Zwei Buchkapitel unserer Forschung und aus der Feder unserer Teams, erscheinen 2026, im Cambridge Handbook of Behavioural Data Science, herausgegeben von Thomas Hills und Ganna Pogrebna, bei Cambridge University Press. Beide Kapitel widmen sich der Verhaltensforschung im Kontext von Konversationssystemen und wurden ohne Einsatz generativer KI verfasst.

1. ChatGPT & Co – Exploring Conversational Abilities of Large Language Models from a Behavioral Perspective
   Im Rahmen eines studentischen Forschungsprojekts an der Hochschule Luzern (HSLU) wurden unter der Leitung von Marisa Tschopp die Antworten damaliger Large Language Models (LLMs) vergleichend analysiert. Die engagierten Studierenden Luca Gafner, Yelin Zhang und Teresa Windlin testeten im Frühjahr 2023 Systeme wie ChatGPT, Bard (Google/LaMDA) und Bing (Microsoft), die teilweise noch nicht öffentlich verfügbar waren. Ziel war es, die konversationellen Fähigkeiten aus verhaltenswissenschaftlicher Perspektive zu untersuchen.
2. Smart Bots? A Behavioral Approach to Measure the ‘Intelligence’ of Conversational AI
   Dieses Kapitel beschreibt einen methodischen Ansatz zur Bewertung der „Intelligenz“ von Konversationssystemen anhand beobachtbarer Outputs. Der Fokus liegt auf einer nutzerzentrierten Perspektive, bei der es weniger um die technischen Prozesse im Inneren eines Systems geht, sondern um das, was für Endnutzer sichtbar und erlebbar ist. Die Analyse basiert auf einem breiten Spektrum an Systemen, darunter frühe Versionen von Siri, Alexa und Cortana. Mitwirkende: Dagmar Monett, Marc Ruef und Markus Maurer.

Profitieren auch Sie und Ihre Firma von unserem Wissen im Themenbereich der künstlichen Intelligenz.

Links

• https://scip.ch/publikationen/flyer/scip_company-flyer_plusTeams_2024_v01-de.pdf
• https://www.cambridge.org
• https://www.cambridge.org/core/books/cambridge-handbook-of-behavioural-data-science/D95FB48167B9F693F18141FE08CCEEB8#
• https://www.scip.ch/?artificial_intelligence
• https://www.scip.ch/?team.maru
• https://www.scip.ch/?team.mats

Tags