Digitale Psychologie

Die Lernziele

Nach der Vorlesung, sollten Sie in der Lage sein…

• Digitale Psychologie definieren zu können

• Anwendungsgebiete der Digitale Psychologie benennen zu können

Definition der Digitalen Psychologie

-> Spezialgebiet der Psychologie

• Beschreibung, Erklärung und Vorhersage des Erlebens und Verhaltens in Zusammenhang mit der Digitalisierung

• Digitalisierung: Nutzung digitaler Technologien in allen Lebens-, Arbeits- und Gesellschaftsbereichen → Veränderung innerhalb von Prozessen, Ereignissen und Strukturen → Veränderung im menschlichen Erleben und Verhalten

• Aufgaben der Digitalen Psychologie

  • Konzept- und Theoriebildung der Ausarbeitung und Erprobung von Forschungsparadigmen und spezifischen Methoden

  • Übernahme evaluations- und gestaltungswissenschaftlicher Aufgaben

Einfluss von psychologischen Teildisziplinen in die Digitalen Psychologie

• Allgemeinen Psychologie (z. B. zu Wahrnehmung, Aufmerksamkeit und Emotionen)

• Persönlichkeitspsychologie (z. B. zu inter- und intraindividuellen Unterschieden im Umgang mit digitalen Medien und der Digitalisierung)

• Sozialpsychologie (z. B. zu kollektiven Reaktionen wie Shitstorm)

• Kognitionspsychologie (z. B. Informationsverarbeitung: Wahrnehmung oder zum Wissenserwerb)

Alternative Bezeichnungen der Digitalen Psychologie

• Cyber Psychologie

• Online Psychologie

• Virtuelle Psychologie

• ePsychologie

• Psychonik

• Mediale Psychologie

• Technikbasierte (technologiebasierte) Psychologie

Digitale Psychologie Mindmap

Interdisziplinäre Perspektive der Digitalen Psychologie

• Aufbau auf anderen psychologischen Teilgebieten, wie z. B. der Allgemeinen Psychologie, der Sozial-, Entwicklungs- und Medienpsychologie

• Nutzung von Konzepten, Modelle und Theorie aus anderen Fachgebieten, wie z. B. der Informatik und Ingenieurwissenschaft, der Kommunikations- und Medienwissenschaft, der Philosophie und Kulturwissenschaft

Fragestellungen der Digitalen Psychologie:

1. Was macht die Digitalisierung mit dem Menschen?

• -> Auswirkungen und Folgen von digitalen Technologien

• Veränderung des Menschen durch die Digitalisierung:

  • Denken, Fühlen und Verhalten → Passung bisheriger Theorien

  • Körperliche und kognitive Entlastung (z. B. Roboter und Computer)

  • Schnellere Arbeitsabläufe und steigenden Gewinn (z. B. Fließbandfertigung)

  • Effiziente Verwaltung und Kommunikation (z. B. elektronische Antragsbearbeitung wie die Einreichung der Steuererklärung)

  • Selbstverständnis des Menschen: Was ist der Mensch? Wo fängt der Mensch bzw. das Menschsein an, wo hört er/es auf?

2. Was macht der Mensch mit der Digitalisierung?

• -> Nutzung digitaler Technologien

• „Menschengerechtes“ Arbeiten und Leben mit der Digitalisierung

• Nutzung von VR, digital Wearables, KI usw. in Interventionen

Einsatzbereiche Digitale Psychologie

Psychotherapeutische Interventionen

• Anwendung digitaler psychotherapeutischer Interventionen

  • Konfrontationstherapie mit Augmented Reality: bei Spinnenphobien

  • VR: Therapie bei Angststörungen

Roboter und Algorithmen

• Analyse der Stimme von Menschen und Rückschlüsse auf ihre Emotionen ziehen zu können

  • System Cogito die Stimme von Service-Mitarbeitern und fordert jene beim Erkennen von Unfreundlichkeit auf, einen freundlicheren Tonfall zu wählen

Apps, Smartphones und Technikarmbänder,…

• ..die z. B. den Gemütszustand von Menschen vorhersagen (Mood- Predication):

  • Beispiel: Stimmungsbarometer sollen als eine Art Frühwarnsystem dem Menschen selbst helfen und auch andere informieren, wenn bspw. eine depressive Phase droht

• ..die biologische und psychologische Daten erfassen und auswerten:

  • Beispiel: ein Stimmungstagebuch: Befragung zu mehreren Zeitpunkten am Tag

Herausforderung

• KI sollten sich die Psychologen mit ihren grundlegenden Paradigmen und Forschungserkenntnissen frühzeitig einbringen

• Nur so kann der Bereich der digitalen Psychologie mitgestaltet und im Sinne eines humanistischen Menschenbildes geprägt werden

• Dies passiert aber nicht naturwüchsig, sondern bedarf unterschiedlicher (gesetzlicher, wissenschaftlicher, ethischer, finanzieller) Rahmen und Möglichkeiten, um typische Hürden von Veränderungen – unter Berücksichtigung von ethischen Gesichtspunkten – gerecht zu werden

Nach der Vorlesung, sollten Sie in der Lage sein…

• die Begriffe „Digitalisierung“ und „digitale Transformation definieren zu können

• die Konsequenzen von der Digitalisierung aufzuzeigen und Handlungsfelder für die Psychologie benennen zu können

KLAUSUR: Keine 1-zu 1- Definition

Digitalisierung

• Digitalisierung im engeren Sinne meint die Umwandlung von analogen Inhalten in digitale Formate, d.h. Objekte sollen von einem stufenlosen und kontinuierlichen (=analogen) in einen gestuften und diskreten (=digitalen) Zustand überführt werden, ohne dabei den Gehalt des Objekts zu verändern.

• Im weiteren Sinne: „Einführung neuer, auf digitalen Technologien basierender Lösungen“

Digitale Transformation

• Bei digitaler Transformation geht es grundlegend um den Wandel, den digitale Technologien in sämtlichen menschlichen Lebensbereichen auslösen.

Psychologische Handlungsfelder aufgrund der digitalen Transformation

Auswirkungen auf den Menschen:

• Differentielle Psychologie: z. B. Bildung des Selbst

• Allgemeine Psychologie: z. B. Verarbeitung von vorwiegend digitalen Informationen

• Markt- und Werbepsychologie: z. B. Aufbereitung von digitalen Medien

Nutzungsmöglichkeiten:

• Differentielle Psychologie: z. B. Diagnostik- und Messmethoden via KI

• Gesundheitspsychologie: z. B. Tracking von körperlichen Aktivitäten via App

• Klinische Psychologie: z. B. Therapiemöglichkeiten via VR

Übung VL: Welche neuen Handlungsfelder gibt es für Psychologen/innen aufgrund der digitalen Transformation?

• Digitale Therapie/ Trainings

• Vernetzung Ortsunabhängig -> Fallbesprechung über Patienten

• VR Interventionen bsp. Angstpatienten

-> Beispiel: Psychologen als Begleiter der digitalen Transformation im Bereich der A&O

Wissenmanagement / Digitale Kompetenz

• Schulung von Personal

• Aufarbeitung von digitalen Weiterbildungsprogrammen

• Verwaltung von Wissen innerhalb der Organisation

Innovationsentwicklung

• Befähigung der Mitarbeiter zu Innovationen: Methoden, Workshops, Strukturen in den Arbeitsablaufen, kreative Techniken

Mitarbeitergewinnung und -bindung

• Hochdynamischen Unternehmensumfeld der digitalen Ära: Innovationen und digitale Kompetenz der Mitarbeiter

• Fachkräftemangel in einigen Bereichen

• Wissen und Erfahrungen

  
  

Change Management

Veränderung der Arbeit:

• Aufgaben und Inhalte der Arbeit (z. B. neue Analysen)

• Strukturen und Prozesse der Arbeit (z. B. agile Prozesse)

• Hilfsmittel der Arbeit (z. B. neue Programme)

• Werte und ungeschriebene Gesetze, Status und Sicherheit, Wünsche und Gewohnheiten (z. B. Listen händisch pflegen)

→ Akzeptanz oder Widerstand üblich

→ Paradox: Veränderungsmanagement ist weniger mit technischen Aspektender Digitalisierung befasst, sondern mehr mit dem Faktor Mensch

Die Lernziele

Nach der Einheit, sollten Sie in der Lage sein…

• zu erklären, was unter KI zu verstehen ist

• zu beschreiben, welche Formen der Mensch-KI Interaktionen existieren und welche Aspekte die Mensch-KI Interaktionen bedingen

• zu erläutern, wie die Zusammenarbeit zwischen Mensch und KI aussehen könnte und welche Probleme existieren

Definition von KI

• Die Definition von KI erweist sich, trotz der jahrzehntelangen Forschung als besonders umständlich

• Der Themenbereich rund um KI beinhaltet viele verschiedene Anwendungen, wie Maschinelles Lernen, Robotik sowie Bild- und Spracherkennung

• Als Teilgebiet der Informatik befasst sich KI mit der Imitation menschlicher kognitiver Fähigkeiten

• Bei der so genannten schwachen KI sollen auf der Basis von programmierten Abläufen menschenähnliche Reaktionen auf Eingaben erzeugt werden

• Bei starker KI soll das System selbst denken, lernen, planen und Einschätzungen treffen → Intelligenz wird nicht nachgeahmt, sondern solche Systeme besitzen eine eigene Intelligenz

Formen von KI

-> Beispiele?

