Themenangebot für Master- Bachelor- und weitere Studienarbeiten

Dieses Datenanalyseprojekt konzentriert sich auf die Korrelation von Elektroenzephalographie-Daten (EEG) mit subjektiven Berichten, die während eines Experiments zur Mensch-Roboter-Interaktion gesammelt wurden. Ziel ist es, Muster und Beziehungen zwischen den neuronalen Reaktionen und den selbstberichteten Erfahrungen der Teilnehmer, wie Vertrauen und Komfort mit dem Roboter, zu identifizieren. Der Studierende wird mit einem bestehenden Datensatz arbeiten und statistische und maschinelle Lerntechniken anwenden, um die Daten zu analysieren. Das Projekt soll Aufschluss darüber geben, wie sich subjektive Erfahrungen in der neuronalen Aktivität widerspiegeln, und letztlich zur Verbesserung von Mensch-Roboter-Interaktionsmodellen beitragen.

Dieses Projekt ist ideal für Studenten mit einem starken Hintergrund in Datenanalyse, Neurowissenschaften und Psychologie und einem Interesse an der Schnittstelle von Mensch-Roboter-Interaktion und Kognitionswissenschaft. 

Dieses Datenanalyseprojekt untersucht die Auswirkungen von mentalen Rotationsaufgaben in einer Virtual-Reality-Umgebung (VR) auf die Arbeitsgedächtnisleistung von Autisten im Vergleich zu Neurotypischen. Die Studie zielt darauf ab, herauszufinden, ob die immersive Natur von VR die kognitive Belastung und das räumliche Arbeitsgedächtnis in diesen beiden Gruppen unterschiedlich beeinflusst. Der Student wird den Datensatz eines VR-basierten Experiments zur mentalen Rotation analysieren, das mit Autisten und Neurotypischen durchgeführt wurde und bei dem Reaktionszeiten und Fehlerraten aufgezeichnet wurden. Die Analyse umfasst statistische Vergleiche von Verhaltensdaten und eine Übersicht über die aktuelle Literatur zu mentaler Rotation und räumlichen Arbeitsgedächtnisaufgaben in VR, mit Schwerpunkt auf der Autismusforschung.

Dieses Projekt ist ideal für Studenten, die sich für Psychologie, VR-Technologie und Autismus-Forschung interessieren, insbesondere für solche mit Kenntnissen in Datenanalyse und statistischen Methoden.

Dieses Projekt umfasst die Entwicklung einer Echtzeit-Anwendung zur Überwachung des Herzschlags, die in Microsoft PowerPoint integriert wird. Die Anwendung wird LiveHerzfrequenzdaten von einem tragbaren Gerät (z. B. einer Smartwatch) erfassen und die Daten dynamisch in einer PowerPoint-Präsentation anzeigen. Das Projekt erfordert den Entwurf und die Implementierung einer Software, die mit Hilfe von Lab Streaming Layer (LSL) eine Schnittstelle zum tragbaren Gerät herstellen, die Daten verarbeiten und eine in eine PowerPoint-Folie integrierte Animation in Echtzeit aktualisieren kann. Die Anwendung soll für Präsentationen in gesundheitsbezogenen Bereichen, Live-Demonstrationen oder interaktive Sitzungen verwendet werden.

Dieses Projekt ist ideal für Studierende mit Kenntnissen in der Softwareentwicklung, insbesondere in der Integration von APIs, Datenverarbeitung und PowerPointAutomatisierung. Es ist ideal für alle, die daran interessiert sind, Gesundheitstechnologie mit innovativen Präsentationstools zu kombinieren. 

Dieses Datenanalyseprojekt zielt darauf ab, die physiologischen Erregungsreaktionen von autistischen Personen im Vergleich zu neurotypischen Personen zu untersuchen, während sie vibrotaktilen Reizen ausgesetzt sind. Mithilfe der Elektrokardiographie (EKG) zur Messung der Herzfrequenz und anderer damit zusammenhängender Metriken sollen die Unterschiede in den Reaktionen zwischen den beiden Gruppen ausgewertet werden. Der Studierende wird einen Datensatz analysieren, bei dem den Teilnehmern vibrotaktile Reize präsentiert wurden, während ihre EKG-Daten aufgezeichnet wurden. Die Analyse wird sich auf den Vergleich der Erregungsniveaus innerhalb und zwischen den Teilnehmern konzentrieren und so Einblicke in die Verarbeitung somatosensorischer Reize bieten.

Dieses Projekt ist ideal für Studenten mit Interesse an Psychophysiologie, kognitiven Neurowissenschaften und biomedizinischer Signalverarbeitung, insbesondere für Studenten mit Erfahrung in Datenanalyse und Statistik. 

