No full-text available
To read the full-text of this research,
you can request a copy directly from the author.
Digitale Tools für smarte Personalarbeit
ResearchGate has not been able to resolve any citations for this publication.
ChatGPT and its variants that use generative artificial intelligence (AI) models have rapidly become a focal point in academic and media discussions about their potential benefits and drawbacks across various sectors of the economy, democracy, society, and environment. It remains unclear whether these technologies result in job displacement or creation, or if they merely shift human labour by generating new, potentially trivial or practically irrelevant, information and decisions. According to the CEO of ChatGPT, the potential impact of this new family of AI technology could be as big as “the printing press”, with significant implications for employment, stakeholder relationships, business models, and academic research, and its full consequences are largely undiscovered and uncertain. The introduction of more advanced and potent generative AI tools in the AI market, following the launch of ChatGPT, has ramped up the “AI arms race”, creating continuing uncertainty for workers, expanding their business applications, while heightening risks related to well‐being, bias, misinformation, context insensitivity, privacy issues, ethical dilemmas, and security. Given these developments, this perspectives editorial offers a collection of perspectives and research pathways to extend HRM scholarship in the realm of generative AI. In doing so, the discussion synthesizes the literature on AI and generative AI, connecting it to various aspects of HRM processes, practices, relationships, and outcomes, thereby contributing to shaping the future of HRM research.
Job advertisements are often worded in ways that might pose discrimination risks leading to the exclusion of certain groups of applicants, particularly in relation to their gender. Especially in male-dominated professions or leadership roles, the specific linguistic formulation of job postings acquires relevance if more women are to be attracted to apply. Various technologies have emerged that offer automated text screening, some of them even suggesting alternative formulations to increase gender inclusivity. In this study we analyze four software providers on the German market using a corpus of ∼160, 000 job ads from three different platforms. We identify the relevant social psychological research on gender and language that is at the scientific core of these technologies. We show that, despite sharing a common foundation, the four tools assess the potential for exclusion in job postings in a considerably divergent way on multiple levels of comparison. We discuss the levers in the software pipeline of all four technologies, as well as the potential effect of certain implementation decisions, such as string-based vs. semantic approaches to computational processing of natural language. We argue that the ‘technological translation’ of research is extremely involved and further studies of its use in practice are needed to assess the potential for more gender equality.
Open access link to the article: https://onlinelibrary.wiley.com/doi/full/10.1111/ijmr.12294
Labour turnover has been an important research topic in social science over the past century, involving disciplines such as human resource management, industrial relations, organizational behaviour, individual and organizational psychology, economics and health sciences. This paper presents a systematic literature review of voluntary labour turnover, providing an in‐depth analysis of 1375 labour turnover studies published up to July 2019 in 142 academic journals listed in the Chartered Association of Business Schools Academic Journal Guide 2018. The analysis of theoretical and empirical labour turnover studies reveals: (1) distinctive foci in the development of labour turnover research over the past hundred years; (2) relative lack of attention to testing specific labour turnover theories; (3) a prevailing quantitative approach to identifying antecedents of labour turnover; (4) increased reliance on turnover intention as a proxy for actual turnover. This paper highlights these trends over time, providing insight into problematic areas from theoretical, methodological and empirical points of view. We suggest avenues for a more productive route to coherent theoretical, methodological and empirical development of labour turnover research.
Researchers, governments, ethics watchdogs, and the public are increasingly voicing concerns about unfairness and bias in artificial intelligence (AI)-based decision tools. Psychology’s more-than-a-century of research on the measurement of psychological traits and the prediction of human behavior can benefit such conversations, yet psychological researchers often find themselves excluded due to mismatches in terminology, values, and goals across disciplines. In the present paper, we begin to build a shared interdisciplinary understanding of AI fairness and bias by first presenting three major lenses, which vary in focus and prototypicality by discipline, from which to consider relevant issues: (a) individual attitudes, (b) legality, ethicality, and morality, and (c) embedded meanings within technical domains. Using these lenses, we next present psychological audits as a standardized approach for evaluating the fairness and bias of AI systems that make predictions about humans across disciplinary perspectives. We present 12 crucial components to audits across three categories: (a) components related to AI models in terms of their source data, design, development, features, processes, and outputs, (b) components related to how information about models and their applications are presented, discussed, and understood from the perspectives of those employing the algorithm, those affected by decisions made using its predictions, and third-party observers, and (c) meta-components that must be considered across all other auditing components, including cultural context, respect for persons, and the integrity of individual research designs used to support all model developer claims.
Massive investment in employee skills training has been adopted by lots of organizations in reaction to the rapid evolution of the global trends and technology adoption. Unfortunately, target employee retention after training unsatisfactorily gives a negative return on investment. Prediction of target candidate decision before training and understanding the features that affect the candidate decision can greatly contribute to candidate selection and decision feature optimization process for increased employee retention. The method proposed in this paper successfully models and analyses various machine learning classifiers for illustrating features that affect the target candidate decision and predict the probability of candidate retention before training. Classical metrics are used to express the results of the algorithms used and the Random Forest Classifier revealed the finest percentage in accuracy summarized as 99.1%, 84.6%, 91.8% on the training, testing and overall dataset respectively.
