open_access
Refine
Year of publication
Document Type
- Part of a Book (7)
- Workingpaper / Report (4)
- Conference Proceeding (2)
- Article (1)
- Moving Images (1)
- Other (1)
Is part of the Bibliography
- yes (16)
Keywords
- OER (5)
- FHD (4)
- Hg_TCR (4)
- Creative Commons (2)
- Datenbanken (2)
- Digitale Lehre (2)
- E-Business (2)
- Höhere Bildung (2)
- higher education (2)
- Agilität (1)
Department/institution
- Digital Learning and Digital Literacy (16) (remove)
Das Agile Manifest (https://agilemanifesto.org) hat weltweit große Bedeutung erlangt. Der Begriff der Agilität ist allgegenwärtig, sei es in der Softwareentwicklung, im Projektmanagement oder in der Welt der Startups. Aber wie sieht es mit Bildungsprozessen aus? Möchte man nicht auch hier schnell und flexibel auf veränderte Anforderungen oder spontan entstehende Lernbedarfe reagieren? Und erlangen nicht auch hier kooperative, ergebnisoffenere und vor allem selbstorganisierte Lernprozesse zunehmend an Bedeutung, weil sie die Lernenden möglicherweise besser auf die zunehmend digitalisierte Lebens und Arbeitswelt vorbereiten? Und wie steht es um Werte wie Transparenz, Kommunikation auf Augenhöhe, Akzeptanz und Wertschätzung? Definieren sie nicht wichtige Rahmenbedingungen, wie gelehrt und gelernt werden sollte?
Der Lehre an deutschen Hochschulen stehen, neben einer angespannten Finanzlage, nun auch die Herausforderungen gegenüber, die sich unmittelbar aus dem doppelten Abitur-Jahrgang ergeben (KMK, 2012; BMBF, 2013). Um den hieraus resultierenden Anforderungen besser zu entsprechen, liegt es nahe, sich intensiv mit digital gestützten Lehr-/Lernkonzepten zu befassen. Hierzu zählen z.B. auch digitale Lehrmaterialien, die, unter besonderer Berücksichtigung mobiler Endgeräte (Bitkom, 2012), in Form von interaktiven Lernmodulen distribuiert werden. Im Rahmen der eStudy-Aktivitäten des Fachbereichs Medien der FH Düsseldorf wurde eine Autorenumgebung konzipiert, die eine hocheffiziente Entwicklung von HTML5-basierten Lernmodulen mit interessanten Zusatzfunktionen erlaubt, die in vielfältigen Lehr-/Lernszenarien zum Einsatz kommen können.
Kompetenzen auf dem Gebiet der Datenbanken gehören zum Pflichtbereich der Informatik. Das Angebot an Lehrbüchern, Vorlesungsformaten und Tools lässt sich jedoch für Lehrende oft nur eingeschränkt in die eigene Lehre integrieren. In diesem Aufsatz schildern wir unsere Erfahrungen in der Nutzung (frei) verfügbarer und der Entwicklung eigener digitaler Inhalte für grundlegende Datenbankveranstaltungen. Die Präferenzen der Studierenden werden mittels Nutzungsanalysen und Befragungen ermittelt. Wir stellen die Anforderungen auf, wie die nicht selten aufwendig herzustellenden digitalen Materialien von Lehrenden in ihre Lehr- und Lernumgebungen integriert werden können. Als konstruktive Antwort auf diese Herausforderung wird das Konzept EILD zur Entwicklung von Inhalten für die Lehre im Fach Datenbanken vorgestellt. Die Inhalte sollen in vielfältigen Lernszenarien eingesetzt werden können und mit einer Creative Commons (CC) Lizenzierung als OER (open educational resources) frei zur Verfügung stehen.
In dieser Arbeit werden die definierenden Eigenschaften von Open Educational Resources (OER) recherchiert. Wie können die Anforderungen an Inhalten, Medien-wahl, didaktischen Konzept mit einem hohen Grad an Interaktivität erfüllt werden? – Die Literatur zu diesen Fragestellungen liefert den aktuellen Forschungsstand.
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.