Search
Generic filters
Exact matches only
Filter by content type
Users
Attachments

Lehre

Überblick

Unser Lehrprogramm umfasst Veranstaltungen aus dem Gebiet Wirtschaftsinformatik im Bachelor- und Masterstudium sowie Angebote für Doktoranden. Unser Ziel ist es, die Studierenden zu flexiblen und teamfähigen Persönlichkeiten auszubilden, die sowohl in der Lage sind, ihr Fachwissen auf reale Problemstellungen anzuwenden als auch praktische Problemstellungen mit einer wissenschaftlichen Herangehensweise zu lösen. Durch die Integration von aktuellen Forschungsergebnissen in die Lehre wollen wir eine enge Verzahnung von Lehre und Forschung erreichen. Darüber hinaus haben Studenten die Möglichkeit, in Bachelor- oder Masterarbeiten an aktuellen Forschungsfragen und -projekten mitzuarbeiten.

Abschlussarbeiten

An unserem Lehrstuhl betreuen wir Bachelor- und Masterarbeiten mit Bezug zu unseren Forschungsschwerpunkten. Es gelten die offiziellen Bestimmungen der Universität St.Gallen für Bachelor- und Masterarbeiten. Weitere Informationen zum offiziellen Anmeldeverfahren, zu den formalen Kriterien, zu Plagiaten und sowie zu den Benotungsrichtlinien finden Sie im Intranet der HSG.

Level:
Master
Kontakt:
Dr. Andreas Janson

Accumulation of legal design knowledge in software development

Legal knowledge is becoming an increasingly important part of software development. New stricter data protection regulations such as the GDPR increase the pressure on developers to implement legal requirements. Design patterns are an established tool in software development to capture proven solutions to recurring problems. Thus, design patterns can also be a way to share legal knowledge with developers.

The research project investigates how developers of smart personal assistants such as Amazon Alexa can be supported in developing the systems as legally as possible and in accordance with the latest data protection regulations.

Possible theses can deal with:

  • GDPR compliant smart personal assistants
  • Design patterns to codify legal design knowledge
  • Development of frameworks to support developers in solving legal challenges
  • Qualitative and quantitative studies with developers
  • Research on how developers can best improve their skills and extend their legal knowledge

Start immediately or by arrangement.

Level:
Master
Kontakt:
Dr. Andreas Janson

When using digital technologies and making decisions on digital environments, e.g., booking a flight, various data traces are left behind for collection, storage and analysis. Innovative solutions for information systems are needed that mitigate privacy risks and foster information privacy. One mechanism to achieve this is the use of privacy nudges. Nudges are a concept from behavioral economics to influence individual’s decision making. Nudges intend to alter people’s behavior in a predictable way without forbidding any options or significantly changing their economic incentives.

As part of a greater research project, this study seeks to create and evaluate a process model for designing digital nudges that foster privacy sensitive behavior.

Start immediately or by arrangement

Level:
Bachelor and Master
Kontakt:
Dr. Roman Rietsche

Why:
The generation “Millennials” request to receive more feedback from their organizations to develop and learn. This is reflected by a growing number of digital feedback apps which facilitate high-frequency feedback exchange. However, the effect of feedback has hardly been studied on an organizational level due to complexity. Therefore, the goal of this master thesis is to analyze organizational feedback exchange with an agent-based simulation model. This simulation method is well known from Covid-19 in which researchers try to predict events and behaviors of people under certain conditions.

How:
You don’t need to start from scratch, you can extend and build our existing model (which won the most innovative paper award)

We use the software NetLogo, which has an easy to understand syntax (no programming skills required)
Key-Facts:
The collaboration will take place in close supervision, with regular review meetings, feedback sessions, etc.
You will work in an international research team (Temple Uni-USA and HSG)
The thesis can be started immediately, but should be completed within the next ±6 months

Literature on Agent-Based Modeling:

Davis, Jason P.; Eisenhardt, Kathleen M.; Bingham, Christopher B. (2007): Developing Theory Through Simulation Methods.

Beese, Jannis; Haki, M. Kazem; Aier, Stephan; Winter, Robert (2019): Simulation-based research in information systems.

Our previous work

Level:
Master
Kontakt:
Anuschka Schmitt

AI-based information systems offer the potential to augment human decision-making across a variety of use cases, such as credit scoring, local policing or cancer detection. However, such systems offer outcomes that are not fully predictable nor explainable, and bring along a certain probability of inaccuracy. Current research is incongruent on whether and under which circumstances users actually accept and trust such erroneous recommendations. More so, the existing literature body has mostly focused on the positive outcomes of AI-based information systems. Which individual and technological factors promote or prevent the acceptance of erroneous recommendations?