• Large-scale Machine Learning: Beschreibt Lernalgorithmen, die in bereits bestehende Algorithmen integriert werden, um große Datenmengen zu verarbeiten

• Deep Learning: Lernprozeduren, die für Aufgaben wie: Bilderkennung, Generierung von Untertiteln oder Aktivitätserkennungen verwendet werden

• Robotics: Das Trainieren von Robotern, die mit ihrer Umwelt interagieren und auf unvorhersehbare Ereignisse reagieren müssen und Objekte bewegen sowie mit Menschen interagieren können

• Natural Language Processing: Natürliche Spracherkennung, die automatisch Sprache erkennen und auswerten soll, um so auf Aussagen von Menschen reagieren zu können und mit diesen durch entsprechende Antworten zu interagieren

Funktionalitäten von KI

• Erkennung: Beschreibt den Prozess der Mustererkennung in einem Datensatz, der durch eine entsprechende Schnittstelle in die Anwendung eingespielt wird

• Vorhersage: Bei der Vorhersage geben KI-Anwendungen eine Prognose darüber, wie sich etwas in Zukunft verhalten/entwickeln wird, indem Daten der Vergangenheit analysiert werden

• Empfehlung: Durch die Auswertung von Daten geben KI-Anwendungen Empfehlungen an Menschen, die diese dann in ihre Entscheidungsfindung integrieren, um ein besseres Urteil treffen zu können

• Entscheidungsfindung: KI-Anwendungen lernen durch ein entsprechendes Training durch Anwender, Daten auszuwerten und basierend auf den Ergebnissen eigenständig Entscheidungen zu treffen und die dazugehörigen Handlungen durchzuführen

KLAUSUR!

Vorteile beim Einsatz KI im beruflichen Kontext

• Verbesserung der Effizienz von Betriebs-, Wartungs- und Lieferkettenvorgängen

• Ablösung der Mitarbeiter bei monotonen Routineaufgaben, bei denen es vermehrt zu Routinefehler kommen kann.

  • Mitarbeiter können an anderen Stellen des Unternehmens für größere Mehrwerte sorgen

• Schnelle und automatisierte Adaption an sich verändernde Märkte und Bedingungen

  • Sowie Möglichkeit für neue Geschäftsmodelle

• Schnellere Erkennung und Aufklärung von Betrug

  • Sowie Optimierung und Automatisierung von IT-Prozessen

Nachteile beim Einsatz KI im beruflichen Kontext

• Kontrollverlust über die KI-Anwendungen

• Beschleunigte Strukturwandel und der damit einhergehende Stellenabbau in Unternehmen

• Mitarbeiter müssen andere Aufgaben übernehmen

• Mitarbeiter müssen alte Tätigkeiten überwachen, da die KI-Anwendung noch nicht vollständig autonom arbeiten kann

• Datenschutz: Vielzahl von Schnittstellen können KI-Anwendungen Daten sammeln und verteilen. Dabei dürfen jedoch keine Daten an die falschen Schnittstellen weitergeleitet werden, da ansonsten sensible Daten frei verfügbar werden könnten, die allerdings streng vertraulich sein sollten

• Hohen Komplexität der Anwendung: Wenn die KI-Anwendungen von niemandem im Unternehmen verstanden werden, entsteht eine Art „Black- Box“, die zwar eine bestimmte Aufgabe erfüllt, jedoch nicht mehr in der Funktionsweise beeinflusst werden kann. Zudem bleiben Fehler unentdeckt

Angst gegenüber KI

• Die Besonderheit bei der Angst vor KI ist, dass KI nicht nur eine einfache Technologie ist, die von Menschen als „Werkzeug“ benutzt werden kann

• KI wird stattdessen oft eine Vielzahl von menschenähnlichen Attributen zugeschrieben. Die kognitiven Funktionalitäten von KI, wie die Fähigkeit zu Lernen und Probleme zu lösen, führen oft zur Assoziation von KI mit Menschen

AI Kategorisierung (funktional)

Relevante Aspekte, die die Interaktion bedingen

Drei Ebenen der Mensch-KI Interaktion

• Keine Interaktion: Aktivitäten beziehen sich nicht aufeinander

• Reaktive Interaktion: Eine Aktivität ist eine Reaktion auf eine Handlung zuvor

• Interaktive Interaktion: Eine Aktivität bezieht sich auf zahlreiche Handlungen zuvor

Verschiedene Formen der Interaktion

Ziel der Human-KI Interaction

• Human-KI Symbiose

• Ausgleich von Stärken und Schwächen

• Collaborative Intelligence

Welche Stärken und Schwächen besitzt der Mensch bzw. die KI?

• Mensch: leadership, teamwork, creativity, and social skills (e.g., making jokes)

• KI: speed, scalability, and quantitative capabilities (e.g., analyzing gigabytes of data)

Mögliche Aufgabenverteilung

Aufgaben analysieren: Welche sind für den Menschen und welche für die KI geeignet?

• “Red” tasks: Routinetätigkeiten, wiederholende Tätigkeiten: Wenig Keativität aber hohe Aufmerksamkeit

• “Blue” tasks: Zusammenarbeit, Sozialarbeit: Beurteilungen, Empathie und Kreativität wichtig

Aufgaben der Manager und KI

• AI: Administrative und analytische Aufgaben

• Manager:

  • Kreativität and soziale Fähigkeiten sind wichtig

  • Networking, Coaching, und Zusammenarbeit

  • Mehr Zeit für Dateninterpretation, Ideenentwicklung, Nutzung von Wissen durch den Kontext und der Vergangenheit

Übung in VL: Welche neuen Handlungsfelder gibt es für Psychologen aufgrund von KI?

• Einsatz von Therapie-Chatbots (Emotionserkennung)

• Unterstützung durch KI in der Diagnostik (KI-basierte Modelle geben Hinweise, erleichtert Diagnosestellung)

Probleme in der Human- KI Interaktion

• Geringes Vertrauen in die KI aufgrund von mangelnder Transparenz, fehlendem Wissen über Entscheidungen und Algorithmen sowie wahrgenommener Fehler → KI = Black Box

• Zu viel Vertrauen in die KI, das zu Fehlnutzung und Fehleinschätzungen in die Fähigkeiten der KI führen

• Lösungsansatz: Transparenz erhöhen: man muss verstehen wie die KI ihre Vorschläge oder Diagnosen trifft

  • -> z.B. durch Schulungen oder Fortbildungen

  • -> Siehe “Faktoren, die Vertrauen beeinflussen”

Wie könnten die Probleme gelöst werden?

Faktoren, die Vertrauen beeinflussen:

Fragen

Welche Probleme können bei der Gestaltung von digitalen Fragebögen existieren?

• Kulturelle Probleme: z.B. nein sagen schwer zu akzeptieren; kognitiv load ziemlich hoch; focus (lokus) of control (Weiterbutton wurde nicht gefunden)

Welche Probleme gibt es bei spielbasierten Tests?

• Validierung musste abgebrochen werden; niedrige Korrelation zwischen Testergebnis und anderen bestimmten Leistungen (sollte eigentlich identische Ergebnisse wie paper pencil bringen)

Wie wirkt sich ChatGPT auf die bestehenden Assessments aus?

• Während des Ausfüllens etc. chatgpt benutzen (Nutzer) und nicht mehr selbst macht (Verzerrungen)

Wie kann man mit KI Assessments entwickeln?

• Items und Szenarien erstellen lassen (kreativ), Nomierung und Gauß’che Normalverteilung lässt sich simulieren; Chats entwickeln in der KI und Patient chatten und Diagnose gestellt wird

Wieso sind Psychologen in der Zusammenarbeit mit KI bei der Entwicklung von Assessments so wichtig?

• Prompts schreiben lassen (nicht autonom arbeiten lassen, sondern mit Psychologen die know how haben)

Unterstützung von Technologien im Human Ressources Management (HR)

Einsatz von AI im Recruiting

• Anfertigung von Stellenausschreibungen

• Vor der Bewerbung geeignete Kandidaten finden

• Durchsicht und Sortierung der Bewerbungsunterlagen

• Beantwortung von Fragen der Kandidaten mithilfe von Chatbots

• Automatisierte E-Mails und Informationszusendung

• Verfolgung der Kandidaten nach Ablehnung

Vorteile durch den Einsatz von AI / Technologien in der Personalauswahl

• Zeit sparen: z. B. durch Vorsortierung der Kandidaten

• Kosten sparen: z. B. keine externen Firmen beauftragen, um Kandidaten zu finden

• Gute Qualität: z. B. keine verzerrte Wahrnehmung

Herausforderungen durch den Einsatz von AI in der Personalauswahl

• Daten sind häufig nicht korrekt: z. B. Profile von sozialen medien

• Geringe Akzeptanz der Bewerber

• Datenschutz und –sicherheit

-> Vorschläge, wie man Herausforderungen lösen könnte: Zusammenarbeit von Recruitern und KI, die Vorgaben klären, Ausgleich von Stärken und Schwächen der Menschen und KI

Aktueller Stand und Zusammenarbeit mit AI im Recruiting

• Neben großen Unternehmen setzen auch KMUs AI vor allem im Screeningprozess ein

• Aktuell ist die Einbindung von AI eher noch nicht verbreitet

• Zusammenarbeit zwischen AI und Recruiter unklar: Keine Vorgaben

• Unterstützung durch AI von Recruitern erwünscht

• Autonome Entscheidungen durch AI über die Anstellung nicht wünschenswert

Nach der Vorlesung, sollten Sie in der Lage sein...

• den Einsatz, die Anwendungsbereiche, die Zukunftsaussichten, Potenziale und Gefahren von KI in der Emotionsmessung zu beschreiben

Übung in VL: ER in Personalauswahl

Wie könnte eine Zusammenarbeit als Psychologe in der Personalauswahl aussehen? Skizzieren Sie ein Model an einem konkreten Beispiel.

