Skip to Main Content

Humanities, Cultural and Social Studies

Team

Les réformes de l'Etat-providence et leurs conséquences ambivalentes

Reference

Schultheis, F., Bütler, M., & Mazzurana, T. (2014). Les réformes de l'Etat-providence et leurs conséquences ambivalentes. Sécurité sociale (CHSS)(4), 212-214.

Publication Type

Article in Scientific Journal

Ambivalente Massnahmen: Wohlfahrtsstaatliche Reformen und ihre Auswirkungen

Reference

Schultheis, F., Bütler, M., & Mazzurana, T. (2014). Ambivalente Massnahmen: Wohlfahrtsstaatliche Reformen und ihre Auswirkungen. Soziale Sicherheit (CHSS)(4), 212-214.

Publication Type

Article in Scientific Journal

Art Unlimited? Dynamics and Paradoxes of a Globalizing Art World

When Art meets Money. Encounters at the Art Basel

Regards sur la mondialisation. Le champ artistique en Chine et à Hong Kong sous l'égide du marché mondial de l'art

Vertical Equity under Transformation: Family Change, Cross-Border Mobility, and Sustainability in Public Pension Systems

Project Description

Public pension systems face mounting fiscal pressure from population aging and declining fertility. To ensure social protection, they rely on vertical equity, redistributing toward lower income groups. While this promotes fairness, it raises concerns about long run sustainability. At the same time, shifting social patterns are reshaping redistribution: higher female employment strengthens individual entitlements; the rise of non marital unions questions the role of income splitting and survivor pensions; and migration and cross border commuting produce fragmented contribution histories.
This project examines how family structures, labour market patterns, and cross-border mobility shape vertical redistribution in pensions. Using dynamic microsimulation and distributional decomposition, we will evaluate reform scenarios that balance equity and fiscal sustainability, with transferable insights for Liechtenstein given its close institutional proximity to Switzerland.

Keywords

Financial management Risk management Innovation Society Financial Markets

Participating Institutions

Beyond Correlations: Leveraging Generative AI for Causal Machine Learning

Project Description

This project seeks to address the significant limitations of deep learning (DL) models in causal explainability and robustness in out-of-distribution contexts by exploring the integration of Generative AI (GenAI) into Causal Machine Learning (CML). The project focuses on leveraging GenAI to identify highlevel, causally relevant variables and formulate causal hypotheses, addressing challenges that currently require expert intervention or costly experimental procedures. Through a series of targeted work packages, the project will develop and evaluate a scalable CML pipeline incorporating GenAI, with applications in diverse domains such as healthcare, policy-making, and finance. The anticipated outcomes include ad-vancements in causal inference methodologies and contributions to both academic literature and practical applications.

Relevance to Liechtenstein

This project aligns with the University of Liechtenstein's research strategy by addressing critical and increasingly relevant challenges in the fields of data science and artificial intelligence, specifically focusing on causal explainability and model robustness. By leveraging the emerging capabilities of Generative AI, the project aims to contribute to these fields while addressing real-world problems in high-impact sectors such as healthcare, policy-making, and finance. For Liechtenstein, in particular, this research holds significant relevance as it supports the country's growing emphasis on fostering innovation in AI-driven industries. Furthermore, the project will actively engage with the local community through workshops, facilitating academic exchange, and strengthening regional industrial collaborations. This approach not only advances cutting-edge research but also ensures that the outcomes bring tangible benefits to both the academic community and the local economy, aligning with the university's mission to drive forward research that has practical, localized impact.