The goal of this thesis is to analyse social and psychological theory (i.e., decision-making) relevant to the area of research described above. In a potential subsequent step, the student is asked  to deduct relevant impediments of recommendation acceptance from a socio-technical design perspective.

Start immediately or by arrangement

Level:
Master
Kontakt:
Anuschka Schmitt

From smart home devices such as Google Home or Amazon Alexa, voice control systems in vehicles and half of all search requests being performed by voice  – technology has shifted towards voice-based interfaces within the past years. These hands- and eyes-free interfaces have the potential to optimize work processes (think medical surgery) or reach new customer groups (think visually impaired, elderly). But what happens to those target groups who cannot be understood? For instance, accuracy of search results can differ depending on whether an algorithm recognizes your accent.

As part of a greater research project, this study seeks to identify the unintended implications the wide-spread deployment of commercial voice interfaces bring along. The student might investigate how language variants or accents (i.e., Hochdeutsch vs Schweizerdeutsch) influence the interaction with a voice-based interface as part of an empirical study.

Start immediately or by arrangement

Level:
Master
Kontakt:
Karen Eilers

In der Unternehmenspraxis findet sich inzwischen ein grosser Markt für Tests, welche die Agilität der Mitarbeitenden erfassen sollen. In dieser Masterarbeit sollen systematisch die verwendeten Testverfahren überblickt und deren Güte auf Basis von methodischem Knowhow überprüft werden. Auf diesen Erkenntnissen sollen Handlungsempfehlungen für Vorgehensweisen bei der Vermessung der Agilität von Mitarbeitenden abgegeben werden.

Voraussetzung: gründliches methodische Knowhow

Start per sofort oder nach Vereinbarung

Level:
Master
Kontakt:
Thiemo Wambsganss

Different topics possible at any time such as NLP, ML, Process Mining, Design, Chatbot, Voice-Interfaces – more information through ai-for-education.com

In these master theses, the students should build upon recent advantages in the field of Machine Learning and Natural Language Processing to investigate the potential of, conceptualize or design new approaches in the fields of human-computer interaction and artificial intelligence for education. The aim is to design new forms of interaction and experience to revolutionize the individual learning experiences of students (e.g., through chatbots or adaptive learning feedback). The student can rely on a set of already existing data, code, tools, and knowledge in order to work with the Ph.D. student together on a novel learning tool for a real-world evaluation. I offer close supervision, individual coaching, and the opportunity to not only develop practical, as well as theoretical skills in the area of Data Science, Machine Learning, and Natural Language Processing but also to publish a scientific paper together at the end of the thesis.

Start: by arrangement

Haben Sie einen eigenen Themenvorschlag?

Natürlich können Sie auch mit einem eigenen Themenvorschlag für eine Bachelor- oder Masterarbeit auf uns zukommen. Das Thema sollte einen Bezug auf einen der von uns behandelten Bereiche haben.

    Ihre Bewerbung für eine Abschlussarbeit

    Danke für Ihr Interesse, Ihre Abschlussarbeit am Lehrstuhl von Prof. Dr. Jan Marco Leimeister zu schreiben. Wir betreuen gerne Studierende, die sich für unsere Forschungsthemen begeistern und die bisher gute akademische Leistungen erbracht haben. Weil wir eine grosse Anzahl an Bewerbungen bekommen, können wir nur jene berücksichtigen, die gut zu unseren Forschungsgebieten passen. Mehr zu unseren Forschungsgebieten erfahren Sie auf dieser Webseite. Um sich zu bewerben, können Sie eines der Themen in Betracht ziehen, an denen wir arbeiten oder Sie können ein eigenes Thema vorschlagen.



    Bewerbung für:*

    Research Proposal:*

    CV:*

    Motivationsschreiben:*

    Notenauszug:

    Vorgesehener Beginn der Arbeit:*

    Vorgesehene Abgabe der Arbeit:*
    Wir rechnen mit mindestens 4 Monaten Bearbeitungszeit von Beginn bis zur Abgabe der Arbeit




    Kurse

    So funktioniert Research

    Das Fachgebiet von Prof. Dr. Jan Marco Leimeister forscht zu hoch relevanten Themen, von der Grundlagenforschung bis zur anwendungsbezogenen Forschung. Die Wirtschaftsinformatik ist eine wichtige Schnittstellendisziplin zwischen Betriebswirtschaft, Informatik, Ingenieurwissenschaften; deshalb ist die Disziplin in der Forschung entsprechend methodisch divers aufgestellt.  Die Wirtschaftsinformatik liefert als Kern-Output ihrer Forschung anwendungsnahe, gestaltungsorientierte Theorien, Modelle und Methode, die ökonomische, technische und soziale Aspekte berücksichtigen.

