Im Rahmen einer Winter-School der BIDT findet am Freitag, den 06. März, ein Vortrag von Bastian Vobig statt, der für Publikum geöffnet wird. Wir freuen uns auf Ihren Besuch!
Inhalt
Das Seminar “Wie klingt Depression?” präsentiert die Entwicklung, Umsetzung und Ergebnisse des internationalen und interdisziplinären Forschungsprojekts HIGH-M, das den Einfluss depressiver Erkrankungen auf die musikalische Interaktion in musiktherapeutischen Improvisationen untersucht hat. Ein wesentlicher Bestandteil des Projekts war die Entwicklung eines digitalen Tools, das mithilfe von maschinellem Lernen musikalische Daten für die Diagnostik und das Assessment von Depression nutzbar macht. Im Seminar werden drei zentrale Fragestellungen des Projekts vorgestellt und diskutiert: Wie lassen sich komplexe (Hör-)Erfahrungen für digitale Prozesse formalisieren? Wie kann die Expertise von Fachleuten integriert und mithilfe von maschinellem Lernen rekonstruiert werden? Wie lassen sich quantitative Daten zur praktischen Anwendung anhand eigener Erfahrungen interpretieren? Zur Veranschaulichung dieser Prozesse beinhaltet das Seminar einen interaktiven Anteil, in dem die Teilnehmer*innen eingeladen sind, miteinander auf E-Pianos zu improvisieren, ihre Erfahrungen auszutauschen und diese mit den Analyseergebnissen in Verbindung zu setzen. Anhand dieses Forschungsprojekts lassen sich zentrale Rollen von (interdisziplinärer) Zusammenarbeit, sensibler Systementwicklung und der praktischen Implementierung von KI-gestützten Anwendungen in therapeutischen Kontexten diskutieren.
Der Referent
Bastian Vobig studierte Musikwissenschaften und ist wissenschaftlicher Mitarbeiter am Labor für Künstliche Kreativität und Musikalische Interaktion der Hochschule für Musik Nürnberg sowie am Labor für Musiktherapie der Technischen Hochschule Würzburg-Schweinfurt. Als Promotionsstudent der Musikwissenschaften erforscht er Ansätze zur Integration digitaler und KI-basierter Methoden zur Erfassung und Analyse musikalischer Interaktion in musiktherapeutischen Improvisationen sowie deren Anwendung in der klinischen Praxis. In seiner bisherigen Arbeit entwickelte er eine der ersten digitalen Assessment-Anwendungen der Musiktherapie, die Verfahren des maschinellen Lernens nutzen. Seine Forschungsinteressen liegen in der empirischen Untersuchung (ko-)kreativer Prozesse, musikalischer Interaktion und Kommunikation in improvisatorischen Kontexten, mit einem besonderen Fokus auf interdisziplinäre Ansätze zwischen Musik, Therapie und Künstlicher Intelligenz.