• Ein online Assessment -> Video aufzeichnung (Face recognition, Mimik & Gestik wird berücksichtigt) + Fragen auf die Antworten werden ausgewertet

Welche Potenziale und Gefahren bestehen?

• Gefahr: KI deutet Informationen falsch (Videoanalyse könnte falsch laufen), KI kann auch abschrecken (Akzeptanz ist geringer an den Bewerbungen teilzunehmen)

  • Beispiel: Personalauswahl mit KI -> ein Video vom Interview mit Bewerber analysieren lässt

• Potenzial: KI kann Objektiver sein

• -> Vorschläge, wie man Herausforderungen lösen könnte: Zusammenarbeit von Recruitern und KI, die Vorgaben klären, Ausgleich von Stärken und Schwächen der Menschen und KI

Interaktion und Zusammenarbeit mit ER: Gefahren und Potenziale

Ängste

• Können Maschinen besser Emotionen erkennen? Was können wir besser als die AI?

• Nur Zusammenarbeit mit AI statt autonome AI: Ausgleich von Schwächen

Potenziale

• Verbesserung unserer eigenen Wahrnehmung von Emotionen

• Mehrwert und Erleichterung bei den Kunden im Alltag

• Rechtlich (Datenschutz, Überwachung)

• AI: Berechnet Wahrscheinlichkeiten; Mensch verwendet seine Fähigkeiten

• Ethische Grundlagen: Richtlinien für die Gestaltung von Human-centered AI

Zukunftsaussichten

• Frühe Schritte: Innovationsphase // Auswirkungen unklar → Etablierung dauert an

• Weitere Verbreitung in unterschiedlichen Bereichen

• Vermehrte Vernetzung der Systeme und Übergabe von Emotionen

• Neue Geschäftsmodelle: Speicherung der Daten bei externen Unternehmen nicht intern im Unternehmen bzw. beim Tech-Unternehmen

  
  

• Unterschied zu Psychologen/innen bzw. die Zusammenarbeit mit diesen:

  • Fokus: Technologien

  • Keine Diagnostik, sondern die Konsequenz der Emotionen zentral

  • Hilfe bei der Frage: Wie reagiere ich auf erkannte Emotionen?

    
    

Formen der Erhebung von Persönlichkeitsmerkmalen

• Selbsteinschätzungen (Fragebögen, etc.)

• Fremdeinschätzungen (Fragebögen, etc.)

• Verhaltensbeobachtung

-> Die Kombination von allen drei Erhebungsmethoden ist der "Goldstandard"

Personality Computing-Ansatz (PC)

• PC zielt darauf ab, die Persönlichkeit durch die Auswertung von Daten aus einer Vielzahl von Quellen, wie Texten, sozialen Netzwerken, Mobiltelefonen, Ortungsgeräten, Kameras und Mikrofonen zu ermitteln

• PC besteht aus zwei Teilbereichen, die eng miteinander verwoben sind:

  • Persönlichkeitserkennung und Persönlichkeitswahrnehmung

• Personality Recognition zielt auf die Vorhersage von selbstberichteten Persönlichkeitsmerkmalen ab, indem es gültige Anhaltspunkte erkennt

• Studie dazu: Die Autoren haben die Stimmcharakteristiken und die Bewegungen verschiedener Körperregionen gemessen, um den “Locus of Control” und die “Extraversion” von Zielpersonen zu ermitteln, die in kleinen Gruppen interagieren

Automatisierte Persönlichkeitsermittlung: Genutzte Daten zur Ermittlung von Persönlichkeit

• Soziale Netzwerknutzung (Dauer usw.)

• Einträge in sozialen Netzwerken (Facebook, Twitter, Instagramm...)

• Einträge in Bloggs

• Bilder und Profile in sozialen Netzwerken

Automatisierte Persönlichkeitsermittlung: Gegenstand und Konstrukte

Text

-> ..diese beschreiben können- allerdings sind keine detaillierten Ausführungen pro Ansatz notwendig (Name, Zahlen…)

Zuverlässige Korrelationen zwischen dem Schreibstil

• Zuverlässige Korrelationen zwischen dem Schreibstil (z. B. Häufigkeit des Wortgebrauchs) und der Persönlichkeit wurden in vergangenen Arbeiten festgestellt

• So verwendeten Personen mit einem höheren Werten in Extraversion mehr Wörter mit positiven Emotionen (z. B. toll, erstaunlich, glücklich), während Personen mit einem höheren Werten in Neurotizismus häufiger die Einzahl der ersten Person (z. B. ich, mein, mich) verwendeten

Erkennung von Persönlichkeiten durch soziale Medien

• In den letzten Jahren wurde die Erkennung von Persönlichkeiten durch soziale Medien, insbesondere Twitter, intensiv verfolgt

• Dies könnte teilweise darauf zurückzuführen sein, dass die Datenerfassung bei Twitter direkt und leicht über die Twitter-API zugänglich ist

• Die Forscher haben eine Kombination aus sozialem Verhalten des Nutzers (durchschnittliche Anzahl von Links, durchschnittliche Anzahl von Hashtags, durchschnittliche Anzahl von Erwähnungen usw.) und grammatikalischen Informationen (durchschnittliche Länge des Textes, durchschnittliche Anzahl von positiven und negativen Wörtern, durchschnittliche Anzahl von Sonderzeichen wie Komma, Fragezeichen usw.) zur Erkennung der Nutzerpersönlichkeit verwendet

Aufsätze

• Neben Daten aus sozialen Medien sind auch Aufsätze eine beliebte Textart und können für die Erstellung von Autorenprofilen verwendet werden

• Ein beliebter Datensatz ist der Datensatz der Bewusstseinsstrom- Essays

Audio

-> ..diese beschreiben können- allerdings sind keine detaillierten Ausführungen pro Ansatz notwendig (Name, Zahlen…)

Audio als Erkennung der Persönlichkeit

• Es gibt relativ wenige Methoden, die sich darauf konzentrieren, nur Audio als einzigen Input für die Erkennung der Persönlichkeit zu verwenden

• Sie wird in der Regel mit einer visuellen Modalität zur bimodalen Persönlichkeitserkennung kombiniert

• Häufig funktioniert die Erkennung in zwei separaten Schritten: der Merkmalsextraktion und der anschließenden Weitergabe der Merkmale an einen Klassifikator

Audiodeskriptoren in 7 Gruppen unterteilt

• Die Audiodeskriptoren können grob in 7 Gruppen unterteilt werden:

  • Intensität, Tonhöhe, Lautheit, Formanten, Spektren und andere Merkmale

• Einige Forscher verwenden eine oder mehrere dieser Merkmalsgruppen zur Bewertung der Persönlichkeit, die auf der Äußerungsebene abgeleitet wird

• Diese Audiomerkmale (z. B. Intensität, Tonhöhe usw.) werden mit dem akustischen Analyseprogramm Praat extrahiert und einem SVM-Klassifikator zugeführt

Sprechen in Gruppen

• Sprechen in Gruppen: es wurde eine Korrelation mit den wahrgenommenen Persönlichkeitsmerkmalen festgestellt (insbesondere Extraversion)

• Merkmale der Sprechaktivität (Gesamt- und relative Sprechzeit pro Sprecher, durchschnittliche Dauer der Pausen pro Sprecher usw.) und Satzmerkmale (Gesamtzahl der Sätze, durchschnittliche Dauer, maximale Dauer usw.) werden ebenfalls in den Algorithmus einbezogen

Visuell

-> ..diese beschreiben können- allerdings sind keine detaillierten Ausführungen pro Ansatz notwendig (Name, Zahlen…)

Physiognomie

• Physiognomie ist die Kunst, den Charakter oder die Persönlichkeitsmerkmale einer Person anhand der Merkmale des Körpers, insbesondere des Gesichts, zu bestimmen

• das Gesicht liefert den größten Teil der beschreibenden Informationen für den Rückschluss auf wahrgenommene Persönlichkeitseigenschaften

• Algorithmen konzentrieren sich darauf, physische Merkmale aus Bildern zu extrahieren, wie z. B. die Form der Nase, die Körperform, die Form der Augenbrauen, und ihre Korrelation mit der Persönlichkeit zu ermitteln

Persönlichkeitsmerkmale anhand der Wahl des Twitter-Profilbildes

• Forscher haben Persönlichkeitsmerkmale einer Person anhand der Wahl ihres Twitter-Profilbildes vorhergesagt

• Es wurde eine Korrelation zwischen den ästhetischen und gesichtlichen Merkmalen des Profilbildes und den Persönlichkeitsmerkmalen der Nutzer festgestellt

• Die Nutzer mit hohen Werten in der Vertäglichkeit und Gewissenhaftigkeit zeigen in ihren Profilbildern eher positive Emotionen, während Nutzer mit einem hohen Maß an Offenheit eher ästhetische Fotos bevorzugen

Multimodal

• Die meisten multimodalen Architekturen für die Erkennung von Persönlichkeitsmerkmalen sind bimodular mit der Fusion von Merkmalen aus den Audio- und visuellen Modalitäten

• Die meisten multimodalen Ansätze führen eine späte Fusion durch, d. h. sie bilden den Durchschnitt der einzelnen Ergebnisse der Vorhersagen aus den Audio- und visuellen Modalitäten

• Die aus den einzelnen Modalitäten extrahierten Merkmale können zusammen verwendet werden, um die Persönlichkeitsvorhersage zu erstellen

Bedeutung der automatisierten Persönlichkeitsermittlung im digitalen Zeitalter

KLAUSUR:

• Empfehlungssysteme: Anpassung der Angebote durch die Ermittlung von Persönlichkeitsmerkmalen -> Verbesserte User Experience und erhöhter Absatz

  • z.B. Plattformen wie Netflix verwenden Persönlichkeitsmerkmale, um Film- und Serienempfehlungen anzupassen. Wenn das System erkennt, dass jemand Abenteuer bevorzugt, werden ihm eher actionreiche Filme vorgeschlagen.