Scientific, Economic and Societal Impact

This project addresses key limitations of current deep learning architectures, particularly in achieving causal explainability and maintaining robustness in out-of-distribution scenarios, i.e., contexts where the data distribution differs from that on which a model was originally trained. By integrating Generative AI (GenAI) into a scalable Causal Machine Learning (CML) pipeline, this research aims to automate the identification of causally relevant variables and the formulation of causal hypotheses, which currently rely on costly experiments or expert intervention, while preserving the predictive accuracy of current deep learning architectures.
This approach has the potential to enhance not only the interpretability of AI models but also their adaptability across diverse application areas. The project is particularly impactful in high-stakes fields such as healthcare, policy-making, and finance, where reliable, causally informed AI can support sound decision-making, optimize interventions, and increase trust in AI-driven outcomes. For example, in healthcare, this approach could help clinicians better understand why certain treatments are more effective for specific patient groups, supporting more personalized and effective medical care. In finance, this approach could refine risk assessment processes by identifying causal factors that drive market behavior, contributing to enhanced financial stability. In public policy, such a framework could elucidate the causal impact of interventions, like the effects of new educational policies, enabling policymakers to make evidence-based decisions that benefit society.

Keywords

Generative AI AI Transparency

Demokratie in der akademischen Lehre

Project Description

Der Entwurf akademischer Curricula wird unter den Rahmenbedingungen von Bologna durch unterschiedliche Kriterien (learning outcomes, Modularisierung, europäische Richtlinien u.a.m.) bestimmt. Die Teilhabe von Studierenden an Entscheidungsprozessen der Curriculumgestaltung ist oft auf eine beratende Stimme im Proporz der Gremien reduziert. Die Möglichkeit der selbstverantwortlichen Gestaltung des Studiums ist besonders dann gering, wenn sich die zu erwerbenden Kompetenzen von einem idealiserten Berufsbild ableiten. Konsekutives Lernen und entwicklungspsychologische Ansätze treiben dabei das Design des Studiums, mit den learning outcomes von Anfang an vorgegeben wird, wie gebildet Studierende zum Schluss ihres Studiums zu sein haben. Dies reduziert auch das Potential der Teilhabe der Lehre an einer freien Forschung, deren Vorgaben und Ergebnisse mit denjenigen der Lehre oft schwer zu vermitteln sind. Vielmehr ergeben sich an Universitäten Stundenpläne analog zur Primär- und Sekundarstufe mit reduzierten Wahlmöglichkeiten. Das insofern nicht einmal im engeren Sinne wissenschaftliches Fachwissen dominiert, Handlungsorientierung, Problemlösungsfähigkeiten, die Entwicklung sozialer Kompetenzen, die Fähigkeit sich in neue Themenfelder einarbeiten zu können, neues Wissen selbst zu organisieren aber sind basale Voraussetzung in der Entwicklung von Selbstorganisation und Selbstverantwortung im Sinne einer demokratischen Grundhaftung.

Mittels einer Erzähl- und Schreibwerkstatt wird mit Studierenden die Frage "Wie demokratisch ist mein Studium?" erörtert.
Anschliessen könnte die Frage "Was würde mein Studium demokratischer machen?".

SWETLANA - Seamless writing expanding technologies to support thesis writing

Project Description

Thesis Writer - Get your thesis done!

Wissenschaftliche Abschlussarbeiten sind eine grosse Herausforderung für Hochschulen. Entsprechend ihrer Studierendenzahlen müssen sie jährlich hunderte, wenn nicht tausende von Arbeiten betreuen. Dabei bringen die Studierenden in den kurzen Bachelor-Studiengängen oft nur ungenügende Voraussetzungen für das selbständige Verfassen von wissenschaftlichen Arbeiten mit. Viele lernen erst beim Schreiben ihrer Abschlussarbeiten, was wissenschaftliches Schreiben ist. Seamless Learning bietet dank kontextübergreifenden, skalierbaren und flexiblen Lernformen Lösungen dafür. Das Forschungsprojekt entwickelt die Online-Plattform «Thesis Writer» weiter – mit Bezug auf die Seamless-Learning-Perspektive. Sie transformiert die traditionelle personalintensive Anleitung von Abschlussarbeiten ins Digitale und kann mit einer integrierten, webbasierten Plattform eine grosse Zahl von Studierenden erreichen. Die Anleitenden werden dabei von Routine-Instruktionen entlastet und können so intensiver auf die inhaltlichen, methodischen und fachlichen Fragen der Studierenden eingehen. Der Einsatz des Thesis Writer an verschiedenen Hochschulen soll Aufschluss über Akzeptanz, Verwendbarkeit, Integrierbarkeit in Studienabläufe und allfällige Unzulänglichkeiten geben. Aufgrund der aufgezeichneten Interaktionen des Thesis Writer hofft das Projektteam zudem, neue Erkenntnisse für die wissenschaftliche Schreibforschung zu gewinnen und Forschungslücken bei interaktiven Instruktionssystemen zu schliessen. Ein vergleichbares Tool im deutschsprachigen Raum ist bisher nicht bekannt.