Evaluators’ fit assessments are not only influenced by applicants’ qualities, but also by stereotypes, especially in recruitment for high-status jobs in male-dominated fields. The unidimensional agentic stereotype of these work contexts signals agentic job and organizational requirements (stereotypically male qualities such as achievement orientation), although the actual requirements usually also include communality (stereotypically female qualities such as interpersonal skills). In a series of five experiments, we investigate the relevance of perceived applicant agency for perceived applicant fit, the influence of recruitment material, contextual differences, and the role of applicant gender. Our findings indicate that perceived applicant agency drives perceived person-job and person-organization fit in strictly male stereotyped work contexts, regardless of gender, and agentic recruitment material enhances this effect. Contrasting different contexts (high- with low-status jobs and a male-dominated with a gender-balanced and female-dominated field) revealed that the relevance of perceived agency increases with perceived job status, and the relevance of perceived communality decreases with the expected share of men. Although women were perceived as highly agentic in strictly male stereotyped work contexts, their need to be perceived as agentic also was higher than for men, due to the perceived lack of fit between women and high-status jobs.
This article is protected by copyright. All rights reserved
The ability to get and keep a job is a key aspect of participating in society and sustaining livelihoods. Yet the way decisions are made on who is eligible for jobs, and why, are rapidly changing with the advent and growth in uptake of automated hiring systems (AHSs) powered by data-driven tools. Key concerns about such AHSs include the lack of transparency and potential limitation of access to jobs for specific profiles. In relation to the latter, however, several of these AHSs claim to detect and mitigate discriminatory practices against protected groups and promote diversity and inclusion at work. Yet whilst these tools have a growing user-base around the world, such claims of bias mitigation are rarely scrutinised and evaluated, and when done so, have almost exclusively been from a US socio-legal perspective. In this paper, we introduce a perspective outside the US by critically examining how three prominent automated hiring systems (AHSs) in regular use in the UK, HireVue, Pymetrics and Applied, understand and attempt to mitigate bias and discrimination. Using publicly available documents, we describe how their tools are designed, validated and audited for bias, highlighting assumptions and limitations, before situating these in the socio-legal context of the UK. The UK has a very different legal background to the US in terms not only of hiring and equality law, but also in terms of data protection (DP) law. We argue that this might be important for addressing concerns about transparency and could mean a challenge to building bias mitigation into AHSs definitively capable of meeting EU legal standards. This is significant as these AHSs, especially those developed in the US, may obscure rather than improve systemic discrimination in the workplace.
There is a substantial gap between the promise and reality of artificial intelligence in human resource (HR) management. This article identifies four challenges in using data science techniques for HR tasks: complexity of HR phenomena, constraints imposed by small data sets, accountability questions associated with fairness and other ethical and legal constraints, and possible adverse employee reactions to management decisions via data-based algorithms. It then proposes practical responses to these challenges based on three overlapping principles—causal reasoning, randomization and experiments, and employee contribution—that would be both economically efficient and socially appropriate for using data science in the management of employees.
Purpose
Drawing on the job demands-resources and IS literatures, the purpose of this paper is to identify organizational factors that mitigate technostress in the HR department; and to evaluate how technostress and techno-insecurity affect technology’s impact on job satisfaction.
Design/methodology/approach
This research draws on a web-based survey of 169 US and Canadian firms targeting HR executives as key informants. An HR-context-specific, technostress model was tested with structural equation modeling. Exploratory factor analysis evaluated the structural properties of all multi-item scales and supported their usage. Moderated regression analysis further assessed whether the age and scope of technology portfolios affected certain relationships.
Findings
As predicted, department work stress was less likely to increase when there was HR technology (HRT) governance involvement and top management support for this class of technologies. Heightened techno-insecurity had the opposite effect, another anticipated outcome. HR’s IT-knowledge actually increased technostress, a counterintuitive result. In turn, HRTs were less likely to improve job satisfaction when technostress and techno-insecurity were high. Top management HRT support and an HR innovation climate better enabled portfolios to enhance satisfaction. Moderating influences were detected as well. As hypothesized, techno-insecurity had a stronger negative effect on job-satisfaction impact for younger portfolios, while innovation climate had a weaker relationship with techno-insecurity where portfolios were limited in scope.
Research limitations/implications
External validity would be strengthened by not only increasing sample sizes for the USA and Canada, but also targeting more nations for data collection. In addition, incorporating more user-oriented constructs in the present model (e.g. group potency, collective efficacy) may enhance its explanatory power.
Practical implications
These findings underscore the need to consider HR-staff attitudes in technology rollouts. To the extent HR technologies generate technostress, they at a minimum are impediments to department satisfaction, which may have important ramifications for usage and service. The results further establish that initiatives can be taken to offset this problem, both in terms of the ways portfolios are internally supported and how they are managed.
Originality/value
This is the first study to formally assess how collective work-attitudes in the HR department are affected by HR technologies. Prior research has focused on user-reactions to HRT features or their wider influence on stakeholder perceptions. It is also the first investigation to empirically test potential technostress inhibitors in HR settings.