  • Spotify (jemand hört eher entspannende Musik -> wird auch mehr entspannte Musik angezeigt)

• Online Spiele: Anpassung des Spiels durch die Ermittlung von Persönlichkeitsmerkmalen -> Verbesserte User Experience

• Online Interventionen und Beratung: Anpassung der Interventionsangebote und Beratungen in Abhängigkeit der Persönlichkeit -> Verbesserte User Experience und bessere Passung

…

• Online-Bewerbungen: Selektion von Bewerbern bzw. passende Vorschläge für den Bewerber -> Verbesserte User Experience, schnelle Selektion und bessere Passung

• Vorhersagen und Beeinflussung von Ereignissen (z. B. politischen Wahlergebnissen) bzw. der Haltungen der Menschen: Anpassung von Maßnahmen (Kampagnen,...) für bestimmte Personen Erhöhung von Erfolg

• Chatbots und Sprachassistenten: Anpassung der Interaktionen mit dem Nutzer durch die Ermittlung von Persönlichkeitsmerkmalen -> Verbesserte User Experience

Herausforderungen des PC- Ansatzes

Konstruktabhängig

• Viele Datensätze gibt es für das Big-Five-Persönlichkeitsmaß, aber für andere Persönlichkeitsmaße fehlen die Ressourcen

• Das MBTI-Persönlichkeitsmaß ist das derzeit weltweit am häufigsten verwendete Persönlichkeitsmaß

  • MBTI-Eigenschaften sind schwieriger und komplexer vorherzusagen als die Big-Five-Eigenschaften, aber es ist möglich, dass aktuelle Deep-Learning- Modelle auch in diesem Bereich eine gute Genauigkeit erreichen

Kontextabhängigkeit

• Genau wie bei Studien mit Beobachtern hängt die Fähigkeit von Algorithmen, die Persönlichkeit genau zu erkennen, von dem Kontext ab, in dem die Zielperson beobachtet wird

• Ein PC-Modell, das in einer Situation sehr gut funktioniert, funktioniert möglicherweise nicht, wenn es mit Daten aus einer anderen Situation konfrontiert wird, so dass die Gefahr besteht, dass sinnlose Vergleiche gezogen werden

• Es müssen daher für das Training sowohl Daten aus dem Labor als auch Daten von Radiosprechern, Youtube-Videos und Videocurricula von Bewerbern verwendet werden, um natürliche und vielfältige Einstellungen von Persönlichkeitsausdrücken zu erhalten

Herausforderungen des PC- Ansatzes

Demografische Merkmale

• Demografische Faktoren können die Fähigkeit von Bildverarbeitungs- software beeinflussen

• Eine Software zur Bildverbesserung, die unbeabsichtigtes Blinzeln erkennen sollte, erzeugte bei asiatischen Studienteilnehmern viele falsch positive Ergebnisse

• Eine scheinbar einfache Lösung besteht darin, Algorithmen so zu programmieren, dass sie demografische Informationen unterdrücken, als Stichwörter einbeziehen oder kontrollieren

• Diese Lösung hat jedoch starke technische Einschränkungen, da sich demografische Merkmale indirekt in den Algorithmus einschleichen können

• Beispielsweise könnten Menschen aus einem bestimmten Land viel häufiger als erwartet zwei bestimmte NVBs kombinieren, so dass der Algorithmus "indirekt" die ethnische Zugehörigkeit erkennen kann

Überinterpretation

• Gegenwärtig messen die von PC-Algorithmen automatisch aus Videos extrahierten Merkmale meist niedrige, spezifische motorische Verhaltensweisen, wie z. B. das Neigen des Kopfes, Blinzeln oder Lächeln

• Eine Abhängigkeit von derartigen Hinweisen auf der Mikroebene kann zu einer Übergewichtung solcher Hinweise führen

• Darüber hinaus variiert die Bedeutung von Hinweisen auf der Mikroebene manchmal je nach Kontext

• Wenn man sich also zu sehr auf Hinweise auf der Mikroebene verlässt, könnte man den breiteren Kontext verkennen und ihre kommunikativen Absichten missverstehen

• Die Psychologie bietet umfassende Modelle auf der Mikro-, Meso- und Makroebene

• Das Auftreten von Merkmalen auf der Mikroebene kann in Verhaltensweisen auf der Makroebene eingeordnet werden, um eine genauere Identifizierung der kommunikativen Absichten zu ermöglichen

Vorteile des PC- Ansatzes

Höhere Effizienz

• Non-verbale Beobachtung (NVB): Bestehende NVB-Kodierungssysteme in der Psychologie erfordern die manuelle Beobachtung und Kommentierung von Verhaltensabschnitten: ein Prozess, der einen erheblichen Aufwand an Geld, Zeit und Arbeit erfordert, der mit der Größe des Datensatzes zunimmt

• Die automatische Extraktion von Merkmalen ermöglicht kostengünstigere und skalierbarere Methoden zur Messung von Hinweisen, was die Forschung in großem Maßstab praktikabler macht

Erhöhte Objektivität

• Die NVB-Kodierung in der Psychologie kann bestimmte visuelle Signale, die von Zielen allein oder in Interaktion erzeugt werden, nicht objektiv erfassen

• PC bietet eine Reihe neuer objektiver Messungen von Intensität, Geschwindigkeit und Amplitude der NVB

• Ein weiteres Beispiel für neuartige Maßnahmen sind tragbare Geräte, die eine genaue und empfindliche Messung der zwischenmenschlichen Distanz ermöglichen

Vorteile des PC- Ansatzes

Vielfältige Auswertungsmöglichkeiten

• In der Psychologie werden in der Regel lineare Regressionsmodelle zur Datenanalyse verwendet

• Diese Methode ist nicht anwendbar für komplexere Beziehungen

• Mindestens vier Elemente sind in der Regel ausgeschlossen: die Kombination mehrerer NVB-Hinweise (z. B. eine Zielperson, die nur lächelt, drückt Extraversion aus, eine Zielperson, die lächelt und sich schüttelt, drückt Neurotizismus aus); ihre zeitliche Abfolge (z. B. könnte ein Lächeln nach einem Ausdruck von Wut auf mehr Verträglichkeit hindeuten als ein Ausdruck von Wut nach einem Lächeln); nichtlineare Beziehungen (z. B., kurvenförmig oder exponentiell– z. B. könnte es einen "Sweet Spot" in der Lächelrate geben, der den höchsten Grad an Extravertiertheit anzeigt) und Korrelationen zwischen Persönlichkeitsmerkmalen (z. B. könnten Extravertierte als verträglicher angesehen werden)

• PC verwendet Algorithmen des maschinellen Lernens, um komplexere Beziehungen zwischen Hinweisen und beurteilten oder tatsächlichen Persönlichkeitswerten zu erfassen

• Methoden wie Random Regression Forest oder Support Vector Machines gehen nicht von linearen oder unabhängigen Effekten zwischen den Prädiktoren aus

Multimodale Erhebungen

• Psychologische Studien zeigen, dass die Verwendung mehrerer Kriterien eine genauere Grundlage für die "tatsächliche Persönlichkeit" bietet, indem Selbstberichte, Berichte von Informanten und Verhaltensmessungen einbezogen werden

• PC, die Persönlichkeit von mehreren Messgrößen ableitet, wären stichhaltiger

Zusammenarbeit zwischen Mensch und KI

Stärken und Schwächen können ausgeglichen werden:

• Probleme der demografischen Merkmale könnten von parallelen (Mensch gegen Maschine) und kollaborativen (Mensch plus Maschine) Beobachtern reduziert

  • Während menschliche Beurteiler Extraversion leichter erkennen, haben PC- Algorithmen bessere Leistungen bei Offenheit und Gewissenhaftigkeit

  • Dies könnte zum Beispiel auf unterschiedliche Auswirkungen der Sichtbarkeit von Merkmalen zurückzuführen sein

  • Künstliche Beurteiler könnten in der Tat in der Lage sein, unterschwellige NVBs zu erfassen, die für menschliche Wahrnehmungen nicht leicht zugänglich sind

  • Menschen hingegen sind möglicherweise besser in der Lage, kontextbezogene oder ganzheitliche Elemente in ihre Bewertungen einzubeziehen

• Algorithmen werden zur Erkennung der Persönlichkeit in hochgradig standardisierten Umgebungen (z. B. ein automatisiertes strukturiertes klinisches Interview), in eingeschränkten, aber nicht in nicht-standardisierten Umgebungen (z. B. ein Kundenbetreuer) oder in nicht-eingeschränkten Umgebungen (z. B. visuelle Überwachung)

  • Unbeschränkte und nicht standardisierte Umgebungen stellen eine aktuelle Herausforderung für PC dar, da Kontextelemente das beobachtbare Verhalten der Zielpersonen stark beeinflussen können

Es gibt bisher keine Forschung über den Nutzen der Kombination menschlicher und künstlicher Beurteilungen

• Mögliche fünf verschiedene Ansätze für die Zusammenarbeit:

  • a) Menschen können künstliche Urteile überwachen und außer Kraft setzen

  • b) Software kann den Menschen auf die wichtigsten Hinweise verweisen

  • c) Algorithmen können ungültige Hinweise (z. B. rassische Merkmale) unterdrücken

  • d) Algorithmen können potenziell ungenaue Urteile anzeigen

  • e) Künstliche und menschliche Urteile können zusammengeführt werden

Die Lernziele

Nach der Vorlesung, sollten Sie in der Lage sein…

• beispielhaft den Nutzen von Big Data aufzeigen zu können

• einige Daten zu beschreiben, die Sie mithilfe von Page/Web- Tracking erhalten können