Dieses Studentenprojekt konzentriert sich auf die Nutzung von fehlerbezogenen Potenzialen (ErrPs) in EEG-Daten zur Verbesserung von Spracherkennungssystemen in der MenschRoboter-Interaktion (HRI). Ziel ist es, ein Paradigma zu testen, bei dem ein Roboter einen bestimmten Sprachbefehl des Benutzers anhand seiner neuronalen Reaktionen auf Fehler in der Spracherkennung erkennen kann. Das Projekt umfasst die Durchführung eines Experiments, bei dem die Teilnehmer versuchen, einen Roboter durch Spracherkennung zu aktivieren, die Erfassung von EEG-Daten zur Erfassung von ErrPs bei Spracherkennungsfehlern und die Verwendung dieser Daten zur Verfeinerung des Spracherkennungsmodells des Roboters. Es wird erwartet, dass das Ergebnis die Fähigkeit des Roboters verbessert, sich an individuelle Benutzer anzupassen, was zu natürlicheren und effektiveren Interaktionen führt.

Dieses Projekt eignet sich gut für Studenten mit Interesse an Neurotechnologie, maschinellem Lernen und Robotik, insbesondere für Studenten mit Kenntnissen in Signalverarbeitung und Programmierung.

Dieses Studentenprojekt zielt darauf ab, die Leistung mobiler EEG-Geräte im Vergleich zu etablierten gel-basierten EEG-Systemen im Labor zu bewerten. Das Projekt umfasst die Durchführung einer Laborstudie zur Messung der Genauigkeit, Zuverlässigkeit und Benutzerfreundlichkeit von mobilen EEG-Geräten bei verschiedenen kognitiven Aufgaben. Der Studierende wird Daten sowohl mit mobilen als auch mit gel-basierten EEG-Systemen sammeln, die Daten hinsichtlich der Signalqualität analysieren und mögliche Diskrepanzen zwischen den beiden Gerätetypen identifizieren. Das Projekt umfasst auch einen Überblick über die aktuelle Literatur zur EEG-Technologie und ihren Anwendungen und gipfelt in einem umfassenden Benchmarking-Bericht, der als Leitfaden für künftige Entwicklungen in der mobilen EEG-Technologie dienen könnte.

Dieses Projekt ist ideal für Studenten, die sich für Neurotechnologie, biomedizinische Technik oder kognitive Neurowissenschaften interessieren, über Fähigkeiten in der Datenanalyse verfügen und ein Interesse an den praktischen Anwendungen von EEG-Systemen haben. 

Unser interdisziplinäres Forschungsteam sucht engagierte Studierende, die Erfahrung in Informatik, Neurokognition, Game Development oder verwandte Disziplinen haben, zur Entwicklung adaptiver Echtzeit-Videospielsysteme. Diese Systeme passen sich in Echtzeit an den aktuellen Zustand, die Aktionen und Vorlieben des Spielers an, um ein optimiertes und immersives Spieleerlebnis zu ermöglichen. Dabei werden neurokognitive Parameter als zusätzliche Variable genutzt, um den mentalen Zustand des Spielers in die Spielmechanik zu integrieren.

Dieses Projekt ist ideal für Studenten, die sich für die Kombination von Neurowissenschaften und Gaming-Technologien interessieren.

Unser Forschungsteam im Bereich Angewandte Neurokognitive Systeme sucht engagierte Studierende der Informatik oder verwandter Disziplinen zur Mitarbeit an innovativen Softwarelösungen für das NeuroLab. Ziel ist die Entwicklung von Tools und Anwendungen, die die Erfassung, Verwaltung und Analye neurokognitiver Daten optimieren und die Abläufe im Forschungslabor unterstützen.

Dieses Projekt ist ideal für Studenten, die sich für die Schnittstelle zwischen Neurowissenschaften und Informatik interessieren.

Wir begrüßen auch Initiativbewerbungen mit eigenen Projektideen von Studierenden, die sich für ein bestimmtes Thema begeistern, welches in unsere Themenschwerpunkte fällt. Wenn Sie innovative Ideen und kreative Ansätze verfolgen, die unser Forschungsprofil bereichern könnten, laden wir Sie ein, Ihre Vorschläge mit uns zu teilen.

Diese Möglichkeit ist ideal für Studenten, die sehr große Eigeninitiative zeigen möchten und selbstständig arbeiten können. 

In dieser Arbeit soll ein bereits existierender Datensatz analysiert werden. Die Studie behandelte die unterschiedliche Wahrnehmung von Emotionen zwischen Autist*innen und Nicht-Autist*innen. Dabei mussten Probanden verschiedene emotionale Stimuli lesen und einschätzen, wo am Körper sie die ausgelösten Emotionen verspüren. Die Arbeit ist angelehnt an Nummenmaa (2013) https://www.pnas.org/doi/10.1073/pnas.1321664111.

Dieses Projekt ist ideal für Studenten, aus den Bereichen Psychologie, Data Science oder Kognitionswissenschaften. Ein Verständnis von Statistik sollte vorhanden sein.