7841 research outputs found
Sort by
and
No full textIn the more recent discourse of video game research and design, ‘empathy’ has become a buzzword. Especially the works of marginalised queer creators were understood as ‘empathy games’ and as intended to teach non-marginalised players. However, considering the creators’ contradicting intentions, that also meant their games were misappropriated. Therefore, this thesis focuses on one specific part under the umbrella term of empathy: self-compassion. How can a game impact its players in a way that moves and touches them, inviting them to be more accepting and caring towards themselves? To follow this inquiry, I outline and examine the theoretical approaches of affect theory, radical softness, and schema therapy. All three offer different understandings of how the experiences a person carries with them can change their later perception of and interaction with their surroundings. The analysis of the visual novel Our Life: Beginnings & Always through the NAME method as a qualitative examination allows the roles of researcher and player to merge. Consequently, my own past experiences and the differences to the experiences within the game lead me to find relations to the three theoretical approaches: In connection to affect theory, video games that offer everyday spaces and experiences can affect players unobtrusively. Radical softness leads to the notion that digital representations of people showing care and kindness to the player character can help players understand they deserve that kind of compassion, perhaps through de-radicalising that which is viewed as ‘other’. Lastly, schema therapy includes specific techniques – such as limited reparenting – which can partly be adapted to a video game environment. I suggest that video games, depending on their design and the people playing them, can evoke self-compassion. By being able to choose for themselves and by co-authoring their own experience within a game, players can ‘live’ through experiences they are or have been barred from due to real-life circumstances and identities.Ylva Leonie SchützMasterarbeit Universität Klagenfurt 202
Zero-shot node classification for non-visual (graph-text) data
No full textZero-shot node classification (ZNC) addresses the critical challenge of classifying nodesfrom classes not observed during the training phase—a scenario frequently encounteredin dynamic, open-world environments where new categories continuously emerge.Traditional node classification methods and zero-shot learning (ZSL) approaches designedfor i.i.d. data struggle to adapt when confronted with evolving class sets. While theDecomposed Graph Prototype Network (DGPN) has pioneered zero-shot learning forgraph-structured data, it still suffers from limitations, including over-reliance on highqualityClass Semantic Descriptions (CSDs), vulnerability to over-smoothing, sensitivityto parameter settings, and constrained generalization to unseen classes.This thesis introduces a set of three novel modifications to the DGPN model aimedat overcoming these challenges. First, we integrate additional rich node features derivedfrom textual data (e.g., titles, abstracts), providing semantic enrichment that reducesdependency on high-quality CSDs. Second, we refine CSDs by constructing a relationmatrix and applying a single-layer Graph Convolutional Network (GCN) over the classrelation graph, guided by a relation-aware loss. This refined approach more accuratelymodels inter-class relationships. Third, we incorporate contrastive loss into the trainingobjective, enhancing the discriminative power of node embeddings and facilitating betterclass separation. These modifications, when combined with regularization techniques,yield a synergy that enhances the model’s robustness and generalization.Extensive experiments on the Cora dataset demonstrate the effectiveness of these threenovel modifications. Each individual enhancement contributes to improved zero-shotclassification accuracy, and their combined effect leads to substantial performance gains.For instance, under one class split setting, test accuracy improves from 33.78% (OriginalDGPN) to 46.86% (Modified DGPN), and under another setting, it increases from 46.40%to 64.97%. These results confirm that our novel modifications substantially alleviate theidentified limitations of the baseline DGPN and significantly boost the model’s zero-shotclassification capabilities.By integrating semantic information, refining class prototypes, and employing contrastiveloss, this research not only advances the state-of-the-art in zero-shot nodeclassification but also provides practical insights for designing more adaptive and robustgraph neural network models. This research lays the foundation for models that caneffectively manage dynamically evolving class spaces, thereby expanding the limits ofzero-shot learning on graph-structured data.Ahmed KafranaMasterarbeit Universität Klagenfurt 202