Big Data

• Big Data steht für den Umgang mit großen, unstrukturierten Datenmengen unterschiedlichen Formats aus verschiedenen Quellen

• Der Begriff wird auf Datensätze angewandt, für die herkömmliche relationale Datenbanken aufgrund der Größe oder Art nicht geeignet sind

• Dabei wird Big Data gewöhnlich durch die so genannten 3 Vs charakterisiert:

  • Volume steht für das große Datenvolumen,

  • Variety bezeichnet die Heterogenität der Datenbeschaffenheit und

  • Velocity meint die hohe Entstehungsgeschwindigkeit der Daten

Beispiel für verfügbare Daten

• Umfassendes Bild von Kunden: demografische Merkmale, Transaktionshistorie, Verhalten usw. möglich → Individualisierung von Kundenansprache als auch–angeboten (Marketing)

• Entscheidungen zur Produktionsoptimierung: Vielzahl produktionsbezogener Daten (Beispiel: Reklamationen)

• Kennzahlen des Fertigungsprozesses → kontinuierliche Verbesserung der Produktionsprozesse oder Reduzierung von Risiken (Personalentwicklung)

Data Analytics

• Mit Hilfe von Data Analytics sollen versteckte Muster in den Datenmassen erkannt und interpretiert werden

• Im Rahmen der Mustererkennung reicht die Bandbreite von deskriptiven Analysen mittels statistischer Verfahren bis hin zum Einsatz von Algorithmen aus dem Bereich des Maschinenlernens zur Entscheidungsunterstützung.

• Durch die Verbindung unterschiedlicher Daten aus verschiedensten Quellen sollen Zusammenhänge erkannt werden, die auf den ersten Blick nicht ins Auge stechen

Data Mining!

• Data Mining ist definiert als einen Prozess der Entdeckung aufschlussreicher, interessanter und neuartiger Muster sowie von beschreibenden, verständlichen und Vorhersagemodelle aus großen Datenmengen

• Data Mining bedeutet auch Wissensentdeckung aus Daten und beschreibt den typischen Prozess der Extraktion nützlicher Informationen aus Rohdaten

Einordnung des Themas in psychologische Disziplinen – Beispiel Kundenanalyse mithilfe von Web Tracking

• Web Tracking ist eine Internet-Technik, die Nutzerdaten sammelt, um z. B. Online-Werbung zu schalten, oder Inhalte zu personalisieren.

• Beispiel in der Konsumentenpsychologie, Marketing, Produktentwicklung: Umfassendes Bild von Kunden (z. B. demografische Merkmale)

Logfile-Analyse

• Protokolldatei des Website Besuchs

• Automatisch vom Webbrowser erstellt

• Einfache einheitliche Auswertung

• Nicht alle Schritte des Besuchers werden erfasst

Page Tagging

• Meistgenutzte Methode

• Code auf jeder Seite eines Webangebots implementiert

• Misst Seitenaufrufe und Verhalten von Besuchern

• Vollerhebung sämtlichen Website Traffics

• Beispiel: Google Analytics

  • Unmittelbare Nutzerdaten tracken

  • Gut als Einführungswerkzeug, um eigene Bedürfnisse zu erkennen

  • Leicht kombinierbar mit GoogleAds

Nutzereigenschaften

Besuchertreue

• Wiederkehrende Besucher

• Messung: Wie häufig kehren diese zurück und wann?

• Drei Hürden, die der treue Besucher überwunden hat

  • Besuch der Seite: Neuer Besucher

  • Interesse an Seiteninhalte: Interessierter Besucher

  • Mehrmalige Besuche auf der Webseite: Treuer Besucher

Besucherfrequenz

• Zeitlichen Abstände, wann ein Besucher zurückkehrt

• Messung: Wie wann kehren diese zurück?

• Häufig unterschiedliche Frequenzen möglich

• Achtung: Der zeitliche Horizont sollte beachtet werden: In welchem Zeitraum wurden die Berechnungen gemacht?

Besucheraktualität

• Wie viel Zeit ist seit dem letzten Besuch verstrichen?

• Bewertung anhand der zeitlichen Spanne, wie wertvoll ein Besucher ist, wenn eine Verknüpfung mit anderen Auswertungen vorgenommen wird

Nutzerverhalten

Besuchsdauer

• Messung: Zeit von Aufruf der ersten Seite bis zur letzten Seite oder die Zeit auf einer einzelnen Seite

• Achtung bei durchschnittliche Zeitangaben kann es zu Verfälschungen kommen – die Verteilung ist interessant

• Inhalt der Seite zur Bewertung heranziehen: Wieso kommen Nutzer auf die Seite? Wie lange braucht der Nutzer um sein Anliegen zu erfüllen?

• Achtung: Wenn die Besuchsdauer mit 0 angegeben ist, dann kann es daran liegen, dass der Nutzer keine weitere Seite mehr angesehen hat.

Besuchstiefe

• Messung: Wie viele Seiten wurden innerhalb des Besuchs betrachtet?

• Durchschnittswerte können verfälschen, daher ist die Verteilung wichtig.

• Hohe Absprungraten bei neuen Kampagnen können darauf hinweisen, dass Werbung und Seiteninhalt nicht übereinstimmen.

• Die angemessene Tiefe sollte je nach Aufgabe bewertet werden. Nutzer, die gezielt über Suchmaschinen kommen, zeigen oft geringere Tiefe – eine Filterung dieser Nutzer ist sinnvoll

Die Lernziele

Nach dem Slot, sollten Sie in der Lage sein,...

• persuasion und persuasive design/systems zu definieren

Digitale Intervention, um Verhalten zu verändern!

• Wie wurde Ihr Verhalten in der Vergangenheit durch digitale Systeme verändert / beeinflusst?

  • → Persuasive design / digital nudging

Definition von persuasion

-> Einstellungsorientierter Ansatz

• Persuasion wird definiert als menschliche Kommunikation, die darauf abzielt, die autonomen Urteile und Handlungen anderer zu beeinflussen

• Persuasion ist ein Versuch, Einstellungen oder Verhaltensweisen oder beides zu verändern (ohne Zwang oder Täuschung) und die Art und Weise, wie andere denken, fühlen oder handeln

• Persuasion beruht auf der Kraft verbaler und nonverbaler Symbole und ermöglicht den Menschen eine freiwillige Teilnahme am Überzeugungsprozess

• Welche Beispiele haben Sie für persuasion aus Ihrem Alltag?

  • -> Sale, Black Friday, 2 für 1

Definition von Überredung

• Es gibt auch andere Formen der versuchten Beeinflussung, wie materielle Anreize und Zwang, die sich von der Persuasion unterscheiden

  • materielle Anreize sind der Austausch von Geld oder anderen Dingen gegen Handlungen der zu beeinflussenden Person

  • Zwang impliziert Gewalt und wirtschaftliche Sanktionen

• Beispiel: Pop-up-Fenster, die immer zum gleichen Ergebnis führen (z. B. zum Herunterladen einer Datei)

Prozess von Persuasion

Persuasion-Forschung

• Die am intensivsten untersuchten Aspekte in der traditionellen persuasion-Forschung sind die Merkmale der Quelle, der Botschaft und des Empfängers

• Aspekte, die Einfluss auf die Änderung der Einstellung/ Verhalten des Empfängers haben

Definition von persuasive systems

• Computergestützte Software- oder Informationssysteme, die darauf ausgelegt sind, Einstellungen oder Verhaltensweisen oder beides zu verstärken, zu ändern oder zu formen, ohne Zwang oder Täuschung anzuwenden

• z.B. freiwillige Verstärkung: Sport App zeigt den Fortschritt an und wie weit man vom Zielgewicht entfernt ist, um mehr die App zu benutzen

Ergebnis von persuasive systems

• Es gibt drei mögliche erfolgreiche Ergebnisse für ein persuasive systems:

  • freiwillige Verstärkung

  • Einstellungen und/oder Verhaltensweisen ändern

  • Prägung von Einstellungen und/oder Verhaltensweisen

Verschiedene Formen von persuasive systems

• Computervermittelte persuasion: bedeutet, dass Menschen andere durch computervermittelte Kommunikation überzeugen

  • Beispiel: E-Mail, Sofortnachrichten oder Blogs

• Mensch-Computer-Persuasion ist die Studie darüber, wie Menschen bei der Interaktion mit Computertechnologie überzeugt werden

• Problem: Computer haben keine eigenen Absichten

• Diejenigen, die die Technologie schaffen, verbreiten oder einführen, haben die Absicht, die Einstellung oder das Verhalten von jemandem oder von sich selbst zu beeinflussen

Definition von persuasive design

• Informationstechnologie ist nie neutral

• Das Design wird den Benutzer immer zu einer bestimmten Entscheidung oder Aufgabe führen

• Persuasive design basiert auf dem Konzept der Persuasion

• Persuasive systems fungiert als ein Konstrukt, das persuasive design konkret macht

Theoretischen Grundlagen für persuasive design:

Theorie des geplanten Verhaltens

• Die individuelle Wahrnehmung der Leichtigkeit, mit der das Verhalten ausgeführt werden kann, d. h. die Verhaltenskontrolle, beeinflusst das Verhalten des Einzelnen

  • Beispiel: Eine Person möchte einen Fitnesskurs besuchen. Ist der Kurs leicht erreichbar und die Person fühlt sich fit, steigt die Wahrscheinlichkeit, dass sie teilnimmt.

Die Lernziele

Nach dem Slot, sollten Sie in der Lage sein,...

