Inhalt des Dokuments
Dr. Tim Polzehl
Crowdsourcing Technologie
- High-Quality Datenerhebung mittels Crowdsourcing
- Datenmanagement und Datenservices durch Crowdsourcing (clean, index, verify, tag, label, translate, summarize, join, etc. )
- Datensynthese und Datengenerierung durch Crowdsourcing
- Subjektive Einflüsse und Bias-Normalisierung im Crowdsourcing
- Crowd-Creation, Crowd-Voting, Crowd-Storming, Crowd-Testing Applikationen
- Crowdsourcing Service für Maschinelles Lernen und BI
- Crowdsourcing Business und Business Logic
- Komplexe automatisierte Workflows: Kombination menschlicher und künstlicher Intelligenz
- Crowdsourcing mit mobile Endgeräten
- Real-time Crowdsourcing
- Skill-based Crowdsourcing und Verifikation von Crowd-Experten
Sprachtechnologie
- Automatische Benutzerklassifizierung anhand Sprache
- Automatische Sprechercharakterisierung (Alter, Geschlecht, Emotionen, Persönlichkeit)
- Automatische Spracherkennung (ASR), Prosodie- und Voice Gesture Erkennung
- Analyse stimmlicher Ausdrucksformen, Phonetische Sprachanalyse
- App Entwicklung für Sprachanwendungen (Android, iOS)
Textklassifikation, Natural Language Processing (NLP)
- Sentiment Analyse
- Affektive Analyse, Emotionen
- Personality und Lifestyle Detection aus Social-Media (Twitter, FB, G+, etc.)
Maschinelles Lernen, Künstliche Intelligenz
- Automatische Nutzermodellierung
- Klassifikation und Vorhersage mittels linearer und nicht-linearer Algorithmen
- Selektions- und Reduktionsverfahren
- Evaluations und Verifikationsverfahren
Biographie:
Tim Polzehl studierte eine Kombination aus Kommunikationswissenschaften an der Technischen Universität Berlin und Amerikanistik an der Humboldt Universität zu Berlin. Der Fokus der Studien lag dabei auf einer Verbindung aus linguistischem Sprachwissen mit Kenntnissen zur Signalanalyse und Parameterextraktion. Damit wurde eine umfassende Analyse von Sprachdaten hinsichtlich der Interpretation von Sprach- und Sprach-Metadaten ermöglicht. Zusätzlich erarbeitete er sich Kenntnisse im Bereich des Maschinellen Lernens und der Künstliche Intelligenz, die zur Erstellung einer eigenen Software zur automatischen Emotionserkennung als Abschlussarbeit seiner Studien führte.
2008 trat Tim Polzehl eine Stelle als Doktorand an den Deutsche Telekom Laboratories (T-Labs) und dem Quality and Usability Lab an und arbeitete sowohl in industrienahen als auch in forschungsnahen Projekten zur Sprachtechnologie, App-Entwicklung, im Bereich Machine Learning und im Bereich der Crowdsourcing Entwürfe und Lösungen.
2011-2013 leitete Tim ein F&E Entwicklungsprojekt der Telekom Innovation Laboratories in Bereich Intelligente Customer-Care Systeme und Sprach-Apps.
2012-2014 nahm Tim an einer BMBF geförderten Führungskräfteausbildung mit u.a. SAP, Software AG, Scheer Group, Siemens, Holtzbrinck, Bosch, Datev und Deutsche Telekom AG sowie weiteren universitären Spitzeneinrichtungen teil (Softwarecampus).
2014 erlangte Tim den Doktortitel zum Thema der automatische Persönlichkeitsvorhersage aus Nutzerdaten.
Seit 2014 ist Tim Postdoc am Lehrstuhl für Quality and Usability, leitet die Next-Generation Crowdsourcing Gruppe, berteut und akquiriert die Projekte der Gruppe, und betreut die Ausgründung der eigenentwickelten Crowd-Lösung Crowdee.
Seit 2015 ist Tim zusätzlich Projektleiter am EIT-Digital für EU-weite Softwareinnovationsprojekte mit Partnern aus Wissenschaft und Industrie.
Laufende und abgeschlossene Projekte
Adresse:
Quality and Usability Labs
Technische Universität Berlin
Ernst-Reuter-Platz 7
D-10587 Berlin
Tel.:+49 (30) 8353-58227
Fax: +49 (30) 8353-58409
mailto:tim.polzehl@qu.tu-berlin.de
Openings / Supervision
aktuelle Ausschreibungen befinden sich hier.
Publications
Zitatschlüssel | iskender2021a |
---|---|
Autor | Iskender, Neslihan and Polzehl, Tim |
Buchtitel | Internal Crowdsourcing in Companies: Theoretical Foundations and Practical Applications |
Seiten | 103–134 |
Jahr | 2021 |
ISBN | 978-3-030-52881-2 |
DOI | 10.1007/978-3-030-52881-2_6 |
Adresse | Cham |
Monat | feb |
Notiz | online |
Herausgeber | Ulbrich, Hannah and Wedel, Marco and Dienel, Hans-Liudger |
Verlag | Springer International Publishing |
Wie herausgegeben | Fullpaper |
Zusammenfassung | Crowdsourcing has become one of the main resources for working on so-called microtasks that require human intelligence to solve tasks that computers cannot yet solve and to connect to external knowledge and expertise. Instead of using external crowds, several organizations have increasingly been using their employees as a crowd, with the aim of exploiting employee's potentials, mobilizing unused technical and personal experience and including personal skills for innovation or product enhancement. However, understanding the dynamics of this new way of digital co-working from the technical point of view plays a vital role in the success of internal crowdsourcing, and, to our knowledge, no study has yet empirically investigated the relationship between the technical features and participation in internal crowdsourcing. Therefore, this chapter aims to provide a guideline for organizations and employers from the perspective of the technical design of internal crowdsourcing, specifically regarding issues of data protection privacy and security concerns as well as task type, design, duration and participation time based on the empirical findings of an internal crowdsourcing platform. |