Refine
Document Type
- Master's Thesis (34) (remove)
Is part of the Bibliography
- no (34)
Keywords
- Academic-stress (1)
- Distress (1)
- Education (1)
- Eingebettete Systeme (1)
- Embedded Systems (1)
- Eustress (1)
- Informatikstudium (1)
- Remote Lab (1)
- Stress-consultation (1)
- Stresshilfe (1)
Stress im Informatikstudium
(2020)
Einführung
Ziel der vorliegenden Thesis ist es, die Eu- und Disstressoren der Infomatikstudierenden an der Hochschule Ruhr West zu untersuchen. Hierzu sollen nach den Wünschen der neuen Beratungsstelle für den Studienstress die Studierenden befragt werden. Nachfolgend werden in der Thesis die bekannten Problematiken im Informatikstudium eingebunden. Zusätzlich sollen die Informatikstudierenden auf den Stress mit einem Cartoon-Video aufmerksam gemacht werden. Mithilfe des Videos sollen die zukünftigen Eu- und Disstressoren rechtzeitig erkannt und Hilfe an der Hochschule Ruhr West abgeholt werden.
Methode
Die Untersuchung der Stressoren wird mit einem Fokusgruppeninterview (N = 4) und mit einer Online-Fragebogenerhebung (N = 120) durchgeführt. Die Signifikanzprüfungen sind varianzanalytisch und die Abweichungen der Gruppen werden mit t-Tests und einfaktorieller ANOVA berechnet.
Ergebnisse
Die Ergebnisse zeigen Unterschiede zwischen den Stressoren in unterschiedlichen Gruppen. Vor allem in den Gruppen mit davor erworbenen Vorkenntnissen und mit verschieden bewerteten Fachkompetenzen. Insbesondere ist der Stresslevel zwischen den Geschlechtern und bei den Informatikstudierenden, die mehrmals im Studium erkrankt waren, unterschiedlich.
Schlussfolgerung
Die Ergebnisse sind für die aktuellen Stresssituationen im Informatikstudium und für die nächsten Studien relevant. Außerdem wird mit dieser Studie auch auf die Problematiken in der Informatik, wie z. B. dem Frauenmangel in der Informatik, die den Informatikstudierenden den Stress verursachen könnten, aufmerksam
gemacht.
Die Möglichkeiten der Wissensvermittlung über eingebettete Systeme haben sich durch das erforderliche distance learning stark verändert. Die bekannten didaktischen Konzepte, welche bis dahin angewandt wurden, werden durch den Wegfall von Präsenz-Praktika und den fehlenden Zugang zu einem IoT- Labor ausgehebelt.
Diese Master-Thesis beschäftigt sich daher mit der Idee, wie eine Überholung des Eingebettete Systeme-Moduls an der Hochschule Ruhr West sowohl die Modulziele weiter erfüllen kann als auch darüber hinaus einen Mehrwert erschaffen wird. Vor diesem Hintergrund wird untersucht wie durch die Einführung eines Remote-Labs in Kombination mit einer kollaborativen Entwicklungssoftware für Lerngruppen, Anreize für die Studierenden geschaffen werden können, die ihnen praxisnäheres und fundiertes Wissen in der Entwicklung eingebetteter Systeme vermitteln.
Dieses neue Vorgehen verwendet einen Peer-Group-Code-Bearbeitung- Ansatz in Echtzeit und Peer-to-Peer-Videokonferenzen und verteilt über den MQTT-Server die Interaktion der Hardwareentwicklung als integralen Bestandteil eines Kurskonzepts. Ziel ist es, die Motivation und die Lernleistung der Schüler zu verbessern.
Das Vorgehen wird anhand begleitender Umfragen während des Moduls weiterentwickelt und die Semesterergebnisse werden unter Zuhilfenahme von Bewertungskriterien mit denen vergangener Jahre verglichen. Darüber hinaus wird das neue Kurskonzept durch eine Expertenbefragung in Form von Studierenden evaluiert, welche den Kurs in seiner alten Form durchlaufen haben.
The goal of this empirical study is to answer whether predictions about stock price movements can be made with the use of machine learning in the energy sector and what influence contributions from social media have on its development. To answer the research
question, the social media platforms Twitter and Reddit, in terms of the suitability of the information, were studied and evaluated. Then, the sentiments of the posts from social media were collected and used in machine learning models. The models include the Gradient Boosted Regression Tree, Multilayer Perceptron, and Long Short-Term
i Memory, which predict a subsequent day's closing stock price. The study showed that deviations from predictions of stock price movements of 1.05 % are possible and further sentiment values do not show significant positive effect on reducing the error value. The
result shows that the collected sentiments from the social media platform Twitter have no positive effect on the stock price movements within the energy industry.
