Paper-Präsentation auf der ICECCME 2024
Anfang November präsentierte unser Kollege Christoph Gassner auf der 4th International Conference on Electrical, Computer, Communications, and Mechatronics Engineering (ICECCME) die Publikation „Towards Goal-Oriented Volunteering – LLMs to the Rescue?“, die im Rahmen unseres CIvolunteer-Projekts entstanden ist.
Die Nachhaltigkeit des Freiwilligensektors ist zunehmend gefährdet – etwa durch den demografischen Wandel –, obwohl die Vereinten Nationen (UN) in ihrer Agenda 2030 Freiwillige als Schlüsselakteure für die Erreichung der nachhaltigen Entwicklungsziele (SDGs) definieren. In Österreich, wo ein bedeutender Teil der kritischen Infrastruktur auf freiwilligem Engagement basiert, könnte diese Entwicklung die Einsatzfähigkeit zahlreicher Organisationen ernsthaft gefährden. Das CIvolunteer-Projekt widmet sich daher der Frage, wie der Freiwilligensektor gestärkt und Freiwillige langfristig und entsprechend ihrer individuellen Präferenzen an Organisationen gebunden werden können.
In der präsentierten Arbeit wird die Beziehung zwischen den persönlichen Zielen von Freiwilligen und passenden Tätigkeiten untersucht. Im ersten Schritt analysierten wir die Art persönlicher Zielsetzungen sowie Freiwilligenaktivitäten auf verschiedenen führenden regionalen, nationalen und internationalen Plattformen. Ziel war es, Methoden zu finden um passende Aktivitäten die zur Erreichung definierter Ziele beitragen können zu identifizieren. Aufgrund der unstrukturierten Natur der verfügbaren textuellen Daten wurden „große Sprachmodelle“ (large language models - LLMs) eingesetzt, um Verbindungen zwischen den Zielen der Freiwilligen und den verfügbaren Aktivitäten herzustellen. Zur Verbesserung der Rechenzeit prüften wir zudem, ob ein vortrainiertes Cross-Encoder-Modell mithilfe von LLM-generierten Daten für diese Klassifizierungsaufgabe angepasst werden kann. Die entstandenen Modelle wurden anschließend mithilfe gängiger Metriken, deskriptiver Statistik und statistischer Tests evaluiert, um Unterschiede zwischen den Modellen zu quantifizieren.
Diese Arbeit leistet einen wichtigen Beitrag zur Nutzung moderner KI-Technologien, um nachhaltige Lösungen für den Freiwilligensektor zu entwickeln.
Die Konferenz-Publikationen können hier eingesehen werden: https://ieeexplore.ieee.org/xpl/conhome/1843644/all-proceedings