Veranstaltungen

Titel und Abstract folgen.

Ansprechpartnerin: Elisabeth Hofmeister

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartner: Dominik Asam

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartner: Daehyun Kim

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartner: Elisabeth Hofmeister

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartnerin: Ulrike Morgalla

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Causal machine learning (Causal ML) is an emerging branch in ML/AI research aimed data-driven decision-making by integrating robust causal inference with advanced predictive algorithms. A key advantage of Causal ML is the ability to prediction under intervention, that is, to predict the outcomes of a treatment at the individualized level while adjusting for various confounders. Causal ML can explicitly model how the treatment impact varies across subpopulations, thus uncovering rich, individual-level heterogeneity that can be leveraged for personalized targeting and more effective decisions. In this talk, we explore the methodological foundations of Causal ML, discuss critical guardrails necessary for its rigorous and responsible deployment, and explore applications in behavioral science and policy. In particular, we introduce the “AI Heterogeneity Explorer”, which allows to uncover the differential effectiveness of behavioral interventions and thus identify for whom interventions are effective. The “AI Heterogeneity Explorer” provides a systematic recipe for understanding the heterogeneity of behavioral interventions, optimizing the personalized delivery of interventions, validating the targeting strategy—which offers a powerful alternative to one-size-fits-all approaches often used in data-driven decision-making. Finally, we illustrate how this explorer can be leveraged in the context of climate interventions to advance behavioral and climate science.

Ansprechpartner: Malte Toetzke

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartner: Daehyun Kim

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartnerin: Elisabeth Hofmeister

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartner: Daehyun Kim

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.

Titel und Abstract folgen.

Ansprechpartnerin: Marina Chugunova

Eintragung in den Einladungsverteiler und mehr Informationen auf der Seminarseite.