Keywords: stock market, stock prediction, artificial neural networks, machine learning,
energy market, sentiment analysis
Within this thesis the impacts of “Made in China 2025” on business relationships between Germany and China are analysed and evaluated. The author shows up how the export business from Germany has developed since “Made in China 2025” was published officially in 2015. It is presented in which way the export business was affected until now (changes of product categories, development of export volume, growth rates…). The data are being provided by the German Bureau of National Statistics.
Based on the data analysis the strategy is being evaluated from German perspective. Furthermore the author takes a look at the development of Foreign Direct Investments (FDI) flows from China to Germany since the beginning of Made in China 2025. It is being analysed if China indeed invests more into their so-called “key-industries” since 2015. The chances that might be created by FDI as well as the threats are inspected and evaluated by experts from various institutions. In addition to that a scenario analysis from the German Frauenhofer Institut presents different scenarios that show up what might happen to Germany in case China succeeds, as well as what might happen in case the strategy is a failure.
Furthermore various trade theories are presented within this thesis, such as theories from Adam Smith, David Ricardo, Raymond Vernon or Bertil Ohlin. It is presented how useful the theories are for modern intra-industrial trade inquiries and if their assumptions are realistic.
Der deutsche stationäre Einzelhandel gerät immer mehr unter Druck. Seit nunmehr fast einem Jahr bestimmt die Covid-19-Pandemie weltweit das menschliche Leben. Unter den Maßnahmen zum Schutz der deutschen Bevölkerung leidet auch die deutsche Wirtschaft. Vor allem den stationären Einzelhandel trifft es in dieser Zeit sehr. Leere Städte und geschlossene Läden sind schon fast zur Normalität geworden. Doch nicht erst seit Covid-19 erlebt der deutsche stationäre Einzelhandel finanzielle Einbußen. Fortschritte auf Gebieten der modernen Technologien wie „Big Data“ und die voranschreitende Digitalisierung kommen vor allem dem Onlinehandel, der auch von der Covid-19-Pandemie profitiert, zugute. Verbunden mit den sich verändernden Bedürfnissen der deutschen Bevölkerung an den Handel, greift der Online-Handel
den stationären Einzelhandel durch den Ausbau seiner Marktanteile an. Jedoch verspricht ein modernes, aber nicht neues Technologiegebiet dem stationären Einzelhandel Besserung. Die Nutzung von Künstlicher Intelligenz könnte dem Einzelhandel dazu verhelfen, selber Gewinne
aus den anderen modernen Technologiegebieten zu erzielen, sich den veränderten Bedürfnissen des Kunden anzupassen und dem Druck des Onlinehandels stand zu halten. Die vorliegende Arbeit setzt sich mit der Bewertung des Chancenpotenzials Künstlicher Intelligenz für die Zukunft des deutschen stationären Einzelhandels auseinander. Damit wird versucht die Frage, ob der Einsatz von KI-Anwendungen dem deutschen stationären Einzelhandel dazu verhelfen wird, die oben beschriebenen Herausforderungen zu bewältigen, zu beantworten.
Um dem Leser ein fundiertes Verständnis zu vermitteln, basiert die Ermittlung des Potenzials auf einer detaillierten Erläuterung der Künstlichen Intelligenz sowie deren Fähigkeiten und Chancen, aber auch ihrer Risiken und Hürden auf dem zukünftigen Weg der Implementierung.
Auf diesem Fundament wird dann mit Hilfe einer literarischen Analyse die Bewertung vorgenommen. Bisher von der Literatur wenig berücksichtigt sind Veränderungen der Situation des deutschen stationären Einzelhandels durch die Auswirkungen der noch immer anhaltenden Covid-19-Pandemie. Die Ergebnisse der Literaturanalyse werden daher durch die Durchführung und Auswertung von Experteninterviews, als Methode der qualitativen Primärforschung,
auf Aktualität und Übereinstimmung mit Erkenntnissen aus der Praxis überprüft.
Mit Dara Kossok-Spieß, Referentin des Handelsverbands Deutschland, Niels Will und Frederic Kerber, beide im Einsatz für praxisnahe Forschungsprojekte des deutschen Forschungsinstituts für Künstliche Intelligenz, sind sowohl Vertreter beider Interessengruppen – der Anwendung sowie der Forschung – vertreten. Hierdurch konnten neue Erkenntnisse über die zukünftigen Auswirkungen der Covid-19-Pandemie auf den deutschen stationären Einzelhandelsmarkt gewonnen werden. Außerdem konnten Barrieren, die in naher Zukunft durch die Zusammenarbeit der Anwender mit der Forschung, gelöst werden müssen, damit Künstliche Intelligenz flächenübergreifend in den deutschen stationären Einzelhandel einziehen kann, ermittelt werden. Die vorliegende Arbeit richtet sich daher an alle Personen, die ein Interesse an der Bewertung des Technologiegebiets Künstlicher Intelligenz besitzen und/oder sich für die Zukunft des deutschen stationären Einzelhandels interessieren.