    Methodik

    Die Arbeiten des Fachgebiets sind durch einen Pluralismus gekennzeichnet, sowohl theoretisch (verhaltenswissenschaftliche, entscheidungs- und gestaltungstheoretische sowie analytisch-konzeptionelle Grundlagen) als auch methodisch (empirisch qualitative, empirisch quantitative, analytisch-konzeptionelle, gestaltungsorientierte [Design Science Research] Grundlagen). Grundannahme st, dass die Auswahl der geeigneten Forschungsmethoden der jeweiligen Forschungsfrage folgen muss. Empirische Arbeiten werden im Kontext der genannten Themenbereiche sowohl explorativ als auch konfirmatorisch durchgeführt.

    Ziel dieser Vorgehensweisen ist es, Zusammenhänge zu erkennen, zu beschreiben und zu erklären, aber auch eine Grundlage für die Entwicklung von Lösungen zu schaffen. Forschungsziele können sowohl die Gegenüberstellung und Reflexion theoretischer Zusammenhänge mit den in der Praxis beobachteten Verhaltensweisen sein als auch die Entwicklung von Lösungen in Form von konzeptionellen, methodischen sowie werkzeugbasierten Artefakten. Die so geschaffenen Artefakte werden in industriellen und/oder experimentellen Szenarien systematisch evaluiert, um sie anschliessend der betrieblichen Praxis zuzuführen. Untenstehend finden Sie eine Auswahl wichtiger Methoden der Wirtschaftsinformatik, deren Beschreibung sowie grundlegende Literatur.

    DSR

    Design Science Research (DSR) ist ein gestaltungsorientiertes Forschungsparadigma, welches auf das Schaffen von Artefaktnutzen ausgerichtet ist (Hevner et al. 2004). Hierbei unterscheidet sich DSR von reinen Verhaltens-, Sozial- und Naturwissenschaften, welche ausschliesslich nach Wahrheit und weniger nach Nutzen streben (Hevner et al. 2004). In der Wirtschaftsinformatik stellt DSR diverse gestaltungsorientierte Forschungsleitlinien- und -methoden zur Konstruktion soziotechnischer Artefakte zur Verfügung (Gregor und Hevner 2013).

    Einen Überblick von Design Science Research als Forschungsparadigma, dessen methodologische Ausprägungen und Derivate gibt die folgende Publikationsliste:

    Reading List:

    Gregor,  S.,  and  Hevner,  A.  R.  2013.  “Positioning  and  Presenting  Design  Science  Research  for  Maximum Impact,” MIS Quarterly (37:2), pp. 337–355.

    Venable,  J.,  Pries -Heje,  J.,  and  Baskerville,  R.  2016.  “FEDS:  A  Framework  for  Evaluation  in  Design Science Research,” European Journal of Information Systems (25:1), pp. 77–89.

    Peffers,  K.,  Tuunanen,  T.,  Rothenberger,  M.  A.,  and  Chatterjee,  S.  2007.  “A  Design  Science  Research Methodology  for  Information  Systems  Research,” Journal  of  Management  Information  Systems (24:3), pp. 45–77.

    Nunamaker, J., Chen, M., and Purdin, T. 1991. “Systems Development in Information Systems Research,” Journal of Management Information Systems (7:3), pp. 89–106.

    Nunamaker, J. F., Briggs, R. O., Derrick, D. C., and Schwabe, G. 2015. “The Last Research Mile: Achieving Both Rigor and Relevance in Information Systems Research,” Journal of Management Information Systems (32:3), pp. 10–47.

    March, S. T., and Smith, G. F. 1995. “Design and Natural Science Research on Information Technology,” Decision Support Systems (15:4), pp. 251–266.

    Kuechler, B., and Vaishnavi, V. 2008. “On Theory Development in Design Science Research: Anatomy of a Research Project.,”

    European Jou rnal of Information Systems (17:5), pp. 489 –504.