The personalization of online courses is an increasing trend in the educational community. One challenge is to collect necessary personal information. Our proposed solution is a chatbot that acts as a teacher with natural language. In contrast to an online course, a chatbot is more flexible and helps to avoid the problems of the usual detailed questionnaire procedure. In addition, an informal way of obtaining this information through the chat addresses other psychological and behavioural issues such as acceptance and is a suitable alternative that can be expanded at any time during the use of the system. Finally, our approach to using a chat allows us to collect more personal information that can be used for educational recommender systems. We present the current state of our research and discuss two possible scenarios in the context of creativity to demonstrate the benefits for the learner.
Due to the digitization new technologies and business opportunities arise that lead to innovative teaching and learning approaches within in schools, universities or companies. EdTech companies evolve and influence the educational systems. Focusing on the perspective of EdTech providers, a qualitative study based on 23 in-depth interviews and desktop research identifies individualization of the teaching and learning journey and a general culture change as main dynamics within education. It turns out that current business models of EdTech providers are either with low data or data-enhanced that data-driven. Furthermore, three levels of integrating data analytics within an EdTech business model are defined to innovate teaching and learning: Basic Learning Analytics; Learning Analytics and Recommendations; Learning Analytics and Adaptive Teaching and Learning. The last level is proclaimed as disruptive innovation which seems more a future scenario as possible reality within the EdTech sector based on the study.
This study was designed to examine the extent of adoption of SHRM in the Nigerian banking sector and to determine if there exist a relationship between SHRM and organisational performance. The study adopted the survey research design. Copies of well structured questionnaire were administered on the 126 respondents who were made up of head of HR, their assistant and HR zonal representatives of the commercial banks in Nigeria. Besides the descriptive statistics, data were analysed using multiple regression. The research reveals that the extent of adoption of SHRM in the Nigerian banking sector is high and that there is a significant positive relationship between SHRM and organisational performance in the Nigerian banking sector. The study recommended, among others, that organisations should improve their integration of HRM practices into their overall operations and strategies.
Text is a typical example of unstructured and heterogeneous data in which massive useful knowledge is embedded. Sentiment analysis is used to analyze and predict sentiment polarities of the text. This paper provides a survey and gives comparative analyses of the latest articles and techniques pertaining to lexicon-based, traditional machine learning-based, deep learning-based, and hybrid sentiment analysis approaches. These approaches have their own superiority and get the state-of-the-art results on diverse sentiment analysis tasks. Besides, a brief sentiment analysis example in the tourism domain is displayed, illustrating the entire process of sentiment analysis. Furthermore, we create a large table to compare the pros and cons of different types of approaches, and discuss some insights with respect to research trends. In addition, a lot of important sentiment analysis datasets are summarized in this survey.
The best companies compete with people analytics. They maximize the business value of their people to gain competitive advantage. This article proposes a network data science approach to people analytics. Using data from a software development organization, the article models developer contributions to project repositories as a bipartite weighted graph. This graph is projected into a weighted one-mode developer network to model collaboration. Techniques applied include centrality metrics, power-law estimation, community detection, and complex network dynamics. Among other results, the authors validate the existence of power-law relationships on project sizes (number of developers). As a methodological contribution, the article demonstrates how network data science can be used to derive a broad spectrum of insights about employee effort and collaboration in organizations. The authors discuss implications for managers and future research directions.
Insights from organizations that are navigating the novel challenges of the digital workplace.
How can technology and analytics help companies manage people? Why do teams working remotely still need leaders? When should organizations use digital assessment tools for gauging talent and potential? This book from MIT Sloan Management Review answers questions managers are only beginning to ask, presenting insights and stories from organizations navigating the novel challenges of the digital workplace.
Experts from business and academia describe what's worked, what's failed, and what they've learned in the new world of work. They look at strategies that organizations use to help managers and employees adapt to the fast-changing digital environment, from the benefits of wool-gathering to the use of anonymous chats; examine digital tools for collaboration, including interactive spreadsheets and analytics that increase transparency; and discuss such “big-picture” trends as expanded notions of value and new frontiers in upskilling. A detailed case study, produced by MIT Sloan Management Review in collaboration with McKinsey & Company, explores how IBM reimagined talent and performance management with the goal of increasing employee engagement.
Contributors
Steve Berez, Ethan Bernstein, Josh Bersin, Matthew Bidwell, Ryan Bonnici, Tomas Chamorro-Premuzic, Rob Cross, Chris DeBrusk, Federica De Stefano, Thomas H. Davenport, Angela Duckworth, Ken Favaro, Lynda Gratton, Peter Gray, Lindred Greer, John Hagel III, Manish Jhunjhunwala, David Kiron, Frieda Klotz,, David Lazer, Massimo Magni, Likoebe Maruping, Kelly Monahan, Will Poindexter, Reb Rebele, Adam Roseman, Michael Schrage, Jeff Schwartz, Jesse Shore, Brian SolisBarbara Spindel, Anna A. Tavis, Adam Waytz,, David Waller, Maggie Wooll
We introduce a new framework for fast and effective knowledge state assessments in the context of personalized, skill-based online learning. We use knowledge state networks – specific neural networks trained on assessment data of previous learners – to predict the full knowledge state of other learners from only partial information about their skills. In combination with a matching assessment strategy for asking discriminative questions we demonstrate that our approach leads to a significant speed-up of the assessment process – in terms of the necessary number of assessment questions – in comparison to standard assessment designs. In practice, the methods enable personalized, skill-based online learning also for skill ontologies of fine granularity without deteriorating the associated learning experience by a lengthy assessment process.
