Refine
Year of publication
- 2021 (2) (remove)
Document Type
- Master's Thesis (2) (remove)
Language
- German (2)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
- Education (1)
- Eingebettete Systeme (1)
- Embedded Systems (1)
- Remote Lab (1)
- distance learning (1)
Institute
- Fachbereich 1 - Institut Informatik (2) (remove)
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
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.