• die verschiedenen Gestaltungsprinzipien anwenden zu können

KLAUSUR

Anwendung von Design Prinzipien

Unterstützung der Hauptaufgabe (Primary task support)

Merkmale, die die Hauptaktivität oder das Verhalten unterstützen:

Unterstützung des Dialogs (dialog support)

Rückmeldung durch das System:

Unterstützung der Glaubwürdigkeit des Systems (system credibility)

Merkmale, die das System glaubwürdig und vertrauenswürdig erscheinen lassen:

Soziale Unterstützung (Social support)

Merkmale, die die Motivation durch sozialen Einfluss fördern:

Die Lernziele

Nach dem Slot, sollten Sie in der Lage sein,...

• Nudging und Digitales Nudging zu definieren

• Den Unterschied zwischen persuasive systems und digital nudging zu erklären

• Die theoretischen Grundlage für das (digitale) nudging zu erklären

• Die verschiedenen Heuristiken und kognitiver Verzerrungen zur Gestaltung anzuwenden

• Einige praktische Anwendungsfälle von digital nudging zu erläutern

Definition von nudging

-> Entscheidungsorientierter Ansatz

• Nudges dienen dazu, Menschen zu besseren Entscheidungen zu bewegen, z. B. für die Altersvorsorge zu sparen, sich gesünder zu ernähren oder sich als Organspender zu registrieren

• Vorhersehbare Verhaltensänderungen, ohne Optionen zu verbieten oder die Anreize wesentlich zu verändern

• Bekannt als Architektur der Wahlmöglichkeiten, die sich auf die Idee bezieht, dass verschiedene Arten der Präsentation von Wahlmöglichkeiten einen Einfluss auf die Entscheidungsfindung haben können

Definition Digital nudging

• Digital nudging bezieht sich auf einen Ansatz, bei dem Elemente der Benutzeroberfläche eingesetzt werden, um die Entscheidungsfindung des Benutzers zu beeinflussen und sein Verhalten in digitalen Wahlumgebungen zu steuern

• Gestaltungselemente der Benutzeroberfläche können mit der grafischen Gestaltung, bestimmten Inhalten, Formulierungen oder kleinen Funktionen verbunden sein

Anwendungen

• E-health: Schrittzähler-App, die Feedback zum Aktivitätsniveau gibt

• E-learning: Erinnerung an die Lernenden, sich mit dem Kursinhalt zu beschäftigen

• Soziale Medien: Anreize, wie z. B. Abzeichen, für das Teilen oder andere Aktivitäten geben

Unterschied nudging und persuasion

• “Digitales nudging erscheint mir als eine Untergruppe von persuasion. Persuasion kann aggressiv, hartnäckig und intensiv sein. Nudging scheint eine sanftere Art der persuasion zu sein. Bei persuasion geht es mehr um Bewusstseinsbildung und Information als um direktes Anlocken, Verführen, Fordern oder Bedrohen.” (Aus einem Interview)

Digital nudging vs. persuasive design

• Digital nudging zielt darauf ab, das Verhalten eines Nutzers in einer digitalen Wahlumgebung zu lenken und zu beeinflussen

• Persuasive design zielt darauf ab, Einstellungen zu ändern, um das Verhalten eines Menschen zu beeinflussen

• Beide streben das gemeinsame Ziel an, menschliches Verhalten zu verändern, jedoch mit unterschiedlichen Ansätzen und Gestaltungsprinzipien

• Geimeinsamkeit: Beides verwendet kein Zwang, man setzt eher auf die Autonomie des Konsumenten

Theorien

-> Werden beim nudging genutzt, um Entscheidungen kurzfristig zu beschließen/ beeinflussen

Duale Prozesstheorien

• Es gibt zwei Arten des Denkens: System 1 (das automatische) und System 2 (das reflektierende)

• Automatisches System

  • Verantwortlich für unsere wiederholten Handlungen (z. B. Autofahren)

  • Dominiert in Kontexten, die schnelle Entscheidungen mit minimalem Aufwand erfordern

  • Ist instinktiv, emotional und arbeitet unbewusst

• Reflektierendes System

  • Trifft Entscheidungen durch einen rationalen Prozess

  • Ist bewusst, langsam, anstrengend und zielgerichtet

• Da wir die Veranlagung haben, den Aufwand zu reduzieren, arbeitet das reflektierende System nur in Situationen, die das automatische System nicht bewältigen kann

• Man schätzt, dass 95 % unserer täglichen Entscheidungen nicht reflektiert stattfinden und durch einen situativen Stimulus aktiviert werden und somit vom automatischen System bearbeitet werden

  
  

Heuristik

• Heuristiken helfen uns zwar dabei, in anspruchsvollen Situationen schnell und einfach Entscheidungen zu treffen, machen uns aber auch anfällig für kognitive Verzerrungen- systematische Abweichungen vom rationalen Urteil

• Beispielsweise spiegelt der Status-quo-bias unsere Tendenz wider, sich Veränderungen zu widersetzen und den Weg des geringsten Widerstands zu gehen. Daher entscheiden wir uns oft für die Standardoption, anstatt uns die Zeit zu nehmen, die Alternativen zu prüfen

• Im Zeitalter der Informationsüberflutung sind Menschen oft gezwungen auf indirekte Hinweise zurückzugreifen

• Wenn ein Individuum relevante Hinweise sieht, werden Heuristiken ausgelöst

• Heuristiken sind kognitive Kurzformen, Faustregeln oder Abkürzungen

• Mentale Abkürzungen ermöglichen uns Informationen zu ersetzen, die nicht verfügbar oder schwer zugänglich sind

Die Lernziele

Nach der Vorlesung, sollten Sie in der Lage sein,...

• die verschiedenen Heuristiken und kognitiver Verzerrungen zur Gestaltung anzuwenden

• Den Prozess der Umsetzung zu beschreiben

Kognitive Verzerrungen im Bereich Technologie

• Können bei der Entwicklung interaktiver Technologien zur Unterstützung von Entscheidungsfindung und Verhaltensänderung genutzt werden

Mechanismus des nudging: konfrontieren Sie

• Nudges in dem Bereich versuchen, eine unerwünschte Handlung zu unterbrechen, indem Zweifel hervorgerufen werden

• Es wird die Neigung der Menschen, Entscheidungen vorsichtiger zu treffen, wenn sie ein gewisses Risiko wahrnehmen, ausgenutzt.

• Folglich wird versucht gedankenloses Verhalten zu durchbrechen und zu einer reflektierten Entscheidung zu führen

Verfügbarkeitsheuristik

• -> Erinnern an die Folgen

• Beispiel im Digital Nudging: Ein Online-Banking-Dienst zeigt eine Benachrichtigung: „Schützen Sie Ihr Konto vor Hackerangriffen – aktivieren Sie jetzt die Zwei-Faktor-Authentifizierung.“

  • Der Hinweis nutzt die Verfügbarkeitsheuristik, da Nutzer an mediale Berichte über Hackerangriffe erinnert werden. Die Angst vor Angriffen führt dazu, dass sie die Sicherheitseinstellungen eher aktivieren.

Confirmation Bias

• -> Bereitstellung mehrerer Standpunkte

• CompareMed (2015) ist ein Entscheidungshilfetool, das Patientenbewertungen aus sozialen Medien sammelt und zwei Behandlungen nebeneinander präsentiert und gleichzeitig die Bewertung der Nutzer anzeigt, um einen Vergleich zu ermöglichen und die Fokussierung auf nur eine Behandlung zu vermeiden.

Design-Cycle nach Schneider et al.

Die Lernziele

Nach der Veranstaltung, sollten Sie in der Lage sein,...

• die Reflexionsfragen zum Gamification Test zu beantworten

• Gamification zu definieren

• Gestaltungselemente von Gamification zu kennen

• die Beziehung zwischen Gamification und persuasive systems zu beschreiben

• den theoretischen Hintergrund von Gamification zu erklären

• einige Probleme und Lösungen bei der Anwendung von Gamification zu nennen

Definition von Gamification

• Spielelemente werden häufig in feedback und persuasive systems eingebaut, um einerseits die Nutzung der Anwendung zu erhöhen und andererseits das gewünschte Verhalten zu induzieren

• Der Grund dafür ist, dass spielbasierte Funktionen sowohl evolutionäre Ziele als auch Bedürfnisse des Nutzers befriedigen und somit zur Steigerung des Wohlbefindens des Einzelnen beitragen

• -> Spielbasierte Informationssysteme sind unter dem englischen Begriff "Gamification" bekannt

• -> Gamification bedeutet die Verwendung von Spielelementen in einem nicht spielerischen Kontext

• Beispiel: Ist der Hogrefe Test Gamification? Wenn ja, warum?

  • => Ja, weil er Spielelemente in einem nicht spielerischen Kontext (konzentrations- und Aufmerksamkeitstest) verwendet werden

Überblick über Spielelemente und -dynamik

Studie: Wie motiviert Gamification?

• Zweck: Analyse der Auswirkungen verschiedener Spielelemente auf die Zufriedenheit der Nutzer

• Theorie: Self-Determination Theory

• Methode: 419 Teilnehmer; Spielen eines Online-Spiels und Durchführung einer Umfrage

• Ergebnisse: Abzeichen, Bestenlisten und Leistungsgrafiken wirken sich positiv auf die Befriedigung von Kompetenzbedürfnissen und die wahrgenommene Sinnhaftigkeit der Aufgabe aus

• Avatare, bedeutungsvolle Geschichten und Teamkollegen beeinflussen das Erleben von sozialer Verbundenheit

• Die wahrgenommene Entscheidungsfreiheit konnte nicht beeinflusst werden

Als wichtig markiert?