Dieser Beitrag stellt People Analytics als Methode zur Analyse personalwirtschaftlicher Daten und Instrument des datengestützten Personalmanagements vor. Anhand von zwei konkreten Anwendungsbeispielen wird gezeigt, welche Regelungsbestandteile der DS-GVO bei der Nutzung von People Analytics zum Tragen kommen und wie der Einsatz von People Analytics im Unternehmen datenschutzkonform ausgestaltet werden kann.
CARL ist eine HR-Applikation, die für den digitalen Wandel steht. Sie beschreibt eine Transformation die, aus einem geschützten Raum, die Chance hatte, ein Leuchtturm Projekt zu werden. Die Lösung, weg von einer Linksammlung hin zu einem Service, der stets erreichbar ist und der auf alle Fragen an HR die richtigen Antworten weiß, gefällt Siemens Mitarbeitenden und trägt zu einem positiven Image des kulturellen Wandels innerhalb des Konzernes bei. Die modernen Projektmethoden, wie Lean Startup, Agile und Scrum in der Produktentwicklung und die globale Verfügbarkeit der Technik, Cloud Technologie und Maschine Learning sind neben einem interdisziplinären und interkulturellen Team die Erfolgsfaktoren dieses Projekts. Innerhalb von 2,5 Jahren ist die Applikation in mehr als 20 Ländern bei über 280.000 Mitarbeitenden im Einsatz, beherrscht 5 Sprachen und hat sich als „Single Point of Contact“ etabliert.
Dieses Buch zeigt anwendungsnah, welche digitalen Tools und Methoden sich in der Personalarbeit bewährt haben: von People Analytics über Chatbots und Robotic Process Automation bis hin zu Augmented und Virtual Reality. Dabei werden nicht nur Praxisbeispiele vorgestellt, sondern auch die Möglichkeiten und Grenzen anhand wissenschaftlicher Studien sowie rechtlicher und ethischer Aspekte diskutiert. Bei „Smart HRM“ geht es nämlich nicht nur um digitale Tools, sondern um deren kluge Anwendung. Deshalb sollten HR-Professionals über die zugrunde liegenden Technologien Bescheid wissen und darüber, ob der Einsatz digitaler Tools legal und legitim ist. Alles andere wäre nicht „smart". Dann aber ermöglichen solche Tools effektive, effiziente oder gar innovative Produkte und Dienstleistungen entlang der HR-Wertschöpfungskette.
Der Inhalt
• Relevanz: Smarte oder unmenschliche Personalarbeit durch digitale Tools?
• Grundlagen: Big Data, Machine Learning, Robotic Process Automation, u.v.m.
• Anwendung: Digitale Tools entlang der HR-Wertschöpfungskette (u.a. Robo-Recruiting, strategische und operative Personalplanung, Performance Management mittels Netzwerkanalysen, Learning Analytics und AR/VR in der Personalentwicklung)
• Legales und Legitimes: Datenschutz und Ethik
Der Autor
Prof. Dr. Christian Gärtner hat die Professur für BWL, insbesondere Personalmanagement & Organisation an der Wiesbaden Business School inne. Darüber hinaus ist er seit über 20 Jahren als Organisationsberater, Trainer und Referent tätig. Schwerpunkte sind die Themen Analytics, Automatisierung und Agilität im Personalmanagement, Digitale Transformation und Change Management.
Dieses Buch liefert eine rechtswissenschaftliche Analyse der Chancen und Gefahren algorithmenbasierter Verfahren. Algorithmen, die im Maschinenraum moderner Softwareanwendungen werkeln, sind zu zentralen Steuerungsinstanzen der digitalen Gesellschaft avanciert. Immer nachhaltiger beeinflussen sie unser Leben. Ihre Funktionsweise gleicht aber teilweise einer Blackbox. Die in ihr schlummernden Risiken zu bändigen, fordert die Rechtsordnung heraus. Das Buch beleuchtet die gesellschaftlichen Gefahren einer zunehmenden gesellschaftlichen Steuerung durch Algorithmen und entwickelt erste Regulierungsideen, mit deren Hilfe sich die Wertschöpfungspotenziale automatisierter digitaler Prozesse mit den Grundwerten der Rechtsordnung versöhnen lassen.
