Refine
Year of publication
Document Type
- Conference Proceeding (13)
- Part of a Book (8)
- Workingpaper / Report (6)
- Article (3)
- Other (3)
- Contribution to a Periodical (2)
- Lecture (1)
- Moving Images (1)
Is part of the Bibliography
- yes (37)
Keywords
- Agilität (12)
- Digitale Lehre (10)
- FHD (8)
- OER (5)
- Hg_TCR (4)
- Datenbanken (3)
- E-Business (3)
- E-Learning (3)
- Creative Commons (2)
- Hochschullehre (2)
Department/institution
- Digital Learning and Digital Literacy (37) (remove)
Als Einführung in die Benutzung der Software SQL Developer Command Line (SQLcl) von Oracle werden folgende Aktionen erklärt: Anmelden, Ausgeben von Tabellen und ihren Metadaten, Verwenden der Befehlshistorie, Formatieren der Ausgabe, Speichern, Bearbeiten und Wiederverwenden von Befehlen sowie das Anlegen von Logdateien. Vorausgesetzt werden geringe Vorkenntnisse von relationalen Datenbankmanagementsystemen mit SQL. Das Video wurde im Rahmen des Projektes EILD.nrw entwickelt, gefördert durch das Ministerium für Kultur und Wissenschaft gemeinsam mit der Digitalen Hochschule NRW (DH.NRW) in der Förderlinie „OERContent.nrw“ (Open Education Resources).
In the EILD.nrw project, Open Educational Resources (OER) are being developed for teaching databases. Instructors can use the tools and courses in a variety of learning scenarios. Students of computer science and application subjects learn the complete life cycle of databases. For this purpose, quizzes, interactive tools, instructional videos, and courses for learning management systems are developed and published under a Creative Commons license.
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.
Die Lehre von Datenbanksystemen kann durch interaktive Lehr- und Lernmaterialien ergänzt werden, um Studierende besser an die Themenbereiche heranzuführen. Diese Arbeit dokumentiert die systematisch durchgeführte Recherche interaktiver
Materialien und stellt die Rechercheergebnisse vor. Dabei wurden sowohl einzelne Anwendungen als auch wissenschaftliche Veröffentlichungen berücksichtigt. Von den insgesamt 59 gefundenen Materialien wurde eine Handvoll zur näheren Betrachtung ausgewählt. Im Detail wird auf deren Zielsetzung, Umsetzung und die Bedienung eingegangen. Die Materialien befassen sich mit den Themenbereichen SQL, ERM/UML, Normalisierung, Relationale Algebra und Weiteren. Auch bei der Umsetzung sind Unterschiede hinsichtlich der Herangehensweise und der ausgewählten Lernmethoden ersichtlich. Im Rahmen wissenschaftlicher Veröffentlichungen wurden Experimente mit Studierenden durchgeführt und deren Lernfortschritt ausgewertet. Aus dem Feedback ist ein grundsätzliches Interesse an interaktiven Lernmaterialien zu erkennen. Gleichzeitig konnten Studierende mithilfe dieser Materialien in Tests bessere Ergebnisse erzielen.
Machine Learning – eine Disziplin der IT, die in letzter Zeit immens an Traktion gewonnen hat. Durch die verzeichneten Entwicklungen, wie z.B. autonomes Fahren, ChatGPT und noch vielen mehr, haben sich in zahlreichen Sparten neue Perspektiven eröffnet. Die vorliegende Arbeit untersucht die Einsatzmöglichkeiten von Machine Learning in der Retourenmanagement Domäne, welche bislang noch wenig erforscht wurden. Gerade der boomende Online-Handel und die daraus resultierende Masse an Retouren verdeutlichen die Notwendigkeit einer Intervention mit dem Ziel, Retouren, die sowohl den Unternehmen als auch der Umwelt schaden, zu minimieren. Ob klassische Ansätze wie logistische Regression und lineare Diskriminanzanalyse oder state-of-the-art Methoden wie neuronale Netzwerke, Entscheidungsbäume, Ensemble Machine Learning, Graphen, etc. – Machine Learning bietet der Wirtschaft viele Werkzeuge, die für die Lösung des Retourenproblems eingesetzt werden können. Die Auswahl der Methoden hängt von dem Ziel und den verfügbaren Daten ab, aber die schiere Anzahl der Möglichkeiten verdeutlicht, dass mehrere Wege für die Reduzierung von Retouren eingeschlagen werden können. Abhängig von Know-How und technischen Voraussetzungen können auch einfachere Methoden, die keine allzu hohe Rechenleistung bzw. wenig Expertise benötigen, den Unternehmen äußerst nützliche Resultate liefern. Die vorliegende Arbeit versucht den aktuellen wissenschaftlichen Status-Quo darzustellen, um dadurch die den Online-Händlern verfügbaren Möglichkeiten aufzuzeigen.