Beziehung zwischen persuasion / persuasives design und Gamification

• Spiele und Gamification erfüllen die dynamischen Kriterien für persuasion

• Viele Überzeugungstechniken sind relevant, wenn es um Gamification geht: Belohnungen, soziale Rolle, Wettbewerb, Kooperation, sozialer Vergleich

Auftretende Probleme im Zusammenhang mit Gamification

• => Spielbasierte Systeme könnten “too hot” sein, wenn sie nur ein hedonistisches Erlebnis bieten, oder “too cold”, wenn sie nur produktive Verhaltensweisen ausnutzen

• In "Disneyland Gamification" wurde die Echtzeit-Produktivität jedes Mitarbeiters auf den Ranglisten angezeigt

  • Es wurde deutlich, dass dies sie unerwartet zum Wettbewerb führte und ihre Kultur der Zusammenarbeit zerstörte

• Eine geeignete Gamification-Strategie muss sowohl für Arbeitgeber als auch für Arbeitnehmer das richtige Gleichgewicht herstellen

• In vielen Gamification-Studien wird behauptet, dass intrinsische Motivatoren einbezogen werden sollten

  • -> Der herkömmliche Gamification-Ansatz hat dies einfach berücksichtigt, indem er unterhaltsamere und aufregendere Spielerlebnisse bietet

Mögliche Lösungen

• Gute “Stories” könnten den Arbeitnehmern helfen, leicht zu verstehen, warum sie das Spiel gespielt und produktive soziale Verhaltensweisen am Arbeitsplatz entwickelt haben

• Durch die emotionale Handlung des Spiels würde man sich besser in die Einstellungen, Überzeugungen und Vorlieben der Spielfigur einfühlen können, was die Funktionsweise des selbstregulierenden Systems effektiv fördern könnte

• Menschen, die sich im “Flow” befinden verlieren oft das Zeitgefühl oder bemerken nicht, was um sie herum geschieht, weil sie sich auf die Welt der Erzählung konzentrieren

Hogrefe Test

• Wie lief der Test genau ab? Was musste gemacht werden

  • Verschiedene Spiele

• Wozu diente der Test?

  • Erfassung der Konzentrationsleistung (Sorting fruits) und der Verarbeitungsgeschwindigkeit (Ice skating)

• Um welches Diagnoseinstrument handelt es sich wohl?

  • spielbasiertes, digitales Instrument

• Wie könnte das Diagnoseinstrument in der Psychologie angewendet werden?

  • Therapie und Förderung (Ableitung gezielter Fördermaßnahmen zur Verbesserung spezifischer kognitiver Fähigkeiten)

  • Schulpsychologie (Identifikation von Kindern mit besonderen Unterstützungsbedarfen)

  • Diagnostik (Unterstützung bei der Diagnosestellung von Entwicklungs- oder Lernstörungen, ADHS oder Autismus-Spektrum-Störungen)

• Was ist hier das Besondere im Vergleich zu klassischen psychologischen Tests?

  • Geringere Belastung => Kinder empfinden die Tests weniger als stressig oder belastend, da sie in Form eines Spiels durchgeführt werden

  • Spielerischer Ansatz => Klassische Tests (z. B. Paper Pencil) sind oft starr und wenig motivierend. Hier wird ein interaktives, kindgerechtes Spiel verwendet, das die intrinsische Motivation der Kinder anspricht

• Welche Vor- und Nachteile existieren hier?

  • Vorteile: Motivationssteigerung, Kinder arbeiten länger und engagierter, da sie die Aufgaben als Spiel wahrnehmen

  • Nachteile: -> Lenkt ab, verfälscht möglicherweise das Ergebnis, Technische Abhängigkeit (Erfordert geeignete Geräte), Eingeschränkte Vergleichbarkeit (Ergebnisse sind nicht immer direkt mit klassischen Tests vergleichbar, da der Kontext spielerisch ist)

Welche Bereiche im HRM, in denen auch Psychologen arbeiten, haben sich durch die digitale Transformation bei Continental verändert? Nennen Sie zwei Bereiche und beschreiben Sie die Veränderungen

• Feedbackmanagment -> Veränderung kommt aus USA, Einführung eines neuen Feedbacksystems (online), es wird viel mehr nach Feedback gefragt und onlinefragebogen werden ausgefüllt und an Führungsperson übermittelt.

• Learning und traning -> Etablierung von Workshops und Schulungen, viel mehr Schulungen aber online nicht mehr in präsenz (nicht mehr so persönlich)

Welche 6 Phasen sind bei der Einführung eines online Assessments zur Personalauswahl zu durchlaufen? Nennen Sie die einzelnen Phasen und erklären Sie kurz dessen Inhalt am Beispiel von Continental.

1. Requirements (Anforderungen): Anforderungen an das zukünftige online assesment definieren

2. Tool selection: Auswahl der entsprechenden tools, ein tool finden das den Anforderung gerecht wird

3. Compliance: was sagt der Personalrat (müssen tool abnehmen), Gesetzte müssen beachtet werden (der EU), Diskrimierung, Cybersecurtiy (Sicherheit der tools muss gegeben sein), Gesetztmäßigkeiten in der EU oder des Unternehmen selbst müssen beachtet werden

4. Process: Prozess entwickeln wie das online assesment in Personalauswahl eingebunden werden kann, in dem Prozess muss es Kriterien geben wann, wer ausgewählt wird und wann nicht (bei Continental: 1. Cut-off-Wert, dann CVs betrachten, dann Interviews und so weiter)

5. Stakewell mangament: unterschiedliche stakeholder müssen überzeugt werden (Recruiter, hiring manager, HM Manger (war am schwierigsten bei Continetal)) und es muss sich ausgetauscht werden -> Feedback einholen, bewerten lassen, Prozess einführen

6. Evaluation: funktioniert Assesment langfristig und kurzfristig?, Daten sammeln (die haben bei Continental die Daten der Bewerber nicht langfristig getrackt, sondern die Daten nach 6 Monaten gelöscht und haben am Anfang nicht darum gebeten, die Daten langfristig sammeln zu können -> entsprach nicht deren compliance; können prognostische Validität deshalb nicht)

Welche Probleme und Chancen können bei der Einführung eines online Assessments zur Personalauswahl entstehen, die ebenfalls die Arbeit der Psychologen im HRM betreffen? Erläutern Sie drei verschiedene Probleme und Chancen am Beispiel von Continental

Probleme:

• Bewerberdaten wurden nicht langfristig getrackt und nach 6 Monaten gelöscht, was die Überprüfung der prognostischen Validität unmöglich machte (fehlende Compliance).

• Eingeschränkte Toolauswahl: Tests mussten zum System passen; anfangs eingesetzte Tests waren teilweise invalide.

• Persönlichkeitstests: Normierung oft ungeeignet, Datenschutzprobleme bei niedrigen Positionen.

Chancen:

• Hohe Effizienz und Standardisierung bei der Bewerberauswahl, bessere Entscheidungsqualität.

• Einheitliche Strategien: Transparenz bei Anforderungen, Chancen auch für schwächere Bewerber.

• Systematisches Feedback und internationale Vergleichbarkeit.

Die Lernziele

Nach der Vorlesung, sollten Sie in der Lage sein...

• den Einsatz, die Anwendungsbereiche, die Zukunftsaussichten, Potenziale und Gefahren von KI in der Emotionsmessung zu beschreiben

Emotionen

• Ereignisbezogene Gefühle variieren zwischen Erregung und Beruhigung bzw. Lust und Unlust

• Anpassung an vorhandene Bedingungen, wie z. B. den Körper bei Gefahr auf eine Flucht vorbereiten

• Resultierendes Verhalten kann zielgerichtet, expressiv oder adaptiv sein

• Abgrenzung zu Stimmungen, die nicht auf ein bestimmtes Ereignis gerichtet sind

• Messung:

  • Subjektive erfahrbare Komponenten, wie z.B. Bewertungsprozesse

  • Objektive erfassbare Komponenten, wie z.B. eine Erweiterung der Blutgefäße oder eine Veränderung der Herzfrequenz

Ermittlung von Emotionen mithilfe von KI

• Text→ z. B. online Einträge // Wort- vs. Satz

• Gesichtsausdrücke → z. B. Bildmaterial, 2-/3- D Animationen, live Videos // Merkmals- und Model-basierten Analysen

• Physiologische Signale → z. B. Herzrate, Gehirnaktivität // Daten vom EEG, ECG

• Sprachauswertung → z. B. Sprachaufzeichnungen // Sprachrhythmus & Akzent, akustischen Eigenschaften der Laute, mathematische Modelle

Dimensional:

Russell's valence-arousal emotional model

Anwendungsbereiche von ER

• Arbeitsassistenz (z. B. Wohlbefinden steigern)

• Sicherheit (z. B. Arbeitsunfälle-Belastungen, Fahrerassistenzsystem)

• Gestaltung von Medien / IT (z. B. Entertainmentsystemen & Marketing → Wie reagiert der Nutzer/Konsumenten)

• Selbsterkenntnis (z. B. eigene Emotionen tracken und Kompetenzen verbessern)

  → Technische Voraussetzungen: Vernetzte Geräte mit Kameras, Mikros,…

  → Einsatzgebiet: Viele Emotionen verarbeiten statt 1 zu 1 Interaktionen

Interaktion und Zusammenarbeit mit ER / Potenziale und Gefahren

• Ängste: Können Maschinen Emotionen bekommen bzw. besser Emotionen erkennen? Was können wir besser als die AI?

