Astrid Weiss

Prozess hängt von der Vorstellungskraft und dem Einfallsreichtum der Robo- terentwicklerjnnen ab. 34 In deren eigener Wahrnehmung dominiert jedoch die ingenieurwissenschaftliche Perspektive. 35 Die Forscherinnen haben also spür­baren Einfluss auf die von ihnen produzierten Artefakte und in weiterer Folge auch auf den Problemraum, in dem diese arbeiten, sowie auf die beobachteten Reaktionen bei Endnutzerjnnen.

Wissensgenerierung durch MRI-Studien

Im Rahmen eines Nutzerjnnen-zentrierten Untersuchungsansatzes für Robo­tersysteme können wir auf mehreren Ebenen Neues lernen, das zur Weiterent­wicklung der Systeme dienlich ist:

1. Anwendungsgebiete: MRI-Forschung kann Wissen über die Beziehun­gen zwischen Menschen, Technologien und Daten generieren. So hat die MRI-Forschungsgemeinschaft beispielsweise umfangreiches Wis­sen über die Auswirkungen von Service-Robotern in der Pflege von Seniorjnnen, 36 im öffentlichen Raum, 37 in den eigenen vier Wänden, 38 und in der Interaktion von Kindern mit Robotern 39 gesammelt, um nur einige Bereiche exemplarisch anzuführen.

2. Studienmethoden und Gestaltungsrichtlinien: Ziel der MRI-Forschung kann es aber auch sein, neue Studienmethoden zu entwickeln, um die Interaktion zwischen Mensch und adaptivem intelligenten System ge­zielt erforschen zu können. Die MRI-Forschung hat beispielsweise Me­thoden entwickelt, um die unterbewusste Wahrnehmung von Robotern durch den Menschen besser zu verstehen 40 oder aber für die reflek­tierte Einschätzung unterschiedliche Fragebögen, die speziell auf die

34 Shuo Niu, D. Scott McCrickard, Steve Harrison: Exploring humanoid factors of robots through transparent and reflective interactions, in: IEE (Hg.): 2015 International Conference on Collabo­ration Technologies and Systems (CTS), Atlanta, GA 2015, S. 47-54.

35 Cheon, Su, siehe Anmerkung 30.

36 Susanne Frennert, Hakan Eftring, Britt Ostlund: Older peoples involvement in the development of a social assistive robot, in: 5th International Conference on Social Robotics (ICSR 2013), Bristol 2013, S. 8-18.

37 Triebel, Arras, Alami, siehe Anmerkung 25.

38 Maartje De Graaf, Somaya Ben Allouch, Jan Van Dijk: Why do they refuse to use my robot?: Rea­sons for non-use derived from a long-term home study, in: Proceedings of the 2017 ACM/IEEE International Conference on Human-Robot Interaction, Wien 2017, S. 224-233.

39 Tony Belpaeme, Paul Baxter, Robin Read u. a.: Multimodal child-robot interaction: Building social bonds, in: Journal of Human-Robot Interaction 1 (2013), Heft 2, S. 33-53.

40 Ewald Strasser, Astrid Weiss, Manfred Tscheligi: Affect misattribution procedure: An implicit technique to measure user experience in HRI, in: Proceedings of the 7th annual ACM/IEEE Inter­national Conference on Human-Robot Interaction, Boston, MA 201 2, S. 243-244.

40