Refine
Document Type
- Conference Proceeding (4)
- Article (reviewed) (3)
- Article (unreviewed) (3)
- Book (2)
- Part of a Book (2)
- Report (1)
Conference Type
- Konferenzartikel (4)
Is part of the Bibliography
- yes (15)
Keywords
- Statistik (4)
- Augmented Reality (2)
- Lehrbuch (2)
- Machine Learning (2)
- Maschinelles Lernen (2)
- Schuldidaktik (2)
- Statistikvideos (2)
- BWL (1)
- Benchmarking (1)
- Claims (1)
Institute
Open Access
- Open Access (10)
- Closed Access (4)
- Bronze (2)
- Gold (1)
To this date, it is difficult to find high-level statistics on YouTube that paint a fair picture of the platform in its entirety. This study attempts to provide an overall characterization of YouTube, based on a random sample of channel and video data, by showing how video provision and consumption evolved over the course of the past 10 years. It demonstrates stark contrasts between video genres in terms of channels, uploads and views, and that a vast majority of on average 85% of all views goes to a small minority of 3% of all channels. The analytical results give evidence that older channels have a significantly higher probability to garner a large viewership, but also show that there has always been a small chance for young channels to become successful quickly, depending on whether they choose their genre wisely.
Excellent organisations require targeted strategies to implement their vision and mission, deploying a stakeholder-focused approach. As part of evidence-based policy making, it is a common approach to measure government financing vehicles’ results. A state-of-the-art method in quantitative benchmarking to overcome the challenge of considering multiple inputs and outputs is Data Envelopment Analysis (DEA). Descriptive statistics and explorative-qualitative approaches are also applied in a modern ECA benchmarking model to substantiate DEA results and put them into perspective. This enabler-result model provides a holistic view and allows to identify top performing ECAs and Exim-Banks, providing the opportunity for inefficient institutions to learn from their most productive peers. This best practice approach for strategic benchmarking enables the senior management to develop and implement a cutting-edge strategy, and increase value for key stakeholders.
Prediction of Claims in Export Credit Finance: A Comparison of Four Machine Learning Techniques
(2020)
This study evaluates four machine learning (ML) techniques (Decision Trees (DT), Random Forests (RF), Neural Networks (NN) and Probabilistic Neural Networks (PNN)) on their ability to accurately predict export credit insurance claims. Additionally, we compare the performance of the ML techniques against a simple benchmark (BM) heuristic. The analysis is based on the utilisation of a dataset provided by the Berne Union, which is the most comprehensive collection of export credit insurance data and has been used in only two scientific studies so far. All ML techniques performed relatively well in predicting whether or not claims would be incurred, and, with limitations, in predicting the order of magnitude of the claims. No satisfactory results were achieved predicting actual claim ratios. RF performed significantly better than DT, NN and PNN against all prediction tasks, and most reliably carried their validation performance forward to test performance.
Die Erstellung und der Einsatz digitaler Medien basieren häufig auf der Annahme eines idealtypischen Lernprozesses, welcher die effektive Erarbeitung von Inhalten unter Berücksichtigung individueller Vorkenntnisse und Lebensumstände ermöglicht. Erfahrungen Lehrender legen jedoch die Vermutung nahe, dass Studierende selten ein idealtypisches Lernverhalten an den Tag legen. Für den Beitrag „Nutzungsmuster bei digitalen Medien“ wurden Forschungsarbeiten zu digitalen instruktionalen Medien gezielt ausgewertet, um die tatsächlichen Verhaltensweisen beim Lernen und die hiermit verbundenen Wirkungen aufzuzeigen. Aufbauend auf den Erkenntnissen soll eine Diskussion um mögliche Folgerungen für die Lehre angeregt werden.
MINT-College TIEFE
(2021)
Das Projekt MINT-College TIEFE konnte in der zweiten Förderperiode die verschiedenen Maßnahmen der vorangegangenen Förderperiode weiter ausbauen und verstetigen. Die Angebote im Rahmen des Projekts MINT-College TIEFE begleiteten die Studierenden über den Student-Life-Cycle hinweg über das komplette Studium der technischen Studiengänge, beginnend in der Schule und endend beim Übergang in den Beruf. Um die Qualität der Lehre an der Hochschule Offenburg zu verbessern, wurden darüber hinaus verschiedene digital unterstützte Lehrformate weiterentwickelt und ausgebaut. Zentrale Angebote des MINT-College, das 2019 zentrale Einrichtung der Hochschule Offenburg wurde, sind die für die Studieneingangsphase entwickelten Angebote der Einführungstage, des Mentorenprogramms, der Brückenkurse, des Lernzentrums und Angebote für den Übergang in den Beruf, wie das Gründerbüro. Die mediendidaktischen Unterstützungsangebote für Lehrende unterstützten den Lernkulturwandel an der Hochschule. Es wurden systematisch nachhaltige Strukturen aufgebaut, um Innovationen für das Lehren und das Lernen auch künftig entwickeln, erproben und etablieren zu können.
Mathematik lässt sich in vielen Objekten finden. Sei es die lineare Steigung eines Handlaufs zum Schulgebäude oder die nahezu zylindrische Form einer Litfaßsäule in der Innenstadt. Das Bestreben, Schüler*innen diese Zusammenhänge entdecken zu lassen, steht im Zentrum des MathCityMap Projekts (Ludwig et al., 2013). Auf sogenannten mathematischen Wanderpfaden (bzw. Mathtrails) werden Schüler*innen durch eine App zu Mathematikaufgaben an realen Objekten bzw. in realen Situationen ihrer Umwelt geleitet. Um die Aufgaben zu lösen, werden Daten erhoben, z. B. durch Messungen oder Zählen. Entscheidend ist, dass die Aufgaben so gestellt sind, dass der Schritt der Datenbeschaffung nur vor Ort stattfinden kann und somit direkt mit dem Objekt bzw. der Situation verknüpft wird.
Die Möglichkeit zur digitalen Verbindung geographischer Orte mit Aufgaben, Herausforderungen oder Lernmaterialien hat eine Vielzahl von Anwendungen auch außerhalb der Mathematikbildung inspiriert. Dieser Beitrag stellt eine exemplarische Auswahl solcher Applikationen vor und versucht, die technischen, organisatorischen und konzeptionellen Gestaltungselemente zu systematisieren. Die Ausführungen sollen als Anregung bei der Anlage von Mathematiktrails sowie bei der Weiterentwicklung technischer Lösungen für den Lehreinsatz dienen.
Die Serie Kurzes Tutorium Statistik bemüht sich primär um die Vermittlung des Sinnes statistischer Methoden. Die Gestaltung der auf YouTube veröffentlichten Lernvideos folgt der Idee, dass anhand einer einfachen, alltäglichen Problemstellung ein praktisches Verständnis konkreter quantitativer Lösungsansätze besonders gut erzeugt werden kann. Studierende sollen hierdurch motiviert werden, sich intensiv mit den behandelten Verfahren auseinanderzusetzen. In dem Beitrag werden die Rahmenbedingungen und die grundlegende Konzeption des „Kurzen Tutoriums Statistik“ erläutert sowie die konkrete Umsetzung des Videos zu Streumaßen exemplarisch vorgestellt.