JavaScript is required to use this site. Please enable JavaScript in your browser settings.

Ada-Lovelace-Forschungsstipendiatin

Betty Mayeku

Im Jahr 2024 begrüßte ScaDS.AI Dresden/Leipzig Dr. Betty Mayeku als zweite Ada-Lovelace-Forschungsstipendiatin an der Universität Leipzig.

Dr. Betty Mayeku

Dr. Mayeku, die ein DAAD-Stipendium erhielt, promovierte in Informatik an der Universität Göttingen. Ihre Doktorarbeit mit dem Titel „Verbesserung der Personalisierung und des Lernengagements in einer kontextbezogenen kollaborativen Lernumgebung – eine pädagogische und technologische Perspektive“ spiegelt zweifellos Dr. Betty Mayekus großes Engagement für die Weiterentwicklung von Bildungstechnologien wider.

Dr. Betty Mayeku ist als Dozentin und Forscherin am Fachbereich Informatik der Kibabii-Universität in Kenia tätig. Ihr Forschungsinteresse gilt der Schnittstelle zwischen Bildung und Technologie mit besonderem Schwerpunkt auf angewandter KI und Data Mining im Bildungskontext. Darüber hinaus engagiert sie sich mit Leidenschaft für die Integration von KI-Technologien in die Pädagogik, um effektive Lernerfahrungen zu schaffen, den Einsatz von KI und Educational Data Mining (EDM) zur Verbesserung der Bildungsergebnisse zu nutzen und den verantwortungsvollen Umgang mit KI im Bildungsbereich zu fördern.

Forschung und Initiativen

Dr. Mayeku, die sich durch ihr Engagement für die Förderung von Innovation und Exzellenz auszeichnet, ist im Bereich der Bildungstechnologie tätig. Eines ihrer Forschungsprojekte befasst sich mit der Frage, wie die verantwortungsvolle Entwicklung und Anwendung von KI im Bildungskontext aus einer ganzheitlichen und integrierten Perspektive angegangen werden kann. Die Motivation für diese Arbeit ergibt sich aus dem zwiespältigen Charakter von KI-Technologien im akademischen Bereich. Obwohl sie beispiellose Möglichkeiten bieten, bergen sie auch Risiken und Herausforderungen, die das Vertrauen untergraben. Die Besonderheiten der Hochschulbildung erfordern eine kontextbezogene Betrachtung der verantwortungsvollen Entwicklung und Anwendung von KI, um Vertrauen zu fördern. Um diese Probleme anzugehen, umfasst diese Arbeit unter anderem folgende Ziele:

  • Entwicklung eines mehrdimensionalen Rahmenwerks für verantwortungsvolle KI im Bildungsbereich, das Entwickler, Nutzer und Interessengruppen dabei anleitet, KI verantwortungsvoll zu gestalten und einzusetzen, um eine ausgewogene, ethische und praxisnahe KI-Erfahrung im Bildungsbereich zu schaffen
  • Erforschung von Ansätzen zur Vertrauensbildung, insbesondere in personalisierten und adaptiven Umgebungen

Um diese Ziele zu erreichen, sollen unter anderem folgende Themen, Bereiche und Ansätze untersucht werden:

  • Erklärbare KI
  • Schwarmintelligenz
  • Partizipativer Designansatz
  • Erforschung verantwortungsvoller KI aus der Perspektive von Lernmodellen, -theorien und -rahmenwerken

Neben ihrer Lehrtätigkeit beschäftigt sich Dr. Betty Mayeku mit Anwendungen zur vergleichenden Bewertung von Deep-Learning-Algorithmen für die netzwerkbasierte Erkennung von Cyberbedrohungen, mit Datenaugmentierung zur Verbesserung der Vorhersagegenauigkeit des HIV-Risikos bei injizierenden Drogenkonsumenten (PWIDs) in Kenia sowie mit der Vorhersage der terrestrischen Vegetationsbedeckung anhand von Landnutzungs- und Bodenvariablen unter Verwendung von Machine-Learning-Ansätzen.

Wichtige Veröffentlichungen und Beiträge

  • B. Mayeku, J. Kilwake, A. O. Mamai, E. K. Wamasebu (2024), Analysis and Prediction of Computer Science Students’ Performance Based on Core Foundational Courses Using Ensemble Machine Learning Methods. In IEEE Intelligent Systems (IS’24) Conference, August, Varna, Bulgaria.  DOI:10.1109/IS61756.2024.10705171
  • B. Mayeku, D. Hogrefe and F. Wabwoba (2017), Influence of Social Personalization on Performance in Group Learning. In IEEE AFRICON’17 Conference, Cape Town, South Africa. DOI:10.1109/AFRCON.2017.8095573
  • B. Mayeku and D. Hogrefe (2017), A Framework for Integrating Pedagogy and Technology in Context-Aware Learning Environment. International Conference on Web Learning (ICWL), Cape Town, South Africa. DOI:10.1007/978-3-319-66733-1_24
funded by:
Gefördert vom Bundesministerium für Bildung und Forschung.
Gefördert vom Freistaat Sachsen.