörter, die Verwendung von sogenannten „What-If“-Szenarien zur Anregung divergenten Denkens und die Förderung von Feedback von Kollegen und Managern zur Verbesserung der Machbarkeit. Diese Machbarkeit wird anschließend durch Feedback-Zusammenfassungen evaluiert.
Es wird ein synthetisches Datenbeispiel, genauer gesagt eine nutzergenerierte Idee für ein „Smart Umbrella-Projekt“, herangezogen, um die Idee des Modells zu illustrieren. Das Beispiel zielt darauf ab, eine dynamische Lichtshow mit LED-Leuchten entlang des Randes des Schirms zu integrieren. Es wurden Prompts entworfen, um die Idee durch den Fokus auf Benutzererfahrung, Kernfunktionalität, Kosten und Zugänglichkeit praktikabler zu machen.
Dieses Modell unterstützt somit NutzerInnen dabei, ihre Ideen durch die Anregung kreativen Denkens zu verfeinern und zu verbessern. Der iterative Prozess der Ideenverbesserung erhöht die Qualität und Kreativität der nutzergenerierten Inhalte. Zusätzlich hilft dieser Ansatz den Plattformmanagern, Ideen mit hohem Potenzial zu identifizieren, die hohe Punkte für Einzigartigkeit, Vielfalt und Machbarkeit aufweisen, aber möglicherweise nicht genügend Stimmen erhalten haben.
Das Papier konkludiert in der Betonung eines durch das Modell geschaffenen „ganzheitlichen Rahmen zur Förderung der kreativen Nutzerbeteiligung in der Ideen-Crowdsourcing durch Generative KI als Denkanstoß und Mitgestalter“.
Autor*in: Jennifer Nüchter
« zurück