Prof. Dr. Dr. Marco Ragni
Willkommen an der Professur Prädiktive Verhaltensanalyse!
Prädiktive Verhaltensanalyse – Ist die Modellierung und Analyse menschlicher Verhaltensdaten, um herauszufinden was geschehen ist und warum es geschehen ist. Das Hauptziel besteht darin künftige Entwicklungen vorherzusagen um bei Entscheidungsprozessen zu unterstützen.
Durch die Verwendung von Data Science, kognitiver Modellierung, symbolischer (z. B. automatisierte Planung) und subsymbolischer (z. B. ML/statistische Modelle) KI-Ansätze wollen wir menschliches Verhalten in vielfältigen Situationen verstehen und erlernen. Dabei liegt der Fokus darauf menschliche Denkprozesse zu simulieren, um präzise Vorhersagen für zukünftige Szenarien zu treffen.
Wir setzen unsere Methoden in den folgenden Bereichen ein:
Reasoning (Schlussfolgerung) - Wir modellieren menschliche Schlussfolgerungsprozesse und zielen darauf ab ihre Reaktionen im syllogistischen [1], bedingten [2] und räumlichen [3] Bereich vorherzusagen.
Komplexes Problemlösen - Wir untersuchen was die Leistung des Menschen beim komplexen Problemlösen [4] vorhersagt und arbeiten daran die Prozesse der Hypothesengenerierung und der Sammelstrategien zu verstehen.
Algorithmisches Denken - Wir entwickeln Komplexitätsmetriken und sind somit in der Lage die Schwierigkeit und den Erfolg von mentalen Simulationen von Algorithmen [5] vorherzusagen.
Menschliche Faktoren im autonomen Fahren – Wir modellieren menschliche Erfahrungen (z.B. Unbehagen) im simulierten autonomen Fahren und sagen ihre Reaktionen auf zukünftige Ereignisse [6] vorher.
Metakognition und Motivation - Wir untersuchen wie Ablenkung das Lernen beeinflusst und versuchen vorherzusagen wie stark das Lernen von verschiedenen Persönlichkeitsprofilen beeinflusst wird.
Informationsabruf - Wir konzentrieren uns darauf den Wissensstand des Benutzers beim Informationsabruf zu modellieren und auf dessen Relevanz für personalisierte Informationssuchsysteme unter der Verwendung von Eye-Tracking.
Anschrift
Technische Universität Chemnitz
Professur Prädiktive Verhaltensanalyse
Thüringer Weg 11
09126 Chemnitz
[1] Brand, D., Riesterer, N., & Ragni, M. (2020). Extending TransSet: An Individualized Model for Human Syllogistic Reasoning. In Proceedings of the 18th International Conference on Cognitive Modeling.
[2] Todorovikj, S. & Ragni, M. (2021). How good can an individual's conclusion endorsement be predicted?. In Proceedings of the 19th International Conference on Cognitive Modeling.
[3] Ragni, M., Brand, D., & Riesterer, N. (2021). The Predictive Power of Spatial Relational Reasoning Models: A New Evaluation Approach. Frontiers in Psychology, 12. doi: 10.3389/fpsyg.2021.626292.
[4] Heinrich, E. M., & Ragni, M. (2023). The Impact of Personality for Solving Complex Problems. In Proceedings of the Annual Meeting of the Cognitive Science Society (Vol. 45, No. 45). (Abstract)
[5] Todorovikj, S., Brand, D., & Ragni, M. (2022). Predicting Algorithmic Complexity for Individuals. In Proceedings of the 20th International Conference on Cognitive Modeling.
[6] Todorovikj, S., Kettner, F., Brand, D., Beggiato, M., & Ragni, M. (2022). Predicting Individual Discomfort in Autonomous Driving. In Proceedings of the 44th Annual Meeting of the Cognitive Science Society.
