Dr. Philipp Kaniuth

Kontaktinformationen

work

Besuchsadresse:

Professur für Klinische Psychologie und Behaviorale Neurowissenschaft Chemnitzer Straße 46

01187 Dresden

Sprechzeiten:

Sprechzeiten finden nach vorheriger Anmeldung per Email statt.

Philipp Kaniuth ist wissenschaftlicher Mitarbeiter an der Professur für Klinische Psychologie und Behaviorale Neurowissenschaft an der Technischen Universität Dresden. Er untersucht repräsentationale Systeme und wie sich affektive Störungen in sozialen Netzwerken ausbreiten. Dazu nutzt er fortschrittliche statistische Methoden und stützt sich auf Big-Data-Analysen. Neben seiner Postdoc-Tätigkeit macht Philipp eine Ausbildung zum psychologischen Psychotherapeuten (in kognitiver Verhaltenstherapie).

Akademischer Werdegang

seit 2024	Wissenschaftlicher Mitarbeiter, Professur für Klinische Psychologie und Behaviorale Neurowissenschaft, Technische Universität Dresden, Deutschland
2019-2024	Doktorand, Forschungsgruppe Visuelle Wahrnehmung und computergestützte Kognitionsforschung, Max-Planck-Institut für Kognitions- und Neurowissenschaften, Leipzig, Deutschland

Ausbildung

2025	Dr. rer. nat., Max-Planck-Institut für Kognitions- und Neurowissenschaften / Universität Leipzig (summa cum laude)
seit 2024	Ausbildung zum Psychologischen Psychotherapeuten (KVT)
2000er	Ein B.Sc. und zwei M.Sc.s in Psychologie (Studium in Deutschland und England)

Auszeichnungen

2021	Preis für das beste Poster, IMPRS NeuroCom Summer School
2020	Reisestipendium, Konferenz der Vision Science Society

Online Ressourcen und Profile

Publikationen

3 Einträge

2025

A high-throughput approach for the efficient prediction of perceived similarity of natural objectsKaniuth, P., Mahner, F. P., Perkuhn, J. & Hebart, M., 22 April 2025Elektronische (Volltext-)VersionPublikation: Sonstige Veröffentlichung > Sonstiges
Ten principles for reliable, efficient, and adaptable coding in psychology and cognitive neuroscienceRoth, J., Duan, Y., Mahner, F. P., Kaniuth, P., Wallis, T. & Hebart, M. N., 15 April 2025, in: Communications psychology. 3, 1, 62Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel

2022

Feature-reweighted representational similarity analysis: A method for improving the fit between computational models, brains, and behaviorKaniuth, P. & Hebart, M. N., 15 Aug. 2022, in: NeuroImage. 257, 43 S., 119294Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel