open_access
Refine
Year of publication
Document Type
- Conference Proceeding (15)
- Workingpaper / Report (15)
- Article (13)
- Part of a Book (10)
- Researchdata (2)
- Article trade magazine (1)
- Bachelor Thesis (1)
- Moving Images (1)
- Other (1)
Is part of the Bibliography
- yes (59) (remove)
Keywords
- Hg_TCR (7)
- FHD (6)
- OER (6)
- Datenbanken (4)
- DOAJ (3)
- E-Business (3)
- higher education (3)
- Augmented Reality (2)
- Chance (2)
- Creative Commons (2)
Department/institution
- Fachbereich - Medien (59) (remove)
Einsatz und Anpassung von Methoden der Audio-Feature-Extraktion am Beispiel von Indoor Soundscapes
(2022)
Im häuslichen Umfeld erleben Menschen abhängig von ihrer Wohnsituation unterschiedlichste Geräuschumgebungen (Indoor Soundscapes), die einen hohen Einfluss auf das Wohlbefinden haben. Im Rahmen einer Feldstudie wurde daher die theoretisch und praktisch relevante Frage untersucht, welche Merkmale der wahrgenommenen Geräuschumgebungen als besonders ereignisreich oder angenehm bewertet werden. Einhundertfünf Teilnehmer*innen berichteten nach der Experience-Sampling-Methode zeitgesteuert über auftretende Geräuschumgebungen des häuslichen Alltags. Sie bewerteten deren subjektive Wirkung gemäß Soundscape-Standard. Zudem fertigten sie in-situ Audioaufnahmen der Geräuschszenarien an. Die 6594 Tonaufnahmen wurden einer Audioinhaltsanalyse unterzogen und im Zuge dessen wurden vier Featuresets verschiedener Berechnungsansätze extrahiert. Mithilfe der Perzentilen LASSO-Regularisierung wurden lineare gemischte Modelle für Angenehmheit und Ereignisreichtum sowie drei Multilevel-Modelle für Angenehmheit aufgestellt. Die besten Modelle erklären 9 % der Varianz von Angenehmheit und 27 % der Varianz von Ereignisreichtum durch feste Effekte selektierter Prädiktoren aller getesteten Featuresets. Angenehmheit sinkt vor allem, wenn lautheitsbasierte Features hohe Werte zeigen. Ereignisreichtum ist am stärksten abhängig von kurzen Spitzen des C-bewerteten Schalldruckpegels und wird im Vergleich zu Angenehmheit stärker von Zeitschwankungen der Features bestimmt. Durch den Vergleich der Featuresets wird deutlich, dass die Modelleffekte bekannter psychoakustischer Größen durch Hinzufügen von MFCC-Features verbessert werden. Darüber hinaus wird anhand von Multilevel-Modellen gezeigt, dass die Angenehmheit des lautesten Viertels der Tonaufnahmen deutlich besser durch feste Effekte erklärbar ist als der leisere Rest des Datensatzes. Kongruent mit aktuellen Befragungsstudien kann durch Audiofeatures eine Kategorienabhängigkeit der Soundscape-Bewertungen belegt werden: Musik und Sprache werden als angenehmer bewertet, technische Geräusche und Anlagenrauschen hingegen als unangenehmer. Hoher Ereignisreichtum hängt mit
menschgemachten Geräuschen (z. B. Poltern, Stuhlrücken) zusammen. Diese Ergebnisse stellen eine wichtige Komponente in der umfassenden Beschreibung komplexer Geräuschumgebungen dar und ihnen kommt in Zeiten der SARS-CoV-2-Pandemie, in denen Wohnraum vermehrt heterogen genutzt werden muss, eine erhöhte Bedeutung zu.
Im Projekt EILD.nrw wurden Open Educational Resources (OER) für die Lehre im Fach Datenbanken entwickelt. Lehrende können die Tools und Kurse in einer Vielzahl von Lernszenarien einsetzen. Studierende der Informatik und Anwendungsfächer lernen den kompletten Lebenszyklus von Datenbanken kennen. Zu diesem Zweck wurden Quizze, interaktive Tools, Lehrvideos und Kurse für Lernmanagementsysteme entwickelt und unter einer Creative Commons-Lizenz veröffentlicht.
Over the past decades, research in room acoustics has established several derivative measures of an impulse response, some of which are incorporated in the ISO 3382 standards. These parameters intend to represent perceptual qualities, but were developed without a consistent modeling of room acoustical perception. More recent research proposed comprehensive inventories of room acoustic perception that are purely based on evaluations by human subjects, such as the Room Acoustical Quality Index (RAQI). In this work RA-QI scores acquired for 70 room impulse responses were predicted from room acoustical parameters. Except for Reverberance, the prediction of RAQI factors performed rather poor. In most cases, the sound source had a greater impact on RAQI scores. All analyses are published in an online tool, where users can upload omnidirectional and binaural impulse responses, and instantly obtain and visualize several physical descriptors, as well as predicted RAQI scores for three different sound sources. So far, acceptable prediction accuracy is achieved for Reverberance, Strength, Irregular Decay, Clarity and Intimacy. Larger data sets of evaluated impulse responses are required to improve the model performance and enable reliable predictions of room acoustical quality. Therefore, the administration of RAQI evaluations within the website is currently being developed.
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.