Kensbock, Julia M.

Lade...
Vorschaubild
Preferred name
Kensbock, Julia M.
Official Name
Kensbock, Julia M.
ORCID

Einstellungen

Gerade angezeigt 1 - 3 von 3
  • Lade...
    Vorschaubild
    Some of the metrics are blocked by your 
    consent settings
    Item-typ:Veröffentlichung,
    Human behavior in the context of digitalization of labor - empirical studies about crowdworkers
    (2025-09-23)
    Nagel, Lisa
    ;
    Hornuf, Lars
    ;
    Kensbock, Julia M.
    ;
    Hornuf, Lars
    The dissertation examines the transformation of work in the context of the digital platform economy, focusing on microtask platforms such as Amazon Mechanical Turk. It explores how crowdworkers perceive their work, what motivates them, and how they respond to algorithmic control and gamified management mechanisms. The study aims to provide an in-depth understanding of the working realities of crowdworkers, to capture their diverse motivations, and to identify potential risks and implications of this emerging form of digital labor.
    Dissertation
      28  54
  • Lade...
    Vorschaubild
    Some of the metrics are blocked by your 
    consent settings
    Item-typ:Veröffentlichung,
    Enhancing user engagement in online collaborative communities using artificial intelligence
    (2025-05-22)
    Hassan Imam, Sana
    ;
    Kensbock, Julia M.
    ;
    Drechsler, Rolf
    Crowdsourcing platforms are digital spaces where individuals contribute their ideas, skills, or resources toward a shared goal. These platforms have become essential tools in today’s connected world, taking different forms. For example, crowdfunding platforms like Kickstarter and Indiegogo help people and organizations raise money for creative projects, social causes, or new businesses. Innovation platforms like OpenIDEO give users a space to share and improve ideas to solve tough social and environmental problems. Labor marketplaces like Upwork connect businesses with freelancers who offer specific skills. Macrotask platforms like Arcbazar host design competitions where users submit solutions to particular challenges. The success of these platforms depends on one key factor: user engagement. Engaged users keep the platform active, contribute work and resources, and build a strong, collaborative community. This active participation speeds up problem-solving, encourages new ideas, and creates a shared sense of purpose. However, keeping users engaged is challenging. Without strong engagement, even the best-designed platforms can slow down, with users losing interest, contributing less often, or leaving the platform entirely. This makes it crucial to understand what drives user engagement and to create strategies that keep users motivated, involved, and participating regularly over time. Hence, user engagement is the heart of crowdsourcing platforms. It transforms crowdsourcing platforms from simple tools into lively communities where innovation, teamwork, and creativity grow, helping these platforms remain relevant, effective, and successful in a fast-changing digital world. This thesis explores the multifaceted nature of user engagement in crowdsourcing platforms, focusing on the challenges and opportunities that shape user participation. By examining factors such as intrinsic and extrinsic motivation, platform design, trust and transparency, and social influence, this research develops data-driven solutions to enhance engagement. It proposes the integration of AI-driven technologies, such as interactive chatbots for creative stimulation, machine learning models for long-term engagement, and transparency mechanisms for building trust in crowdfunding. Additionally, structured peer feedback systems and gamification strategies are introduced to improve user interaction. By addressing these challenges, this study offers a comprehensive framework to optimize user engagement in crowdsourcing environments, ensuring personalized, transparent, and interactive participation experiences. The findings contribute to the fields of human-computer interaction, AI-driven engagement strategies, and the optimization of crowdsourcing platforms.