Big Data, als Antriebskraft der fortschreitenden Digitalisierung, nimmt unmittelbaren Einfluss auf die Art und Weise des Recruitings. Mithilfe vorhandener Datensätze sowie der Nutzung von prädiktiver Analytik zur Datenverarbeitung und Entscheidungsunterstützung entstehen neue Möglichkeiten, spezielle Talentmärkte und Trends schnellstmöglich zu identifizieren, potenzielle Kandidaten proaktiv anzuwerben und die Bewerberauswahl evidenzbasierter und zielsicherer zu gestalten. Bei effektiver Implementierung einer digitalen Rekrutierungsstrategie kann ein Synergieeffekt zwischen Big Data, Künstliche-Intelligenz-Technologien und menschlichen Entscheidungsträgern zu enormen Produktivitätssteigerungen führen. Jedoch gehen mit den neuen technologischen Möglichkeiten auch Risiken einher, da die Kriterien zur Bewertung von Kandidaten bei Machine-Learning-Systemen oftmals undurchsichtig erscheinen und inkorporierte Verzerrungen zur systematischen Benachteiligung bestimmter Personengruppen führen können. Jedoch verändern sich bereits jetzt Rollen, Anforderungen und Zuständigkeiten und so erscheint aus unternehmerischer Sicht unabdingbar, sich dem digitalen Transformationsprozess zu stellen und das Recruiting schnellstmöglich auf den Wandel einzustellen.
Online-Assessments haben sich fest in der Personalgewinnung etabliert. Zunehmend werden diese mittlerweile nicht mehr nur von großen Konzernen, sondern auch von mittleren und kleinen Unternehmen eingesetzt. Online-Assessment hat zwei Seiten: Auf der einen Seite umfasst dieser Oberbegriff eignungsdiagnostische Testverfahren, die Unternehmen als Element ihrer Auswahlprozesse einsetzen (Fremdselektion). Überprüft werden dabei u. a. kognitive Leistungsfähigkeit, Wissen, Persönlichkeit, Interessen oder kulturelle Passung. Auf der anderen Seite fallen darunter aber auch Instrumente, die der Verbesserung der Selbstselektion dienen. Während Auswahltests v. a. die Unternehmensziele Qualität der Personalauswahl, Verkürzung der Time-to-Hire und Einsparung von Recruiting-Kosten verfolgen, geht es bei Self-Assessments darum, Interessenten bei der Beantwortung der Frage zu helfen, ob und wenn ja worauf sie sich bewerben sollten. Hier kommen Selbsttests, Matching-Tools oder Berufsorientierungsspiele zum Einsatz. Vor dem Hintergrund der aktuellen Diskussion um die Einführung künstlicher Intelligenz und automatisierter Bewerbungs- und Auswahlprozesse kommt dem Online-Assessment eine besondere Bedeutung zu, stellen doch die hierdurch erlangten Erkenntnisse und generierten Daten eine hervorragende Grundlage für die datengetriebene Personalgewinnung dar.
Künstliche Intelligenz (KI) im Recruiting verbindet beide Extreme miteinander: Angst und Hoffnung. Angst davor, dass Algorithmen zukünftig noch mehr Entscheidungen in unserem Alltag treffen werden und dann selbst unsere Karrierechancen vom Wohlwollen einer Maschine abhängt. Hoffnung darauf, dass durch bessere und intelligentere Software nicht nur mehr Fairness und Objektivität ins Recruiting Einzug erhält, sondern, dass sich dadurch auch das Berufsbild des Recruiters deutlich verbessern wird. In diesem Szenario wird die KI der Assistent sein, der den Recruiter unterstützt und dazu befähigt, seinen Job mit noch besserer Qualität zu machen. Schauen wir uns auf den folgenden Seiten genauer an, was KI ist, was sie kann und wie sie uns im Recruiting tatsächlich helfen kann.
Durch die Nutzung von Chatbots können Arbeitgeber bei der Suche nach den richtigen Kandidaten nur profitieren. Im Folgenden wird erläutert, wie sowohl die Candidate Experience, das Recruiting als auch die Employer Brand von einem sinnvollen Einsatz von Chatbots profitieren können. Daneben wird ein Blick in die Zukunft geworfen und geschaut, welche Entwicklungen den Chatbot-Markt in den kommenden Jahren weiter verändern werden.
Die aktualisierte und erweiterte Zweitauflage dieses umfassenden Lehrbuchs bietet Studierenden, Lehrenden, Forschenden, Anwendern und Interessierten einen wissenschaftlich fundierten und dabei auch gleichzeitig praxisnahen Einstieg in die Grundlagen und Methoden der Virtuellen und Augmentierten Realität (VR/AR). Die Leser erhalten das theoretische Fundament, um selbst VR/AR-Systeme zu realisieren oder zu erweitern, User Interfaces und Anwendungen mit Methoden der VR/AR zu beurteilen und zu verbessern sowie ein vertieftes Verständnis für die Nutzung von VR/AR zu entwickeln. Studierenden dient dieses Lehrbuch als eine anschauliche Begleit- und Nachschlaglektüre zu Lehrveranstaltungen, die Virtual Reality / Augmented Reality (VR/AR) thematisieren z. B. im Bereich Informatik, Medien oder Natur- und Ingenieurwissenschaften. Der modulare Aufbau des Buches gestattet es, sowohl die Reihenfolge der Themen den Anforderungen der jeweiligen Unterrichtseinheit anzupassen als auch eine spezifische Auswahl für ein individuelles Selbststudium zu treffen. Potenzielle Anwender in Forschung und Industrie erhalten einen wertvollen und hinreichend tiefen Einblick in die faszinierenden Welten von VR/AR sowie ihre Möglichkeiten und Grenzen.