    Hevner,  A.,  March,  S.  T.,  and  Park,  J.  2004.  “Design  Science  in  Information  Systems  Research,” MIS Quarterly (28:1), pp. 75–105.

    Baskerville,  R.,  Baiyere,  A.,  Gregor,  S.,  Hevner,  A.,  and  Rossi,  M.  2018.  “Design  Science  Research Contributions:  Finding  a  Balance  between  Artifact and  Theory,” 

    Journal  of  the  Association  for  Information Systems (19:5), pp. 358–376.

    C. Engel, N. Leicht, and P. Ebel, “The Imprint of Design Science in Information Systems Research: An Empirical Analysis of the AIS Senior Scholars’ Basket,” in International  Conference on Information Systems, Munich, Germany, 2019, pp. 1–10.

    Sein,  M.,  Henfridsson,  O.,  Purao,  S.,  Rossi,  M.,  and  Lindgren,  R.  2011.  “Action  Design  Research,” MIS Quarterly (35:1), pp. 37–56.

    Quant

    Quantitative Methoden werden genutzt, um Effekte aus der Realität anhand empirischer Daten möglichst präzise zu beschreiben und zu untersuchen. Empirische Daten werden dazu anhand von Beobachtungen im Feld oder im Labor erhoben und mit statistischen Analysen ausgewertet. Im Vordergrund steht das Ziel, die zu erhebenden Merkmale und Ausprägungen möglichst genau zu quantifizieren. Oft genutzte Techniken sind die statistische Signifikanz und Effekt-Analysen, um z.B. Unterschiede in den Merkmalen zwischen zwei verschiedenen Stichproben zu untersuchen.

    Mehr dazu in:

    Bhattacherjee, Anol, “Social Science Research: Principles, Methods, and Practices” (2012). Textbooks Collection. 3. https://scholarcommons.usf.edu/oa_textbooks/3

    Experimental Design

    Mit Experimenten untersuchen Forscher Ursache-Wirkungs-Beziehungen zwischen vordefinierten Variablen. Dabei werden eine oder mehrere unabhängige Variablen vom Forscher manipuliert (sogenannte “Treatments”). Die Versuchspersonen werden nach dem Zufallsprinzip verschiedenen Treatments zugewiesen und die Ergebnisse der Treatments auf die abhängigen Variablen beobachtet. Die Stärke experimenteller Forschung liegt in ihrer internen Validität (Kausalität), da Ursache und Wirkung durch Treatments miteinander in Verbindung gesetzt werden und gleichzeitig der Störeffekt von Fremdvariablen kontrolliert werden können.

    Experimente eignen sich am besten für erklärende Forschung (in Abgrenzung zur deskriptiven oder explorativen Forschung), bei der das Ziel der Studie darin besteht, Ursache-Wirkungs-Beziehungen zu untersuchen (z.B. der Einfluss von Technologie-Charakteristika auf das Nutzerverhalten). Experimentelle Forschung kann im Labor oder im Feld durchgeführt werden. Laborexperimente, die in einer (künstlichen) Laborumgebung durchgeführt werden (z.B. im Behavioral Lab der Universität St. Gallen) , weisen in der Regel eine hohe interne Validität auf, was jedoch auf Kosten einer geringen externen Validität (Verallgemeinerbarkeit) geht, da die künstliche (Labor-) Umgebung, in der die Studie durchgeführt wird, möglicherweise nicht die reale Welt widerspiegelt. Feldexperimente, die in einem Feld-Setting wie in einer realen Organisation durchgeführt werden, weisen in der Regel sowohl eine hohe interne als auch externe Validität auf. Solche Experimente sind jedoch oft schwierig zu realisieren, da die Treatments in das Leben der Probanden eingreifen können und es schwierig ist, das Feldsetting zu kontrollieren.

    Methodik: 

    • Edelman, B., Valentin, D., & Abdi, H. (2009), Experimental Design and Analysis for Psychology, Oxford University Press. 
    • Harris, P. (2008), Designing and Reporting Experiments in Psychology, 3rd ed., Open University Press.
    • Kirk, R. E. (2012), Experimental Design: Procedures for the Behavioral Sciences, 4th ed., Sage.
    • Montgomery, D. C. (2012), Design and Analysis of Experiments, 8th ed., Wiley.
    • Oehlert, G. W. (2010), A First Course in Design and Analysis of Experiments,  http://users.stat.umn.edu/~gary/book/fcdae.pdf.
    • Seltman, H. J. (2013), Experimental Design and Analysis, www.stat.cmu.edu/~hseltman/309/Book.
    • Webster, M., & Sell, J. (2007), Laboratory Experiments in the Social Sciences, Academic Press.
    • Bhattacherjee, Anol, “Social Science Research: Principles, Methods, and Practices” (2012). Textbooks Collection. 3. https://scholarcommons.usf.edu/oa_textbooks/3

