open_access
Refine
Year of publication
Document Type
- Workingpaper / Report (18)
- Conference Proceeding (16)
- Article (14)
- Part of a Book (10)
- Researchdata (2)
- Article trade magazine (1)
- Bachelor Thesis (1)
- Collection (1)
- Moving Images (1)
- Other (1)
Is part of the Bibliography
- yes (65) (remove)
Keywords
- Hg_TCR (10)
- FHD (6)
- OER (6)
- E-Business (5)
- Datenbanken (4)
- DOAJ (3)
- higher education (3)
- Anonymität (2)
- Augmented Reality (2)
- Chance (2)
Department/institution
- Fachbereich - Medien (65) (remove)
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.
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.