• Nur Zusammenarbeit mit AI statt autonome AI: Ausgleich von Schwächen

• Verbesserung unserer eigenen Wahrnehmung von Emotionen

• Mehrwert und Erleichterung bei den Kunden im Alltag

• Rechtlich (Datenschutz, Überwachung)

• AI: Berechnet Wahrscheinlichkeiten; Mensch verwendet seine Fähigkeiten

• Ethische Grundlagen: Richtlinien für die Gestaltung von Human-centered AI

Zukunftsaussichten

• Frühe Schritte: Innovationsphase // Auswirkungen unklar → Etablierung dauert an

• Weitere Verbreitung in unterschiedlichen Bereichen

• Vermehrte Vernetzung der Systeme und Übergabe von Emotionen

• Neue Geschäftsmodelle: Speicherung der Daten bei externen Unternehmen nicht intern im Unternehmen bzw. beim Tech-Unternehmen

• Unterschied zu Psychologen/innen bzw. die Zusammenarbeit mit diesen:

• Fokus: Technologien

• Keine Diagnostik, sondern die Konsequenz der Emotionen zentral

• Hilfe bei der Frage: Wie reagiere ich auf erkannte Emotionen?

Die Lernziele

Nach der Vorlesung sollten Sie in der Lage sein

• zu erklären, wie Technologien und andere Systeme das Verhalten beeinflussen können

• dark pattern und die Struktur zu definieren und zu erklären

• ethische Richtlinien und Regeln zu beschreiben

Persuasive Technologies (PT)

• PT erfordert ein Überdenken des Konzepts der menschlichen Freiheit und unseres Verständnisses von moralischer und kausaler Verantwortung

• Bei der Gestaltung sollten drei Aspekte berücksichtigt werden: “Autonomie und freie Wahl", "Zwang versus Reflexion" und "Überwachung und Privatsphäre"

Datenschutz von PT

• Berechtigte ethische Bedenken, dass PT zur Überwachung von Personen beitragen könnte

• Viele Systeme könnten je nach Kontext zur Überwachung eingesetzt werden, und für einige Anbieter mag diese Möglichkeit recht verlockend sein

• PT sollte die Privatsphäre des Einzelnen nicht verletzen

Freiwilligkeit und PT

• PT, die am Arbeitsplatz eingesetzt werden, könnten je nach Kontext und Sichtweise als obligatorisch angesehen werden

• Somit würde die Nutzung von PT nicht als freiwillig wahrgenommen werden, und z. B. der Gruppendruck am Arbeitsplatz könnte die Nutzer beeinflussen

• Ein ethisch sinnvoller PT sollte die Autonomie des Einzelnen bewahren, und das ist etwas, das der Entwickler berücksichtigen muss

KI und PT: moralisch und ethisch vertretbar?

• Autonome künstliche Agenten, z. B. adaptive PT: Flexibilität ist wichtig für PT durch Anpassung einer Überzeugungsstrategie an die Situation und den Charakter

• Bedenken in Bezug auf adaptive PT: häufig ein Blackbox-System, das in einem bestimmten Kontext trainiert wurde, und auf andere unerwartete Weise verwendet werden könnte

• Die Systeme könnten ein Überzeugungsprofil einer Person erstellen, was zu einer ethischen Herausforderung werden könnte, da die personenbezogenen Daten ohne die Zustimmung des Nutzers verwendet und zwischen Systemen ausgetauscht werden könnten

Definition von Dark Pattern

• In der PT- und Computerspielforschung werden die schädlichen Auswirkungen auf Menschen oft als "die dunkle Seite" bezeichnet

• Die Fragen der Ethik werden nur selten erörtert

• Dark Patterns wurden von Harry Brignull eingeführt, als er verschiedene Arten von Benutzeroberflächen katalogisierte, die den Benutzer dazu verleiten, Dinge zu tun, die nicht in seinem besten Interesse sind:

• Dark Pattern könnten definiert werden als die Kunst, absichtlich Muster zu entwerfen, die dem Wohlbefinden der Nutzer schaden

• Verwendung unethischer Anwendungen: Zwang, Täuschung, Betrug

• Jedes Design wird in dem Moment dunkel, in dem es absichtlich die “Mehrwert” in Richtung des Erstellers von PT und weg von seinen Nutzern ausrichtet

• Um die “Schattenseiten” des Designs zu erforschen, wird die Intention-Outcome-Matrix verwendet, die vier Quadranten umfasst

  
  

Extension of the Intention-Outcome Matrix

Intention-Outcome-Matrix

• Das Zielverhalten ist das primär beabsichtigte positive Verhaltensergebnis, das angestrebt wird

• Überraschende Verhalten ist ein positives Verhaltensergebnis, das nicht beabsichtigt war, aber ein zusätzlicher Nutzen des Verhaltensdesigns ist, der zum Wohlbefinden der Nutzer beiträgt

• Backfiring beinhaltet mehrere negative Folgen, wie z. B. Nebeneffekte, wenn das Zielverhalten erreicht wird, aber das Design löst auch unbeabsichtigte negative Folgen aus

Erweiterung des Quadranten mit Dark Patterns

• Dark Patterns sind für die Nutzer der beeinflussenden Systeme oft unsichtbar: Websites können ihre wahren Absichten verbergen, warum sie Nutzerdaten sammeln

• Manchmal werden Teilinformationen in Kleingedrucktem ganz unten auf einer Website zur Verfügung gestellt

• Einige der Informationen, die ein Dark Pattern beschreiben, werden für die Benutzer deutlich sichtbar gemach

• Dark Pattern können auch von unterschiedlicher Intensität sein: Sie können unterschiedlich große Auswirkungen auf die Nutzer und ihre gewünschten Ergebnisse bei der Interaktion mit dem PT haben

• Einige der Dark Pattern können sehr kleine Auswirkungen auf die Benutzererfahrung haben: nur das Sammeln von Benutzerinformationen und das Versenden von Aktualisierungen per E-Mail an Abonnenten ohne deren Zustimmung ist immer noch ein Dark Pattern im grauen Bereich

• Andere können das persönliche Wohlbefinden des einzelnen Nutzers ernsthaft gefährden: Es gibt PT, die die Sucht verstärken können

• Sichtbar- grauer Quadrant: Der PT ist so konzipiert, dass er für die Nutzer von Vorteil ist, aber das Ergebnis ist möglicherweise nicht so gut, wie es für die Personen dargestellt wird

  • Beispiel: Verschiedene Bonussysteme, wie Vielfliegermeilen und Ähnliches. Die Nutzer können oft dazu verleitet werden, mehr Produkte oder Dienstleistungen als nötig zu kaufen

• Unsichtbarer- grauer Quadrant: Hier geht es um PT mit Funktionen, die von den Benutzern nicht klar gesehen oder richtig verstanden werden können. Nicht nur die Gewinne sind zugunsten der Designer verzerrt, sondern sie versuchen auch, ihre Absichten hinter einer irreführenden Benutzerinteraktion zu verbergen

  • Beispiel: Handyspiel “Two Dots”- Wenn ein Benutzer ein Spiel verliert, bedeutet das Drücken einer grünen Taste normalerweise, dass er weiterspielen kann. Sobald jedoch alle verfügbaren Leben verloren sind, sieht der Benutzer ein vertrautes grünes Kästchen, aber jetzt bedeutet es, dass er 0,99ct bezahlen muss, um fortzufahren

• Unsichtbar- dunkler Quadrant: PT mit einer Absicht, die nicht deutlich sichtbar ist, sowie mit potenziellen Schaden für den Nutzer

  • Beispiel: Zynga ein Spiel, dass es den Spielern ermöglichen, mit Mikrotransaktionen Vorteile im Spiel zu erwerben

• Sichtbar- Dunkel-Quadrant: PT mit einer Absicht entworfen, die für die BenutzerInnen zweifelhaft aussehen kann

  • Beispiel: Electronic Arts ist der Hersteller von FIFA 18, einem Fußballspiel, bei dem die Spieler "Beutepakete" kaufen können, um ihre Chancen zu erhöhen, Gegner zu schlagen. Der Inhalt der Beutepakete ist zufällig, viele Spieler sagen, dass sie Beutepakete kaufen müssen, um wettbewerbsfähig zu bleiben. Sie behaupten, das Spielkonzept sei "Pay-to-win" und unfair. Einige Leute leiden auch unter Spielsucht, ähnlich wie beim Glücksspiel, indem sie viel Geld für Beutepakete ausgeben

Regeln und Leitlinien

• Es gibt drei Möglichkeiten, um ethische Probleme zu vermeiden:

  • erzwungene Prävention (z. B. Richtlinien von Regierungen oder Organisationen)

  • Förderung der Prävention (z. B. freiwillige Zertifizierung)

  • Auf Abhilfemaßnahmen basierender Ansatz (z. B. Werkzeuge für Nutzer, um die Verzerrungen von PT aufzudecken, zu identifizieren und zu beseitigen oder abzuschwächen)

• Designer sollten keinen PT entwerfen, die sie nicht selbst benutzen würden

• Designer sollte keine PTs entwerfen, die ihn zu etwas überreden, zu dem er selbst nicht überredet werden möchte

• Diese Anforderungen und Visionen sollen eine Voraussetzung für die PT-Wissenschaftler und -Fachleute sein, so dass sie als wesentlicher Bestandteil in ihre Design- und Entwicklungsprozesse einfließen

• Bei der Gestaltung von PT für Kinder sollte besonders sorgfältig vorgegangen werden: Zusätzliche Sicherheitsmechanismen bei Einkäufen

• Der Fokus auf extrinsische Belohnungen sollte auf ein Minimum beschränkt werden, da solche Belohnungen im wirklichen Leben oft nutzlos sind

• Auch Geräte werden zunehmend vernetzt, daher sollten die Designer bei der Entwicklung von PT, die diese neuen Möglichkeiten nutzen, vorsichtig sein, z. B. indem sie kontinuierlich Daten auf sichere Weise sammeln und das Recht auf Privatsphäre respektieren