Open Access

Relevance is a key element for analyzing bibliometrics and information retrieval (IR). In both domains, relevance decisions are discussed theoretically and sometimes evaluated in empirical studies. IR research is often based on test collections for which explicit relevance judgments are made, while bibliometrics is based on implicit relevance signals like citations or other non-traditional quantifiers like altmetrics. While both types of relevance decisions share common concepts, it has not been empirically investigated how they relate to each other on a larger scale. In this work, we compile a new dataset that aligns IR relevance judgments with traditional bibliometric relevance signals (and altmetrics) for life sciences and physics publications. The dataset covers PubMed and arXiv articles, for which relevance judgments are taken from TREC Precision Medicine and iSearch, respectively. It is augmented with bibliometric data from the Web of Science and Altmetrics. Based on the reviewed literature, we outline a mental framework supporting the answers to our research questions. Our empirical analysis shows that bibliometric ( implicit ) and IR ( explicit ) relevance signals are correlated. Likewise, there is a high correlation between biblio- and altmetrics, especially for documents with explicit positive relevance judgments. Furthermore, our cross-domain analysis demonstrates the presence of these relations in both research fields.

Soziale Medien gehören längst zum Alltag von Kindern, weisen aber Gefährdungspotenziale und Interaktionsrisiken auf und sind aus Sicht des Jugendmedienschutzes für diese Zielgruppe ungeeignet. Kommunikationsräume, in denen sich Kinder unbeschwert und sicher mit ihren Freundinnen und Freunden austauschen können, fehlen. Im Vorhaben „CoCoKI – Co-Constructing KI“ arbeiteten Kinder und Entwickler*innen in einem co-konstruktiven Prozess gemeinsam daran, ein soziales Netzwerk für Kinder im Alter von neun bis 13 Jahren zu konzipieren und einen Prototyp zu entwickeln. Die Bausteine für das soziale Medium - ausgerichtet an den UN-Kinderrechten „Schutz, Befähigung und Teilhabe“ – legen den Fokus auf Achtsamkeit, soziales Lernen und ein gelingendes Miteinander. Für gängige Funktionen eines Netzwerks, darunter Empfehlungen, Feedback, Resonanz und Inhalte-Moderation, wurden Möglichkeiten von Künstlicher Intelligenz und neuartigen Algorithmen für kindgerechte Gestaltung ausgetestet.

In recent times, large language models (LLMs) have made significant strides in generating computer code, blurring the lines between code created by humans and code produced by artificial intelligence (AI). As these technologies evolve rapidly, it is crucial to explore how they influence code generation, especially given the risk of misuse in areas such as higher education. The present paper explores this issue by using advanced classification techniques to differentiate between code written by humans and code generated by ChatGPT, a type of LLM. We employ a new approach that combines powerful embedding features (black-box) with supervised learning algorithms including Deep Neural Networks, Random Forests, and Extreme Gradient Boosting to achieve this differentiation with an impressive accuracy of 98%. For the successful combinations, we also examine their model calibration, showing that some of the models are extremely well calibrated. Additionally, we present white-box features and an interpretable Bayes classifier to elucidate critical differences between the code sources, enhancing the explainability and transparency of our approach. Both approaches work well, but provide at most 85–88% accuracy. Tests on a small sample of untrained humans suggest that humans do not solve the task much better than random guessing. This study is crucial in understanding and mitigating the potential risks associated with using AI in code generation, particularly in the context of higher education, software development, and competitive programming.