Der Inhalt
• Einführung in Virtual und Augmented Reality
• Wahrnehmungsaspekte von VR
• Virtuelle Welten
• VR/AR-Eingabegeräte und Tracking
• VR/AR-Ausgabegeräte
• Interaktionen in Virtuellen Welten
• Echtzeitaspekte von VR-Systemen
• Augmentierte Realität
• Fallbeispiele für VR/AR
• Authoring von VR/AR-Anwendungen
• Mathematische Grundlagen von VR/AR
Die Autoren
Dr. Ralf Dörner ist Professor für Graphische Datenverarbeitung und Virtuelle Realität an der Hochschule RheinMain in Wiesbaden.
Dr. Wolfgang Broll ist Professor für Virtuelle Welten und Digitale Spiele an der Technischen Universität Ilmenau.
Dr. Paul Grimm ist Professor für Computergraphik an der Hochschule Fulda.
Dr. Bernhard Jung ist Professor für Virtuelle Realität und Multimedia an der TU Bergakademie Freiberg.
Dieses Kapitel enthält eine Sammlung von ausgewählten erfolgreichen Fallbeispielen für VR/AR aus Forschung und Praxis.
Was ist Virtuelle Realität (VR)? Was versteht man unter Augmentierter Realität (AR)? Wozu dienen VR/AR? Welche Grundkonzepte gibt es? Wie sind VR/AR – Systeme aufgebaut? Wie hat sich VR/AR geschichtlich entwickelt? Diesen Fragen geht das erste Kapitel nach und vermittelt so eine Einführung in das vorliegende Lehrbuch. Das Kapitel ist grundlegend für das gesamte Buch. Auf ihm bauen alle Folgekapitel auf, während alle weiteren Kapitel nicht direkt voneinander abhängen und deswegen in einer Auswahl und Reihenfolge durchgearbeitet werden können, die den individuellen Interessen und Bedürfnissen der Leser Rechnung trägt. Entsprechende Hinweise, wie dieses Buch effizient von verschiedenen Zielgruppen (Studierende, Lehrende, Anwender, Technologieaffine) genutzt werden kann, finden sich am Ende des Kapitels ebenso wie eine Zusammenfassung, Fragen zur Überprüfung des Gelernten, Empfehlungen für weiterführende Literatur sowie die im Kapitel verwendeten Referenzen.
Dieses Kapitel behandelt spezifische Themen der Augmentierten Realität (AR). Nach einer Übersicht über die grundlegenden Bestandteile und der Betrachtung der verschiedenen Ausprägungen von AR werden in den anschließenden Unterkapiteln die einzelnen Komponenten näher erläutert, soweit diese nicht bereits Bestandteil vorheriger Kapitel waren. Dazu gehören insbesondere die verschiedenen Ausprägungen der Registrierung, da diese für ein AR-Erlebnis von zentraler Bedeutung sind. Weiterhin werden spezielle AR-Techniken und Formen der Interaktion vorgestellt, bevor kurz auf die einzelnen Anwendungsbereiche von AR eingegangen wird. Im Anschluss wird mit Diminished Reality (DR) das Gegenteil von AR behandelt, nämlich das Entfernen von realen Inhalten. Verallgemeinernd wird abschließend noch auf Mediated Reality eingegangen, welches die Realität in beliebiger Form verändert, was u. a. auch die Kombination von AR und DR mit einschließt.
Ein wesentliches Potential von VR als Mensch-Maschine-Schnittstelle liegt in der Möglichkeit, dem Nutzer die Illusion der Anwesenheit in der dargestellten Virtuellen Welt zu suggerieren. Ob und wie gut dies gelingt, ist nicht nur ein technisches Problem, sondern beruht auch auf Prozessen der menschlichen Wahrnehmung zur Interpretation der dargebotenen Sinnesreize. Zum besseren Verständnis der damit verbundenen Fragestellungen werden in diesem Kapitel grundlegende Kenntnisse aus dem Bereich der menschlichen Informationsverarbeitung behandelt. Von besonderem Interesse in einer Virtuellen Umgebung sind die Raumwahrnehmung und die Wahrnehmung von Bewegung, auf die spezifisch eingegangen wird. Basierend auf diesen Grundlagen werden VR-typische Phänomene und Probleme diskutiert, wie z. B. das Sehen von Doppelbildern oder Cybersickness. Dabei kann jeweils das Wissen um menschliche Wahrnehmungsprozesse sowohl zur Erklärung dieser Phänomene wie auch zur Ableitung von Lösungsstrategien genutzt werden. Schließlich wird in diesem Kapitel gezeigt, wie sich verschiedene Limitierungen der menschlichen Wahrnehmung ausnutzen lassen, um die Qualität und die Nutzererfahrung während einer VR-Session zu verbessern.
