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.
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.
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:
Start immediately or by arrangement.
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
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.
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
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
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
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
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.
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:
Beispielstudien:
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:
Institut für Wirtschaftsinformatik (IWI-HSG)
Universität St. Gallen (HSG)
Müller-Friedberg-Strasse 8
9000 St. Gallen
Susanne Gmünder Braun
Office Prof. Dr. Jan Marco Leimeister
Telefon: +41 71 224 24 20
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.