@masterthesis{Neudhoefer, type = {Bachelor Thesis}, author = {Neudh{\"o}fer, Eric}, title = {Pre-Ingest-Werkzeug f{\"u}r Digitalisate aus Kulturerbe-Einrichtungen des Landes Brandenburg}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-17650}, school = {Fachhochschule Potsdam}, pages = {65}, abstract = {Die Bachelorarbeit untersucht die Aggregation und die Vorverarbeitungsprozesse von Digitalisaten, welche noch vor dem Ingest eines Archivsystems stattfinden - dem Pre-Ingest. Dazu wird eine Webanwendung konzeptioniert und demonstrativ umgesetzt. Es soll analysiert werden, welche Anforderungen an einer solchen L{\"o}sung gebunden sind und mit welchen Methoden sie umgesetzt werden kann. Diese Aspekte reichen von der Planung des Designs und Aufbaus eines Demonstrators bis hin zum Datenverkehr zwischen dem Portal und dem Archivsystem.}, subject = {Langzeitarchivierung}, language = {de} } @masterthesis{Krause, type = {Bachelor Thesis}, author = {Krause, Carmen}, title = {Internet der Dinge: Potentiale f{\"u}r Bibliotheken}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-22236}, school = {Fachhochschule Potsdam}, pages = {81}, abstract = {Die immer schneller voranschreitende Entwicklung und Verwendung digitaler Technologien ver{\"a}ndert Alltagsleben, Wirtschaft und Gesellschaft. Auch vor Bibliotheken macht der digitale Wandel nicht halt. Wollen Bibliotheken ihren Benutzern bzw. Kunden weiterhin neue und attraktive Dienstleistungen anbieten sowie das kulturelle Erbe bewahren, m{\"u}ssen sie sich den Herausforderungen des digitalen Wandels stellen. Hierzu geh{\"o}rt es, Potenziale neuer Technologien zu {\"u}berpr{\"u}fen und Letztere gegebenenfalls zu adaptieren. Eine relativ neue Technologie, die derzeit im Trend liegt, ist das Internet der Dinge. Das Ziel der Arbeit ist es, festzustellen inwiefern diese neue Technologie bereits im Zusammenhang mit Bibliotheken gesehen wird, ob sich eine auf Bibliotheken bezogene Besch{\"a}ftigung mit dem Internet der Dinge wom{\"o}glich sogar schon wissenschaftlich etabliert hat und daher in Beitr{\"a}gen wissenschaftlicher Fachzeitschriften zu finden ist und welche Erkenntnisse sich ggf. hinsichtlich der Potenziale und Herausforderungen des Internets der Dinge f{\"u}r Bibliotheken aus derartigen Beitr{\"a}gen gewinnen lassen.}, subject = {Bibliothek}, language = {de} } @masterthesis{Michaelis, type = {Bachelor Thesis}, author = {Michaelis, Marius}, title = {Documentation concept for the exchange of knowledge in the process of creating ontological knowledge models}, edition = {revised version}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-23611}, school = {Fachhochschule Potsdam}, pages = {231}, abstract = {This bachelor thesis proposes a documentation concept to address the problem of missing and insufficient documentation during the creation of ontologies in companies. By presenting survey results and assumption personas, the thesis provides insights into the reality of ontology creation in a life science company. These insights indicate that there is a lack of knowledge externalization between the acquisition and formalization of knowledge. To develop an appropriate documentation concept, findings are derived by analyzing the practical insights as well as two ontology engineering methodologies proposed in literature. The outcome is a modular, highly customizable documentation concept designed for the application in companies. Using graphical documentation templates, guidelines are provided on what should be documented by whom, how and when.}, subject = {Dokumentation}, language = {en} } @masterthesis{Janssen, type = {Bachelor Thesis}, author = {Janßen, Melanie}, title = {Vergleich und Analyse von Forschungsdatenrepositorien}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-23302}, school = {Fachhochschule Potsdam}, pages = {158}, abstract = {Ziel dieser Arbeit war es, Repositorien zu analysieren, die Videos als Forschungsdaten vorhalten und im Rahmen eines Vergleiches die Gemeinsamkeiten und Unterschiede von verschiedenen Aspekten herauszufinden. Eine Auswahl von acht Repositorien wurde qualitativ analysiert. Die Erhebung der Daten erfolgte durch die inhaltliche Analyse der Webseiten der Repositorien anhand eines nachgenutzten Kriterienkataloges. Die Ergebnisse der Analyse wurden anhand der Kriterien miteinander verglichen. F{\"u}r die acht Repositorien wurde festgestellt, dass Videos und andere Forschungsdaten gleich behandelt werden. F{\"u}r die Behandlung von Forschungsdaten im Allgemeinen konnten Gemeinsamkeiten und Unterschiede, sowie eine Vielzahl an Tendenzen identifiziert werden. Deutlich wurde, dass Gebiete auf denen Standards und Best Practice Beispiele zur Verf{\"u}gung stehen (Langzeitarchivierung, Usability, Finanzierung, Barrierefreiheit, Zertifizierung), besonders große Heterogenit{\"a}t aufweisen. Es wurde jedoch auch festgestellt, dass internationale Standardisierungsbem{\"u}hungen mindestens starke Tendenzen zur Akzeptanz zeigen. Beispiele daf{\"u}r sind die Verwendung von Creative Commons Lizenzen, des DOI Systems, von Programmierschnittstellen und Dublin Core.}, subject = {Forschungsdaten}, language = {de} } @masterthesis{Berner, type = {Bachelor Thesis}, author = {Berner, Fabian}, title = {Automatische Verfahren zur Erkennung hassgeladener Sprache in sozialen Medien}, address = {Potsdam}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:525-34635}, school = {Fachhochschule Potsdam}, pages = {58}, abstract = {In Zeiten, in denen soziale Netzwerke stetig weiterwachsen und rasant an Mitgliedern gewinnen, entstehen auch mehr Inhalte, als vor Jahrzehnten vorstellbar gewesen w{\"a}ren. Dadurch, dass ein Großteil der Gesellschaft Anteil an solchen sozialen Netzwerken nimmt und {\"u}ber deren Kommunikationswege auch diskutiert und Informationen austauscht, ist es zunehmend relevanter geworden, einen sicheren Rahmen f{\"u}r diesen Austausch zu bieten. Dabei ist vor allem die sogenannte hassgeladene Sprache (engl.: Hate-Speech) ein großes Problem. Um einen gesitteten Austausch gew{\"a}hrleisten zu k{\"o}nnen, werden Verfahren eingesetzt, um hassgeladene Aussagen automatisch zu erkennen. Diese Methoden bedienen sich Klassifikationsmethoden aus dem Bereich des Text Mining, welches diverse Methoden beinhaltet, um Informationen aus Texten zu extrahieren. Ein Teil davon sind die sogenannten Klassifikationsmethoden, welche durch Ensemble-Methoden noch verbessert werden k{\"o}nnen. Sie werden in diversen Forschungsfeldern des maschinellen Lernens eingesetzt und erzielen durchweg positive Ergebnisse (Dong et al., 2020, S. 251) (Tasci, 2020, S. 30416). In der vorliegenden Arbeit werden Ensemble-Methoden an einer Shared Task angewendet und dabei die GermEval2019 betrachtet, da diese sich mit deutschsprachigen, hassgeladenen Texten besch{\"a}ftigt.}, subject = {Social Media}, language = {de} }