    Beispielstudien: 

    • Komiak, and Benbasat. 2006. “The Effects of Personalization and Familiarity on Trust and Adoption of Recommendation Agents,” MIS Quarterly: Management Information Systems (30:4), pp. 941–960.
    • Komiak, S. Y. X., and Benbasat, I. 2012. “The Effects of Personalization Trust and Adoption of Recommendation Agents,” Management Information Systems (30:4), pp. 941–960.
    • Lankton, N., McKnight, D. H., and Tripp, J. 2015. “Technology, Humanness, and Trust: Rethinking Trust in Technology,” Journal of the Association for Information Systems (16:10), pp. 880–918.
    • Qiu, L., and Benbasat, I. 2009. “Evaluating Anthropomorphic Product Recommendation Agents: A Social Relationship Perspective to Designing Information Systems,” Journal of Management Information Systems (25:4), pp. 145–182.
    • Söllner, M., Hoffmann, A., and Leimeister, J. M. 2016. “Why Different Trust Relationships Matter for Information Systems Users,” European Journal of Information Systems (25:3), Palgrave Macmillan Ltd., pp. 274–287.
    • Wang, W., and Benbasat, I. 2005. “Trust in and Adoption of Online Recommendation,” Journal of the Association for Information Systems (6:3), pp. 72–101.

    Case Studies

    Eine Case-Study ist eine detaillierte Untersuchung eines bestimmten Themas, z.B. von Individuen, einer Gruppe, eines Ereignisses, eines oder mehrerer Unternehmen, Industrien oder eines Phänomens.

    Ein Case Study-Forschungsdesign umfasst normalerweise qualitative Methoden (Interviews, Textdaten, etc.); manchmal werden aber auch quantitative Methoden verwendet. Case Studies eignen sich gut zum Beschreiben, Vergleichen, Bewerten und Verstehen verschiedener Aspekte eines Forschungsproblems.

    Eine sehr gute Einführung mit strukturiertem Vorgehen bietet das Buch von Robert Yin (2018), Case Study Research and Applications Design and Methods (https://uk.sagepub.com/en-gb/eur/case-study-research-and-applications/book250150).

    Weitere gute Literatur:

    Interviews

    Aus einer instrumentellen Perspektive betrachtet ist ein Forschungsinterview ein Meinungsaustausch zwischen zwei Personen, von denen eine die Rolle des Forschenden hat und in dem beide über ein Thema von gemeinsamem Interesse sprechen (Kvale, 2007). Das Thema von Interesse ist typischerweise die Erfahrung der befragten Person mit ihrer Lebenswelt (Polkinghorne, 2005). Da das Erfahrungsleben der Menschen von anderen nicht beobachtet werden kann und für Einzelpersonen nicht leicht zugänglich ist, wird bei der Befragung versucht, die Probanden direkt in ein Gespräch mit dem Forscher zu verwickeln, um eine Darstellung der sozialen Wirklichkeit des Teilnehmers in der ersten Person zu erhalten. Ziel des Forschenden ist es, informative, neuartige Informationen über ein bestimmtes Interessensphänomen zu erhalten.

    In der Wirtschaftsinformatik werden prinizipell drei Interview-Arten unterschieden: Das wertschätzende Interview, das Laddering- Interview und das Fototagebuch-Interview.

    Das wertschätzende Interview lädt die Teilnehmenden ein, Wege zu visionären Welten zu schaffen, die sie gerne bewohnen würden. Im Gegensatz dazu verwendet das Laddering- Interview Vergleiche und Kontraste als eine Möglichkeit, sinnvolle Muster in den Lebenserfahrungen der Menschen zu erkennen. Das Fototagebuch-Interview stützt sich auf die Reflexionen der Teilnehmenden über ihr Verhalten, ihre Gedanken und Emotionen zu einem bestimmten Zeitpunkt, die oftmals mit Hilfe eines Fotos festgehalten werden. Eine sehr gute Einführung bietet der Artikel «Designing interviews to generate rich data for information systems research» von Schultze und Avital:

    Weiterführende Literatur bieten:

    Zu Canvas (Studynet)

    So zitiere ich richtig