    Dissertation
      123  54
  • Lade...
    Vorschaubild
    Some of the metrics are blocked by your 
    consent settings
    Item-typ:Veröffentlichung,
    Entwicklung und Evaluation intelligenter Systeme in Leitstellen der Behörden und Organisationen mit Sicherheitsaufgaben aus Perspektive der Endanwender:innen
    (2025-03-18)
    Elsenbast, Christian
    ;
    Kensbock, Julia M.
    ;
    Hagemann, Vera
    ;
    Hagemann, Vera
    Einleitung: Leitstellen der Behörden und Organisationen mit Sicherheitsaufgaben (BOS) stellen komplexe Arbeitsumgebungen dar. Die Leitstellendisponent:innen arbeiten oftmals bei unvollständigen Informationen unter Zeitdruck, um weitreichende und unumkehrbare Entscheidungen zu treffen. Basierend auf empirischen Erkenntnissen zielt diese Dissertation darauf ab, Empfehlungen und Hinweise zur Entwicklung und Evaluation von intelligenten Systemen, die den Leitstellendisponent:innen als Entscheidungsunterstützungssysteme (z. B. bei der Alarmierung der Rettungsmittel) dienen, aus Perspektive der Endanwender:innen zu geben. Methoden: Zur Zielerreichung wurden zwei Fragebogenstudien zu soziodemografischen Parametern, Technikbereitschaft und Team-Arbeit-Kontexten entwickelt und online an die Leitstellendisponent:innen und an weitere relevante Berufsgruppen (z. B. Notfallsanitäter:innen) adressiert. Außerdem wurden im Rahmen der Grounded-Theory-Methodology Leitstellendisponent:innen, Führungskräfte und andere Expert:innen (z. B. Informatiker:innen) zu Überzeugungssystemen gegenüber intelligenten Systemen in Leitstellen interviewt. Um Forschungslücken zu den Arbeitsprozessen der Leitstellendisponent:innen zu schließen, wurde eine Eyetracking-Studie am Leitstellenarbeitsplatz durchgeführt. Ergebnisse: Die Studie zur Technikbereitschaft (N = 510) deutet auf eine grundsätzliche gute Technikbereitschaft hin, auch gegenüber intelligenten Systemen. Jedoch waren auch Personen mit sehr geringer Technikbereitschaft als statistische Ausreißer zu verzeichnen. Die Studie zum Team-Arbeit-Kontext (N = 490) zeigt u. a., dass die Leitstellendisponent:innen ihre Tätigkeit als komplex wahrnehmen und ermöglicht die Identifikation einzelner komplexitätsbringender Faktoren (z. B. Intransparenz). Außerdem konnte durch 31 Personen, die über 619 Minuten interviewt wurden, per Grounded Theory herausgestellt werden, dass Qualifikationsniveau, beruflicher Status und Vorwissen zu künstlicher Intelligenz Prädiktoren für eine positive Haltung gegenüber intelligenten Systemen in Leitstellen sind. Weiterhin wurde gezeigt, dass Unterstützungsbedarf bei Visualisierung und Automatisierung bestehen. Die Eyetracking-Studie (N = 33) konnte Areale hoher und geringer visueller Aufmerksamkeit darstellen und weiterhin praxisrelevante Unterschiede zwischen einem Vier- und Zwei-Monitor-Setting darstellen. Außerdem konnten 5 Evaluationsphasen und 11 Entwicklungsschritte für ein intelligentes System expliziert werden. Diskussion: Hinsichtlich intelligenter Systeme sind die Leitstellendisponent:innen aufgeschlossen, jedoch dürfen Menschen mit geringer Technikbereitschaft nicht vergessen werden. Maßnahmen zur Komplexitätsreduktion sind als Entwicklungsziel bei intelligenten Systemen zu berücksichtigen. Bei der Entwicklung sind u. a. Feedback an die Nutzer:innen, kontextsensitive Visualisierungen und Automatisierung von Standardaufgaben zu berücksichtigen. Die intelligenten Systeme sind durch ein individuell abgestimmtes Bündel an organisatorischen, persönlichen und verhaltensbezogenen Maßnahmen zu ergänzen, die verbindliche Standards fokussieren. Zur leitliniengerechten Evaluation der intelligenten Systeme dienen die vorgestellten Evaluationsphasen. Weitere Studien, die größere Subgruppenvergleiche ermöglichen, sowie Eyetracking-Studien, die verschiedene technische Set-ups der Leitstellen berücksichtigen und somit bessere Vergleichbarkeit der Aufgaben gewährleisten, sind wünschenswert.
    Dissertation
      120  287