004 Datenverarbeitung; Informatik
Filtern
Erscheinungsjahr
- 2022 (8) (entfernen)
Dokumenttyp
Schlagworte
- Augmented Reality (1)
- Baustelle (1)
- LIDAR (1)
- VSVR (1)
- Volumenbestimmung (1)
Fachbereich/Einrichtung
- Fachbereich - Medien (8) (entfernen)
Music-related decision-making encompasses a wide range of behaviours including those associated with listening choices, composition and performance, and decisions involving music education and therapy. Although research programmes in psychology and economics have contributed to an improved understanding of music-related behaviour, historically, these disciplines have been unconnected. Recently, however, researchers have begun to bridge this gap by employing tools from behavioural economics. This article contributes to the literature by providing a discussion about the benefits of using behavioural economics in music-decision research. We achieve this in two ways. First, through a systematic review, we identify the current state of the literature within four key areas of behavioural economics-heuristics and biases, social decision-making, behavioural time preferences, and dual-process theory. Second, taking findings of the literature as a starting point, we demonstrate how behavioural economics can inform future research. Based on this, we propose the Behavioural Economics of Music (BEM), an integrated research programme that aims to break new ground by stimulating interdisciplinary research in the intersection between music, psychology, and economics.
Die volumetrische Erfassung von Aushüben auf Baustellen ist ein kostenrelevanter Faktor und wird auch heute im täglichen Baustellenbetrieb oft noch in manueller Detailarbeit durchgeführt. Kostengünstige Sensoren zur Tiefenerfassung ermöglichen die halbautomatische Erfassung von Baugruben. Augmented Reality (AR) kann für diesen Prozess das nötige Feedback liefern. Vorgestellt wird ein Prototyp, bestehend aus einem Tablet mit integrierter Kamera und einem Lidar-Scanner. Es wird die Erfassung des Volumens bezüglich Nutzbarkeit und Genauigkeit mit Einsatz von AR getestet und evaluiert. Zur Bestimmung des Volumens wird unter Verwendung von Strahlen mit Unterstützung einer Grafik-Engine ein Algorithmus entwickelt. Der Algorithmus ist robust gegen nicht vollständig geschlossene Volumen. Die Bedienung, Überprüfung und Visualisierung findet durch praktischen Einsatz von AR statt.
Zur Qualitätssicherung werden die im Projekt EILD.nrw erstellten Lern- und Lehrmodule wie Quizze, interaktive Tools und Lehrvideos in der aktuellen Lehre an der HSD eingesetzt und regelmäßig quantitativ und qualitativ evaluiert. Verbesserungen werden eingearbeitet und die Inhalte um Metadaten und Beschreibungen sowie Hinweise für Lehrende und Lernende erweitert. Im weiteren Verlauf des Projektes werden die entwickelten Inhalte jeweils durch die Projektpartner der anderen Hochschulen auch in ihren Kursen evaluiert. Die Evaluationen an der HSD werden mittels der Moodle-Aktivität „Feedback“ in verschiedenen Frequenzen und Zeiträumen durchgeführt. Zu den Aufgaben oder eingesetzten Tools werden quantitativ mittels skalierter Antworten die Themen Zufriedenheit, Gefallen, Bearbeitungszeit, Schwierigkeitsgrad, hilfreich für die Bearbeitung oder Benutzerfreundlichkeit abgefragt. Der qualitative Teil enthält in der Regel eine offene Frage mit der positiv formulierten Bitte um Verbesserungsvorschläge. Die Teilnahme am Feedback ist anonym, freiwillig und die bereits abgegebenen Bewertungen sind sichtbar für alle Kursteilnehmenden. Die Evaluationsergebnisse werden in den Lerneinheiten als Open Educational Resources (OER) dokumentiert, um Studierenden und Lehrenden eine Hilfe zur Auswahl an die Hand zu geben.