Skeptisches Lernen: Nutzer verbessern Datenqualität mit weniger Aufwand

Ein neues arXiv‑Veröffentlichung zeigt, wie digitale persönliche Assistenten durch skeptisches Lernen (SKEL) ihre Datenqualität steigern können, ohne die Nutzer mit übermäßigem Aufwand zu belasten. Die Studie testet SKEL in der Praxis, indem Studierende die iLog‑App vier Wochen lang nutzen und ihre eigenen Labels anpassen.

SKEL vergleicht aktiv erstellte Anmerkungen mit passiven Sensordaten, um Fehler in den Labels aufzudecken. Durch die Einbindung der Endnutzer – die besten Experten für ihren eigenen Kontext – kann die Genauigkeit der Daten in Echtzeit verbessert werden. Die Ergebnisse verdeutlichen, dass ein ausgewogenes Verhältnis zwischen Nutzeraufwand und Datenqualität entscheidend ist.

Die Forschung unterstreicht die Vorteile von SKEL: geringerer Aufwand für die Nutzer, höhere Zuverlässigkeit der gesammelten Informationen und damit verbesserte Leistung von Assistenzsystemen in Alltagsszenarien wie Terminplanung, Fitness‑Tracking und mehr. Diese Erkenntnisse legen den Grundstein für robustere, nutzerzentrierte KI‑Anwendungen.