Der Begriff Echtzeit beschreibt die Fähigkeit eines Computersystems (oder hier VR-Systems) Ergebnisse zuverlässig innerhalb einer vorhersagbaren – in der Regel möglichst kurzen – Zeitspanne zu liefern. Echtzeitfähigkeit ist eine der härtesten Anforderungen an VR-Systeme: Nutzer erwarten, dass ein VR-System Auswirkungen von Interaktionen ohne wahrnehmbare Verzögerungen erlebbar macht. Gegenstand dieses Kapitels sind ausgewählte Themen, welche die Echtzeitfähigkeit von VR-Systemen betreffen. Im ersten Teilkapitel wird in einer Gesamtsicht auf VR-Systeme dargestellt, welche Arten von Verzögerungen (Latenzen) zwischen Nutzereingaben und der Systemreaktion auftreten. Es wird auch darauf eingegangen, wie Latenzen der Teilkomponenten von VR-Systemen abgeschätzt bzw. gemessen werden können. Das zweite Teilkapitel stellt gängige Methoden für die effiziente Kollisionserkennung vor, z. B. den Einsatz von Hüllkörpern und die Aufteilung des Kollisionserkennungsprozesses in Phasen unterschiedlicher Genauigkeit. Das dritte Teilkapitel beschäftigt sich mit Echtzeitaspekten beim Rendering von Virtuellen Welten.
In Kap. 1 haben wurde schon VR und AR als innovative Formen der Mensch-Computer-Interaktion vorgestellt. Dieses Kapitel behandelt die Gestaltung und Realisierung von Interaktionen und der daraus resultierenden Benutzungsschnittstelle (engl. User Interface) eines VR/AR-Systems detailliert. Ein Nutzer interagiert mit einer Virtuellen Welt, um virtuelle Objekte auszuwählen (Selektion) und zu verändern (Manipulation) sowie seine Position und seine Blickrichtung in der Virtuellen Umgebung zu bestimmen (Navigation). Dazu kommt die Interaktion mit dem System selbst (Systemsteuerung), um auf einer Metaebene Funktionen außerhalb der Virtuellen Umgebung auszuführen (z. B. das Laden einer neuen Virtuellen Welt). Diese Grundaufgaben der Systemsteuerung, Selektion, Manipulation und Navigation werden in je einem Unterkapitel behandelt. Dabei werden Lösungen für die Realisierung dieser Interaktionen vorgestellt. Wesentlich dabei ist, dass eine gute Usability (dt. Gebrauchstauglichkeit) erreicht wird. Dies ist ein Kern der Mensch-Computer-Interaktion allgemein und deshalb wird gleich zu Beginn des Kapitels auf Grundlagen aus diesem Bereich eingegangen. Schließlich werden in einem Unterkapitel spezielle Entwurfsprozesse betrachtet, die einen Entwickler bei der Gestaltung und der Realisierung von VR/AR-Interaktionen leiten. Ein wesentlicher Gesichtspunkt dabei ist das wiederholte Validieren der Interaktionen mit Nutzern in Form von Nutzertests. Methoden für die Durchführung und Auswertung von Nutzertests werden daher gesondert in einem Unterkapitel thematisiert. Interaktionen mit VR/AR-Systemen haben immer Auswirkungen auf den Nutzer. Die damit verbundenen ethischen und rechtlichen Aspekte werden im letzten Unterkapitel beleuchtet.
Algorithmen, die im Maschinenraum moderner Softwareanwendungen werkeln, sind zu zentralen Steuerungsinstanzen der digitalen Gesellschaft avanciert. Immer nachhaltiger beeinflussen sie unser Leben. Ihre Funktionsweise gleicht aber einer Blackbox. Die in ihr schlummernden Risiken zu bändigen, fordert die Rechtsordnung heraus. Das Buch beleuchtet die gesellschaftlichen Gefahren einer zunehmenden gesellschaftlichen Steuerung durch Algorithmen und entwickelt erste Regulierungsideen, mit deren Hilfe sich die Wertschöpfungspotenziale Künstlicher Intelligenz mit den Grundwerten der Rechtsordnung versöhnen lassen.
Employee turnover is a serious issue for organizations and disrupts the organizational behavior in several ways. Hence, predicting employee turnover might help organizations to react to these mostly negative events with, e.g., improved employee retention strategies. Current studies use a “standard analysis approach” (Steel, Academy of Management Review 27:346–360, 2002) to predict employee turnover; accuracy in predicting turnover by this approach is only low to moderate. To address this shortcoming, we conduct a deep learning experiment to predict employee turnover. Based on a unique dataset containing 12 months of time series of e-mail communication from 3952 managers, our model reached an accuracy of 80.0%, a precision of 74.5%, a recall of 84.4%, and a Matthews correlation coefficient value of 61.5%. This paper contributes to turnover literature by providing a novel analytical perspective on key elements of turnover models.
Personalization of online courses is one of the challenges of the 21st century. Although different methodologies for personalization in educational contexts are already existing, there is a bottleneck: personalization by context is always limited to existing learning material; creation of those is a time-consuming task. In this paper we introduce a pipeline to generate questions and valid answers based on educational texts, limited to factual questions for given sentences. We combined NLP technologies with an efficient methodology that is normally used in bioinformatics and adjusted it to generate Q&A-pairs. Instructors can suggest corrections in natural language. Our system generates questions and corresponding answers based on sentences of which 70% make sense.
