Human Computer Interaction, CSCW og InfoVis​

Feltet Human-Computer Interaction (HCI) har bidraget til udviklingen af alle nuværende brugergrænseflader og vil fortsat gøre det fremover. Mange kommercielle og samfundsmæssige løsninger er dog udviklet uden behørig brug af HCI-metoder og uden at inddrage brugerne, hvilket har ført til massive og dyre it-fejl. Det er derfor yderst vigtigt, at vi både fra dansk side og internationalt udvikler mere transparente, brugercentrerede og demokratiske løsninger som alternativ til gængse kommercielle teknologier.

Målet med denne workstream er at løfte forskningen i HCI – både teoretisk, empirisk og teknologisk – og styrke effekten af forskningen internationalt.

Forskningen vil ligeledes skabe synergier med temaerne Kunstig intelligens og Effektive algoritmer ift. udvikling af forklarlig kunstig intelligens og visuel analyse, Avanceret og effektiv big data management og analyse med brugeren i centrum, Cyber-fysiske systemer ift. udvikling af HCI til cyber-fysiske produkter og miljøer,
og Augmented Reality, visualisering af data m.v. i fysiske miljøer.

Sidst men ikke mindst er der synergi med temaet Cybersikkerhed ift. usable security.

Relaterede projekter

Bridge project

SIOT – Secure Internet of Things – risk analysis in design and operation

When developing novel IoT services or products today, it is essential to consider the potential security implications of the system and to take those into account before deployment. Due to the criticality and widespread deployment of many IoT systems, the need for security in these systems has even been recognised at the government and legislative level, e.g., in the US and the UK, resulting in proposed legislation to enforce at least a minimum of security consideration in deployed IoT products.

Read More »
Bridge project

EXPLAIN-ME: Learning to Collaborate via Explainable AI in Medical Education

Most research in medical AI never makes it to the clinic. We aim to create more clinically useful AI and increase technology acceptance among clinicians by establishing Human-AI collaboration as a target that can be optimized similarly to predictive performance. In terms of explainable AI, this defines a shift from researching what we can explain to also researching how we explain it well.

Read More »

Workstreamleder

Aarhus University
Dept. of Computer Science

E: bodker@cs.au.dk
T: +45 87 15 61 48

Tilknyttede personer

Københavns Universitet
Datalogisk Institut

Aalborg Universitet
Institut for Datalogi

Københavns Universitet
Datalogisk Institut

Aalborg Universitet
Institut for Datalogi

Aarhus Universitet
Institut for Datalogi

Aarhus Universitet
Institut for Datalogi

IT-Universitetet i København
Institut for Datalogi

IT-Universitetet i København
Institut for Datalogi

Copenhagen Business School
Institut for Digitalisering

Nina Boulus-Rødje

Associate Professor

Roskilde University
Department of People and Technology

University of Southern Denmark
The Maersk Mc-Kinney Moller Institute