Η Δρ. Στυλιανή Κλεάνθους κατέχει διδακτορικό στη Πληροφορική από το Πανεπιστήμιο του Leeds, Ηνωμένο Βασίλειο, και μεταπτυχιακό στα Πληροφοριακά Συστήματα από το Πανεπιστήμιο του Salford, Ηνωμένο Βασίλειο. Οι κύριες ειδικότητες και τα ενδιαφέροντα της Στυλιανής αφορούν τον τομέα της Αλληλεπίδρασης Ανθρώπου – Τεχνητής Νοημοσύνης (AI), όπου άνθρωποι και συστήματα τεχνητής νοημοσύνης συνεργάζονται για την επίτευξη βέλτιστων αποτελεσμάτων. Η Στυλιανή ακολουθεί προσεγγίσεις μοντελοποίησης χρήστη και εξατομίκευσης για την κατανόηση και μοντελοποίηση της συνεργασίας και αλληλεπίδρασης μεταξύ ανθρώπων και τεχνητής νοημοσύνης, σε διάφορα σενάρια.  Συγκεκριμένα, εκμεταλλεύεται ψυχολογικές και κοινωνικές θεωρίες για τη μοντελοποίηση και κατανόηση της Αλληλεπίδρασης Ανθρώπου – AI, με την έννοια ότι η τεχνητή νοημοσύνη θα πρέπει να ενισχύει τους ανθρώπους στη λήψη αποφάσεων στην καθημερινότητα, παρέχοντας εξατομικευμένη υποστήριξη. Στο πλαίσιο αυτό, ηγείται επίσης της ανάπτυξης διαδραστικών εργαλείων για τη συλλογή δεδομένων κατά την αλληλεπίδραση των χρηστών και για τη δημιουργία ευαισθητοποίησης (και εκπαίδευσης) σχετικά με τις δυνατότητες και τους περιορισμούς των τεχνολογιών AI.

ΚΥΡΙΕΣ ΕΡΕΥΝΗΤΙΚΕΣ ΠΕΡΙΟΧΕΣ

• Αλληλεπίδραση Ανθρώπου – Τεχνητής Νοημοσύνης (AI)
• Τεχνητή Νοημοσύνη με επίκεντρο τον άνθρωπο
• Επεξηγήσιμη Τεχνητή Νοημοσύνη (XAI)
• Μοντελοποίηση Χρήστη και Κοινότητας, Εξατομίκευση και Προσαρμοστικά Συστήματα
• Δικαιοσύνη στην Τεχνητή Νοημοσύνη

English text follows

SHORT VITA

Dr. Styliani Kleanthous holds a Ph.D. in Computer Science from the University of Leeds, UK and an MSc. in Information Systems from the University of Salford, UK. Styliani’s main expertise and interests fall into the area of Human – AI Interaction, where humans and AI systems work

together to achieve optimal results. .  Styliani is following user modeling and personalization approaches for understanding and modeling the collaboration and interaction between Humans and AI, in different scenarios.  Specifically, she is exploiting psychological and social theories for modeling and understanding Human – AI Interaction in the sense that AI should empower humans in their everyday decision making, by providing personalized support

In this line, she is also leading the development of interactive tools for collecting user interaction data and for creating awareness of the potential and limitations of AI technologies. 

MAIN RESEARCH AREAS

• Human – AI Interaction
• Human - Centered AI
• Explainable AI (XAI)
• User and Community Modeling, Personalization and Adaptive Systems
• Fairness in AI

Η Στυλιανή υπηρετεί ως ανώτερο μέλος επιτροπής σε διάφορα διεθνή συνέδρια (π.χ. ACM UMAP, ACM IUI) και ως μέλος επιτροπής σε αρκετά άλλα (π.χ. ACM CSCW). Έχει διατελέσει γενική πρόεδρος του ACM User Modeling Adaptation and Personalization 2023 και πρόεδρος του Doctoral Consortium του ACM User Modeling Adaptation and Personalization 2024. Έχει δημοσιεύσει πάνω από 50 άρθρα σε επιστημονικά περιοδικά και συνέδρια, ενώ συμμετέχει σε επιστημονικές επιτροπές συνεδρίων και περιοδικών υψηλού κύρους στον ευρύτερο τομέα της Αλληλεπίδρασης – Ανθρώπου Υπολογιστή. Διαθέτει εκτεταμένη εμπειρία στη συγγραφή προτάσεων για την προσέλκυση χρηματοδότησης από διάφορες πηγές, συμπεριλαμβανομένων εθνικών και ευρωπαϊκών προγραμμάτων.

English text follows

ADMINISTRATIVE/RESEARCH POSITIONS

Styliani is serving as a senior committee member in highly ranked international conferences (e.g. ACM UMAP, ACM IUI) and as a program committee member in several others (e.g. ACM CSCW). She has been a general chair of the ACM User Modeling Adaptation and Personalization 2023 and the Doctoral Consortium Chair of the ACM User Modeling Adaptation and Personalization 2024. She has published over 50 articles in scientific venues, while she serves on the program committees and editorial boards of highly ranked conferences and journals in the wider area of Human – AI Interaction. She has extensive experience in the writing of proposals for attracting funding from various sources including national and European.

• Kleanthous, S. (2024). Human-AI Teaming: Following the IMOI Framework. In: Degen, H., Ntoa, S. (eds) Artificial Intelligence in HCI. HCII 2024. Lecture Notes in Computer Science(), vol 14735. Springer, Cham. https://doi.org/10.1007/978-3-031-60611-3_27
• Paramita, M. L., Kasinidou, M., Kleanthous, S., Rosso, P., Kuflik, T., & Hopfgartner, F. (2024). Towards improving user awareness of search engine biases: A participatory design approach. Journal of the Association for Information Science and Technology, 75(5), 581–599. https://doi.org/10.1002/asi.24826
• Ioannou, A., Ioannou, N., & Kleanthous, S. (2023) Cyclops: Looking beyond the single perspective in information access systems. In Adjunct Proceedings of the 31st ACM Conference on User Modeling, Adaptation and Personalization (UMAP '23 Adjunct). Association for Computing Machinery, New York, NY, USA, 34–37. https://doi.org/10.1145/3563359.3597398
• Kleanthous, S., Kasinidou, M., Barlas, P., & Otterbacher, J. (2022). Perception of fairness in algorithmic decisions: future developers' perspective. Patterns, 3(1). https://doi.org/10.1016/j.patter.2021.100380
• Kleanthous Loizou, S., Dimitrova, V. (2013) Adaptive notifications to support knowledge sharing in close-knit virtual communities. User Model User-Adap Inter 23, 287–343. https://doi.org/10.1007/s11257-012-9127-y

Google Scholar: https://scholar.1d5920f4b44b27a802bd77c4f0536f5a-gdprlock/citations?user=OZlTGmcAAAAJ&hl=en&oi=ao

LinkedIn: https://www.f54db463750940e0e7f7630fe327845e-gdprlock/in/styliani-kleanthous/