Logo des Repositoriums

Auflistung nach Schlagwort "Inductive Logic Programming"

1 - 2 von 2
  • Workshopbeitrag
    Evidenzbasierte Definition von Spiel-Design-Elementen durch automatisierte Regelextraktion aus Spielanleitungen
    (Mensch und Computer 2022 - Workshopband, 2022) Schneider, Alexander
    Die Anwendung von Entwurfsmustern zur Lösung wiederkehrender Probleme hat sich in der Praxis bewährt. Auch in der Gamification werden Muster in Form von Spielelementen eingesetzt, um Prozesse motivierender zu gestalten. Die dafür genutzten Muster müssen jedoch gefunden und definiert werden. Es gibt zwar bereits Sammlungen von Spiel-Design-Elementen, aber die Forschung kann nicht als abgeschlossen betrachtet werden, da jedes Jahr neue Spiele entwickelt werden, in denen es möglicherweise neue Elemente zu entdecken gibt. Ein empirischer Ansatz wird vom Projekt EMPAMOS verfolgt, das Spielanleitungen von Gesellschaftsspielen nach Spiel-Design-Elementen durchsucht.Werden in verschiedenen Spielen Kandidaten für Muster gefunden, werden die Textstellen gesammelt und von Fachkräften diskutiert. Am Ende des Prozesses steht die Definition eines Spiel-Design-Elementes. Diese Arbeit stellt einen Ansatz vor, der Fachkräfte für Spiel-Design-Elemente bei der Suche nach neuen Elementen unterstützt, in dem aus den gefunden Textstellen eine möglichst allgemeingültige Definition für das jeweilige Spiel-Design-Element generiert werden soll.
  • Zeitschriftenartikel
    Mutual Explanations for Cooperative Decision Making in Medicine
    (KI - Künstliche Intelligenz: Vol. 34, No. 2, 2020) Schmid, Ute; Finzel, Bettina
    Exploiting mutual explanations for interactive learning is presented as part of an interdisciplinary research project on transparent machine learning for medical decision support. Focus of the project is to combine deep learning black box approaches with interpretable machine learning for classification of different types of medical images to combine the predictive accuracy of deep learning and the transparency and comprehensibility of interpretable models. Specifically, we present an extension of the Inductive Logic Programming system Aleph to allow for interactive learning. Medical experts can ask for verbal explanations. They can correct classification decisions and in addition can also correct the explanations. Thereby, expert knowledge can be taken into account in form of constraints for model adaption.