Play/Write Student Journal / Meant to be? Developing a dating simulator tackling issues of identity
No full textAnja Kolundžij
Play/Write Student Journal / King Arthur as a romanceable anime girl: depictions ofarthurian legends in Japanese video games
No full textTom Tuče
Colloquium: New Philologies / Bachmann und Wittgenstein : Versuch einer Annäherung
No full textVolker Mun
Putins Außenpolitik (2000 - 2014) : Bruch oder Kontinuität
No full textDiese Diplomarbeit beschäftigt sich mit folgender Forschungsfrage:Stellt der Angriffskrieg Russlands auf die Ukraine vom 24. Februar 2022 einen Bruch in Putins Außenpolitik dar - oder ist dieses Ereignis die Fortsetzung einer von Kontinuität geprägten Strategie des russischen Präsidenten?Um dies zu beantworten, werden u.A. folgende Punkte unter die Lupe genommen:- die außenpolitischen Konzepte Russlands von 2000, 2008 und 2013- verschiedene Ansätze der russischen Außenpolitik- Russlands Einflussnahme auf die Ukraine 2004- Russlands Rolle während der Georgienkrise 2008- (die Annexion der Krim sowie Russlands Intervention in Syrien werden gestreift)Dominik AspernikDiplomarbeit Universität Klagenfurt 202
Schülerinnen Schülern neunten
No full textMittels Lesestrategien ist es möglich, die Bedeutung von Absätzen oder ganzen Texten zu erkennen, die Leser:innen wenden diese meist während des Lesens an. In erster Linie geht es darum, das Leseverständnis durch den Einsatz von Lesestrategien zu verbessern. (vgl. Rosebrock 2012, 7ff.) Der Einsatz der Strategien läuft meist automatisiert ab, wenn die Lernenden diese verinnerlicht haben, dadurch ist es möglich, hierarchiehohe Ebenen und somit ein gutes Leseverständnis zu erreichen (vgl. Rosebrock/Nix 20178, 73f.). Die vorliegende Arbeit beschäftigt sich mit der Frage, wie stark die Lesestrategien auf das Leseverständnis tatsächlich wirken. Mittels einer Untersuchung am CHS Villach, in vier Klassen der 9. Schulstufe, wird diese Frage beantwortet. Für die Untersuchung werden zwei PISA-Testungen aus den Jahren 2000 und 2009 herangezogen und anhand der Mixed-Methods-Methode ausgewertet. Aus den Ergebnissen geht hervor, dass das Einsetzen von Lesestrategien im Unterricht sowie bei den Übungen sehr gut funktioniert und dadurch inhaltsreiche Informationen von den Schüler:innen entnommen werden können. Bei den beiden Untersuchungen hingegen lassen die Ergebnisse nur eine kleine Verbesserung erkennen und es kann gesagt werden, dass Lesestrategien das Leseverständnis der Schüler:innen der Versuchsgruppe nur minimal erhöhen. Anhand der Ergebnisse kann auch gesagt werden, dass Lesestrategien keine starken Effekte auf das Erkennen von Superstrukturen und die Etablierung globaler Kohärenz erzielen. Ebenfalls lassen die Resultate auch erkennen, dass gute Leser:innen ein höheres Leseverständnis aufzeigen als Schüler:innen, die in der Freizeit nicht viel lesen. Darüber hinaus werden in der Arbeit mögliche Gründe für die minimale Steigerung des Leseverständnisses angesprochen.Nicole ReimannMasterarbeit Universität Klagenfurt 202
Die Entwicklung eines Geschäftsmodells für ein Dienstleistungsunternehmen im Bereich der Nachhilfe
No full textEin gewaltiger Entwicklungssprung hin zur Digitalisierung ist in den österreichischen Schulen durch die Corona-Pandemie entstanden. Durch die strengen Maßnahmen wurde der Unterricht teilweise digitalisiert. Manche Schüler verloren den Anschluss zur Schule. Schulen unterliegen aktuell dem Wandel der Digitalisierung und Schüler/Schülerinnen sind gefordert, digitale Kompe-tenzen zu erwerben. Die vorliegende Master Thesis besteht aus einer Literaturrecherche zum Thema Geschäftsmodellen, einer empirischen Forschung und einem praktischen Teil, der auf der Literaturrecherche aufbaut. Der praktische Teil der Arbeit beschäftigt sich mit der Gründung eines Dienstleistungsunternehmens im Bereich der Nachhilfe. Die Forschungsfragen beschäfti-gen sich mit den Fragen, in welcher Art und Weise die Auswahl eines passenden Geschäftsmo-dells eine Unternehmensgründung unterstützen kann und welche notwendigen Elemente im Rahmen eines Geschäftsmodells für die Gründung eines Dienstleistungsunternehmens im Be-reich der Nachhilfe entscheidend sind. Die Forschungsfragen werden anhand der Literatur-recherche, mittels der Charakteristika von Geschäftsmodellen, ausgewählten Geschäftsmodel-konzepten, mithilfe der Bewertungen von Geschäftsmodellen, der Grundlage und dem Aufbau der Lernmodelle sowie von förderlichen Faktoren / Erfolgsfaktoren und mithilfe des empirischen und des praktischen Teils, der Entwicklung eines Geschäftsmodells für die Gründung eines Nachhilfeunternehmens, beantwortet.Silvia SchwendingerMasterarbeit Universität Klagenfurt, Universitätslehrgang Business Manager/in 2024Abstract in englischer Sprach
