direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Dr. Tim Polzehl

Lupe [1]
© Q&U

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 [2].

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 [3]).       

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 [4] Gruppe, berteut und akquiriert die Projekte der Gruppe, und betreut die Ausgründung der eigenentwickelten Crowd-Lösung Crowdee [5].

Seit 2015 ist Tim zusätzlich Projektleiter am EIT-Digital für EU-weite Softwareinnovationsprojekte mit Partnern aus Wissenschaft und Industrie. 

 

Laufende und abgeschlossene Projekte

    Bitte hier klicken [6]

     


    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
    [7]

    Openings / Supervision

    aktuelle Ausschreibungen befinden sich hier [8].

    Publications

    Sie sind auf Seite:1 | 2 [9] | 3 [10] | 4 [11]

    vor >> [12]

    Sortieren nach: Autor [13]  Jahr [14]  Journal [15]

    2021

    Iskender, Neslihan and Polzehl, Tim and Möller, Sebastian (2021). Reliability of Human Evaluation for Text Summarization: Lessons Learned and Challenges Ahead [16]. Proceedings of the Workshop on Human Evaluation of NLP Systems. Association for Computational Linguistics, 86–96.

    Link zur Publikation [17] Link zur Originalpublikation [18]

    Iskender, Neslihan and Polzehl, Tim and Möller, Sebastian (2021). Towards Hybrid Human-Machine Workflow for Natural Language Generation [19]. Proceedings of the First Workshop on Bridging Human–Computer Interaction and Natural Language Processing. Association for Computational Linguistics, 1–7.

    Link zur Publikation [20] Link zur Originalpublikation [21]

    Iskender, Neslihan and Polzehl, Tim (2021). An Empirical Analysis of an Internal Crowdsourcing Platform: IT Implications for Improving Employee Participation [22]. Internal Crowdsourcing in Companies: Theoretical Foundations and Practical Applications. Springer International Publishing, 103–134.

    Link zur Publikation [23] Link zur Originalpublikation [24]

    Wedel, Marco and Ulbrich, Hannah and Pohlisch, Jakob and Göll, Edgar and Uhl, André and Iskender, Neslihan and Polzehl, Tim and Schröter, Welf and Porth, Florian (2021). Internes Crowdsourcing in Unternehmen [25]. Arbeit in der digitalisierten Welt: Praxisbeispiele und Gestaltungslösungen aus dem BMBF-Förderschwerpunkt. Springer Berlin Heidelberg, 335–349.

    Link zur Publikation [26] Link zur Originalpublikation [27]

    2020

    Iskender, Neslihan and Polzehl, Tim and Möller, Sebastian (2020). Best Practices for Crowd-based Evaluation of German Summarization: Comparing Crowd, Expert and Automatic Evaluation [28]. Proceedings of the First Workshop on Evaluation and Comparison of NLP Systems. Association for Computational Linguistics (ACL), 164–175.

    Link zur Publikation [29] Link zur Originalpublikation [30]

    Iskender, Neslihan and Polzehl, Tim and Möller, Sebastian (2020). Towards a Reliable and Robust Methodology for Crowd-Based Subjective Quality Assessment of Query-Based Extractive Text Summarization [31]. Proceedings of The 12th Language Resources and Evaluation Conference. European Language Resources Association (ELRA), 245–253.

    Link zur Publikation [32] Link zur Originalpublikation [33]

    Iskender, Neslihan and Polzehl, Tim and Möller, Sebastian (2020). Crowdsourcing versus the laboratory: towards crowd-based linguistic text quality assessment of query-based extractive summarization [34]. Proceedings of the Conference on Digital Curation Technologies (Qurator 2020). CEUR, 1–16.

    Link zur Publikation [35] Link zur Originalpublikation [36]

    2019

    Iskender, Neslihan and Gabryszak, Aleksandra and Polzehl, Tim and Hennig, Leonhard and Möller, Sebastian (2019). A Crowdsourcing Approach to Evaluate the Quality of Query-based Extractive Text Summaries [37]. 2019 Eleventh International Conference on Quality of Multimedia Experience (QoMEX). IEEE, 1–3.

    Link zur Publikation [38]

    2018

    Barz, Michael and Polzehl, Tim and Sonntag, Daniel (2018). Towards Hybrid Human-Machine Translation Services [39]. EasyChair Preprint no. 333

    Link zur Originalpublikation [40]

    Barz, Michael and Büyükdemircioglu, Neslihan and Prasad Surya, Rikhu and Polzehl, Tim and Sonntag, Daniel (2018). Device-Type Influence in Crowd-based Natural Language Translation Tasks [41]. Proceedings of the 1st Workshop on Subjectivity, Ambiguity and Disagreement (SAD) in Crowdsourcing 2018, and the 1st Workshop CrowdBias'18: Disentangling the Relation Between Crowdsourcing and Bias Management, 93–97.

    Link zur Publikation [42] Link zur Originalpublikation

    Dimitrov, Todor and Kramps, Oliver and Naroska, Edwin and Bolten, Tobias and Demmer, Julia and Ressel, Christian and Könen, Stefan and Polzehl, Tim and Voigt-Antons, Jan-Niklas and Matthies, Olaf and Habibi, Amir and Heutelbeck, Dominic and Mertens, Jana and Matip, Eva-Maria (2018). „OurPuppet“ – Entwicklung einer Mensch-Technik-Interaktion für die Unterstützung informell Pflegender [43]. Zukunft der Pflege Tagungsband der 1. Clusterkonferenz 2018. BIS, 78–84.

    Link zur Originalpublikation [44]

    2016

    Köster, Friedemann and Mittag, Gabriel and Polzehl, Tim and Möller, Sebastian (2016). Non-intrusive Estimation of Noisiness as a Perceptual Quality Dimension of Transmitted Speech [45]. 5th ISCA/DEGA Workshop on Perceptual Quality of Systems (PQS 2016). ISCA/DEGA, 74–78.

    Link zur Publikation [46]

    2015

    Naderi, Babak and Polzehl, Tim and Wechsung, Ina and Köster, Friedemann and Möller, Sebastian (2015). Effect of Trapping Questions on the Reliability of Speech Quality Judgments in a Crowdsourcing Paradigm [47]. 16th Ann. Conf. of the Int. Speech Comm. Assoc. (Interspeech 2015). ISCA, 2799–2803.

    Link zur Publikation [48] Link zur Originalpublikation [49]

    Polzehl, Tim and Naderi, Babak and Köster, Friedemann and Möller, Sebastian (2015). Robustness in Speech Quality Assessment and Temporal Training Expiry in Mobile Crowdsourcing Environments [50]. 16th Ann. Conf. of the Int. Speech Comm. Assoc. (Interspeech 2015). ISCA, 2794–2798.

    Link zur Publikation [51] Link zur Originalpublikation [52]

    2014

    Naderi, Babak and Wechsung, Ina and Polzehl, Tim and Möller, Sebastian (2014). Development and Validation of Extrinsic Motivation Scale for Crowdsourcing Micro-task Platforms [53]. Proceedings of the 2014 International ACM Workshop on Crowdsourcing for Multimedia. ACM, 31–36.

    Link zur Publikation [54]

    Sie sind auf Seite:1 | 2 [55] | 3 [56] | 4 [57]

    vor >> [58]

    BibTeX Upload

    Upload BibTeX

    ------ Links: ------

    Zusatzinformationen / Extras

    Direktzugang

    Schnellnavigation zur Seite über Nummerneingabe

    Hilfsfunktionen

    Copyright TU Berlin 2008