Jedes Jahr müssen Tausende von Studierenden wieder aufs Neue den Sprung ins kalte Wasser wagen und eine längere wissenschaftliche Abschlussarbeit schreiben, die Teil ihrer Abschlussprüfung ist. Jedes Mal entsteht wieder die gleiche Ratlosigkeit, Unsicherheit und Suche nach Orientierung. Die Vorbereitung dafür ist in den knappen Bologna-Studiengängen zu kurz und für viele ist es überhaupt das erste Mal, dass sie eine längere wissenschaftliche Arbeit schreiben müssen. TW bietet Hilfe an, die auf diese Situation zugeschnitten ist. TW stimmt auf die Arbeit ein und begleitet die Schreibenden über den ganzen Herstellungsprozess hinweg.

www.thesiswriter.zhaw.ch

Project Participants

Employee
Dr. Roman Banzer
- Project Collaborator
Project Collaborator
Employee
Kirsten Steinhofer
- Administration
Programme Administrator - Study Services Assistant - Liechtenstein Undergraduate and Graduate School Assistant - Senate
Administration
icon
Employee
Mag. Gabriele Hojas
- Project Collaborator
Project Collaborator

Jugend in Liechtenstein 2017

Project Description

Das Ziel der Studie ist es Wissen zu den Erwartungen, Einstellungen, Erfahrungen von 16 bis 25-Jährigen in Liechtenstein zu erlangen. Dabei kommen im Sinne einer Sozialberichterstattung junge Menschen zu Wort, sie geben Einblick in ihre vielfältigen Lebenswelten, Ansichten und sprechen über ihre Zukunftsvorstellungen. Bislang fehlt solches Wissen in Liechtenstein. Die Ergebnisse der Studie sollen in der Öffentlichkeit diskutiert werden und gesellschaftspolitische Weichenstellungen ermöglichen.
Die Anlage ist zweiteilig: Anhand einer Online-Befragung wird ein thematisch breiter Einblick in die unterschiedlichen Lebenswirklichkeiten der jungen Menschen in Liechtenstein möglich, ehe im zweiten qualitativen Forschungsteil, abhängig von der Auswertung der standardisierten Fragebögen, spezifische Themen der lokalen Jungen vertieft analysiert werden. Das erlangte Wissen ermöglicht es, jugend- und lokalspezifische Lebenswelten zu deuten, zu verstehen und in einen breiteren gesellschaftlichen Zusammenhang zu stellen.

Relevance to Liechtenstein

Die Studie fokussiert auf 16-bis 25-Jährige in Liechtenstein: Ihre Erwartungen, Erfahrungen und Sorgen stehen im Zentrum des Interesses und führen zu Wissen einer lokalspezifischen Logik.

Keywords

Liechtenstein Youth young adults Lifeworlds Social development processes future Empirical Social Research

Project Participants

Employee
Dr. Thomas Mazzurana
- Project Collaborator
Project Collaborator
Employee
Dr. Monika Litscher
- Project Manager
Project Manager
Subscribe to Humanities, Cultural and Social Studies