Beziehungskrisen als Chance: persönliche Reifung und Wachstum in Partnerschaften
No full textPaare sind im Laufe einer Beziehung einer Vielzahl an normativen und unvorhersehbaren Stressoren ausgesetzt. Diese Forschungsarbeit zielt darauf ab, zu untersuchen, ob Beziehungskrisen zur persönlichen Weiterentwicklung von Individuen beitragen und inwiefern Selbstdifferenzierung und persönliche Weisheit in diesem Prozess eine Rolle spielen. Zu diesem Zweck wurde eine Online-Studie durchgeführt, an der 73 Personen teilnahmen. Die Teilnehmenden beschrieben eine Beziehungskrise, die für sie subjektiv die größten Auswirkungen hatte und erklärten, ob und welche Einsichten daraus gezogen wurden. Darüber hinaus wurden zwei Selbstauskunftsfragebögen zur persönlichen Weisheit verwendet, die Dreidimensionale Weisheitsskala (Ardelt, 2003) und die Self-Assessed Wisdom Scale (Webster, 2007). Differenzierung des Selbst wurde mithilfe des Differentiation of Self Inventory SI-R (Skowron & Schmitt, 2003) erfasst. Die Ergebnisse bekräftigten die Annahme, dass Beziehungskrisen zu einer Weiterentwicklung führen können. Allerdings ergaben sich uneindeutige Ergebnisse zur Rolle von Selbstdifferenzierung und persönlicher Weisheit, die stark von den verwendeten Messinstrumenten abhängig waren. Um die komplexen Lernprozesse bei der Bewältigung von Beziehungskrisen vollständig zu verstehen, ist weitere Forschung in diesem Bereich unerlässlich. Teilnehmende berichteten häufig, sie hätten durch die Krise zu mehr Selbstbewusstsein und Selbstbestimmtheit gefunden. Dies bietet eine interessante Perspektive auf Beziehungskrisen, aus der bestenfalls neue Ansätze der Bewältigung von Beziehungskrisen entwickelt werden können.Joana HeveraMasterarbeit Universität Klagenfurt 2024Abstract in englischer Sprach
Machine learning-based conversion of Data Exchange Format to Gerber RS-247X: investigating transformer models and multi-headed attention mechanisms for Electronic Design Automation (EDA)
No full textThe Electronic Design Automation (EDA) industry is a critical driver of innovation in modern electronics. The conversion of design files between different formats, such as the Drawing Exchange Format (DXF) to Gerber RS-247X, is a fundamental step in the design-to-manufacture process of Printed Circuit Boards (PCBs). Traditional methods for this conversion are often time-consuming, error-prone, and require expert intervention. This thesis explores the application of machine learning (ML), particularly transformer models, to automate and optimize this conversion process.A novel hierarchical tokenization approach is proposed, combining dictionary-based methods with Byte-Pair Encoding (BPE) to effectively capture the complex geometric data of these file formats. This approach harnesses the proven capabilities of transformer models, traditionally used in natural language processing, to perform sequence-to-sequence translations. To facilitate the training and evaluation of the model, a synthetic dataset of DXF-Gerber file pairs with varying complexity levels is developed. Additionally, a novel data augmentation technique, Repeated Segmentation-based augmentation, was introduced to enhance the model’s ability to handle diverse and complex input data. Through extensive experimentation and model optimization, a high conversion accuracy of 98.5% on a test dataset was achieved, significantly outperforming existing methods. The developed model was deployed on a cloud server using Machine Learning Operations (MLOps) tools, providing an accessible and efficient API solution for DXF to Gerber conversion. This research demonstrates the successful application of transformer models to complex non-linguistic data, opening up new avenues for the utilization of ML in EDA. The developed methodology offers a significant advancement in automating and optimizing the DXF to Gerber conversion process, potentially leading to increased efficiency, reduced errors, and accelerated innovation in PCB design and manufacturing.Mohamed El BahnasawiMasterarbeit Universität Klagenfurt 202