Learning spaces are gradually developing for supporting self-regulated learning. The availability of learning and movement data in classroom teaching, outdoor learning and campus environments has been enhanced, owing to the emergence of wearable technologies. Consequently, the learning analytics technology for the physical spaces is emerging at the right moment. Learning spaces are facing profound transformations under the educational development of "human-technology" co-evolution, the learning support services in physical spaces thus need to be reshaped urgently. In recent years, researchers have focused on using sensor technology to collect learners' physiological and behavioral data, combining learning analytics to infer their emotional states, and adopting appropriate intervention mechanisms to improve the positive emotional arousal and academic success. First, this paper introduces some concepts related to the perception of academic emotions in physical spaces. Then the main methods and typical cases are pointed out. Specifically, our aim was to reveal the research status and development trend of emotion perception in physical spaces under the learning analytics fields and to provide a novel insight for the future reshaping of the physical learning spaces.
In diesem Kapitel wird dargestellt, wieso sich Spiele für den Einsatz in der Hochschullehre eignen. Es gibt eine Übersicht darüber, mit welchen anderen Lernprinzipien Game-based Learning verbunden ist und welche Arten von Spielen für welche Lernziele geeignet sind. Drei Beispiele aus diesem Buch werden aufgegriffen und in diesen Kontext eingeordnet.
In the information economy, individuals' work performance is closely associated with their digital communication strategies. This study combines social network and semantic analysis to develop a method to identify top performers based on email communication. By reviewing existing literature, we identified the indicators that quantify email communication into measurable dimensions. To empirically examine the predictive power of the proposed indicators, we collected 2 million email archive of 578 executives in an international service company. Panel regression was employed to derive interpretable association between email indicators and top performance. The results suggest that top performers tend to assume central network positions and have high responsiveness to emails. In email contents , top performers use more positive and complex language, with low emotionality, but rich in influential words that are probably reused by co-workers. To better explore the predictive power of the email indicators, we employed AdaBoost machine learning models , which achieved 83.56% accuracy in identifying top performers. With cluster analysis, we further find three categories of top performers , 'networkers' with central network positions, 'influencers' with influential ideas and 'positivists' with positive sentiments. The findings suggest that top performers have distinctive email communication patterns, laying the foundation for grounding email communication competence in theory. The proposed email analysis method also provides a tool to evaluate the different types of individual communication styles.
Over the past few years, adversarial training has become an extremely active research topic and has been successfully applied to various Artificial Intelligence (AI) domains. As a potentially crucial technique for the development of the next generation of emotional AI systems, we herein provide a comprehensive overview of the application of adversarial training to affective computing and sentiment analysis. Various representative adversarial training algorithms are explained and discussed accordingly, aimed at tackling diverse challenges associated with emotional AI systems. Further, we highlight a range of potential future research directions. We expect that this overview will help facilitate the development of adversarial training for affective computing and sentiment analysis in both the academic and industrial communities.
Wie wäre es, wenn die HR-Funktion mit objektiven Daten Aussagen darüber machen könnte, warum manche Vertriebsmitarbeiter mehr Verkäufe abschließen als andere? Wie wäre es, wenn die Personalabteilung vorhersagen könnte, wann welche Mitarbeiter kündigen-und wenn dies keinem Blick in die Glaskugel gleichkäme? Was würde sich in Organisationen ändern, wenn HR mit ähnlich harter Währung argumentieren könnte wie die Kolleginnen aus dem Controlling oder der Produktionsabteilung, wenn also Zahlen und statistische Auswertungen und nicht Bauchgefühl, Nasenfaktor, anekdotische Evidenz oder Selbsteinschätzungen die Basis von personalrelevanten Entscheidungen über Einstellung, Beförderung, variabler Vergütung, etc. bildeten? Das sind Fragen, die die Sprengkraft von Workplace Analytics charakterisieren: Ginge das mit Hilfe von Workplace Analytics, würde HR nicht nur die Vormachtstellung anderer Abteilungen erschüttern, sondern sich die tagtägliche Arbeit auf allen hierarchischen Ebenen ändern. Ziel dieses Artikels ist es, einen Überblick über die Möglichkeiten und Grenzen von Workplace Analytics zu geben. Dazu wird zunächst geklärt, worum es bei Workplace Analytics geht und wie vorgegangen wird. Anschließend wird anhand zweier Studien zum Performance Management im Vertrieb illustriert, wie Workplace Analytics angewendet werden kann und welche Implikationen sich daraus für die (Personal-)Arbeit ergeben. Der Beitrag schließt mit einer kritischen Würdigung.
We explore data from a field test of how an algorithm delivered ads promoting job opportunities in the science, technology, engineering and math fields. This ad was explicitly intended to be gender neutral in its delivery. Empirically, however, fewer women saw the ad than men. This happened because younger women are a prized demographic and are more expensive to show ads to. An algorithm that simply optimizes cost-effectiveness in ad delivery will deliver ads that were intended to be gender neutral in an apparently discriminatory way, because of crowding out. We show that this empirical regularity extends to other major digital platforms.
This paper was accepted by Joshua Gans, business strategy.