Angesichts der wachsenden Bedeutung verteilter Systeme, der vielfältigen Nutzung von Multimedia-Inhalten auf unterschiedlichen Geräten und der fortlaufenden Weiterentwicklung von Browsern wird die Relevanz deutlich, das Potenzial von geräteübergreifenden Browserspielen zu untersuchen. Das Ziel dieser Arbeit besteht darin, den im vorangegangenen Praxisprojekt entwickelten Prototyp des Spiels "Finalblockdown" durch einen partizipativen Prozess weiterzuentwickeln und schließlich als Open-Source-Software zu veröffentlichen. Das direkte Einbeziehen ausgewählter Testnutzer in die Weiterentwicklung des Spiels zielt darauf ab, das Spielerlebnis, die technische Leistung sowie die Benutzerfreundlichkeit umfassend und nutzerorientiert zu verbessern. Zur Durchführung des partizipativen Prozesses wurden mehrere Fokusgruppen gebildet, die während der gesamten Entwicklung aktiv mitgewirkt und jede Iteration eingehend getestet sowie evaluiert haben. Die Testläufe waren eine Kombination aus Play-Testing und Gruppeninterviews, die zur Auswertung mitgeschnitten wurden. Basierend auf dem dokumentierten, zusammengetragenen und eingestuften Feedback aller Gruppen wurde ein Entwicklungsplan für die jeweilige Iteration erstellt. Der partizipative Prozess brachte signifikante Vorteile, insbesondere im Hinblick auf die Gestaltung der Benutzeroberfläche, Spielmechaniken und des Testens. Limitationen durch begrenzte Zeit und Ressourcen zeigen jedoch, dass der partizipative Ansatz zeitintensiv ist, was in der Planung berücksichtigt werden muss. Durch den Prozess wurde ein visuell und spielerisch überzeugendes Spiel entwickelt, das komplexe Programmierkonzepte wie Websockets, WebGL-Grafiken und Spatial Hashing in Vanilla JavaScript umgesetzt hat und durch eigenes Hosting veröffentlicht wurde. Trotzdem hat das System noch umfangreiches Optimierungs- und Entwicklungspotenzial, weswegen es sich gut als Open-Source-Software eignet und so über den Projektrahmen hinaus weiterentwickelt werden wird. Weiterführende Forschungen könnten sich sowohl auf prozessbezogene als auch auf technische Aspekte konzentrieren. In der Weiterentwicklung des partizipativen Prozesses könnte man analysieren, wie die Einbindung von Testnutzern in komplexe Bereiche der Entwicklung, einschließlich Systemarchitektur und Leistung, die Demokratisierung des Designs verstärken könnte. Technische Untersuchungen könnten sich darauf konzentrieren, wie Optimierungen in den Bereichen Hosting, Websockets und Kollisionserkennung zur Leistungssteigerung des Systems beitragen können.

Die Bachelorarbeit mit dem Titel ”Gezielte Maßnahmen zur Förderung von Studentinnen in IT-Studiengängen am Campus Gummersbach der TH Köln” verfolgt das Ziel, die Präsenz und den Erfolg von Frauen in den IT-Studiengängen der Technischen Hochschule Köln zu verbessern. Der Fokus dieser Arbeit liegt darauf, basierend auf empirischen Erkenntnissen und einem theoretischen Rahmen, realisierbare Fördermaßnahmen zu entwickeln. Zur Hauptmaßnahme gehört die Initiative ”Be a IT-Girl”, die durch verschiedene Ansätze wie ein spezifisches Podcast-Format und ein vielseitig nutzbares Raumkonzept die Gleichstellung und das Empowerment von Studentinnen fördern soll. Die Arbeit wurde durch eine Kombination aus qualitativer und quantitativer Forschung gestützt, wobei Befragungen und Analysen zu den Herausforderungen und Bedürfnissen der Studentinnen am Campus Gummersbach durchgeführt wurden. Die entwickelten Maßnahmen wurden hinsichtlich ihrer Durchführbarkeit und erwarteten Effektivität bewertet, wobei ein besonderer Fokus auf die praktische Umsetzbarkeit und die Anpassung an die spezifischen Bedingungen Standort Gummersbach gelegt wurde. Insgesamt bietet die Arbeit nicht nur einen tiefen Einblick in die Problemstellungen und Potenziale zur Förderung von Frauen in IT-Bereichen, sondern auch konkrete Lösungsansätze, die zu einer nachhaltigen Veränderung und Verbesserung der Situation beitragen können.