12828 research outputs found
Sort by
Analyzing the Impact of Data Augmentation on Performance and Explainability in Facial Emotion Recognition
No full textFacial emotion recognition (FER) is an emerging field of study that focuses on analyzing facial expressions to gain insights into a person’s emotional state. In this thesis, one of the largest facial emotion recognition datasets, the AffectNet dataset, was used to develop lightweight facial emotion recognition models. As most state-of-the-art FER models are highly complex and parameter-heavy, a key aspect of the thesis was to research whether smaller network architectures can achieve adequate results compared to highly complex models. For this, three lightweight model architectures – the ShuffleNet V2, ResNet-18, and small Swin Transformer – were evaluated. The ResNet-18 backbone model performed the best, with an accuracy of 0.4721 and was selected for further analysis. To achieve high per- formance despite the model’s lightweight nature, different data preprocessing techniques as well as data augmentation techniques were tested and compared on the ResNet-18. To address the dataset’s class imbalance problem, using a weighted loss function further improved the model’s accuracy to 0.5274. Using different data augmentation techniques during model training yielded even better results. Random rotation (±20◦ ) achieved the highest single-augmentation accuracy (0.5784), while an augmentation composition further improved the accuracy to 0.5916. This score is relatively close to the accuracy achieved by state-of-the-art models tested on the same dataset, such as the POSTER model, which achieved an accuracy of 0.6334. The POSTER model, for instance, has approximately 6.4 times more parameters (71.8 million) than the ResNet-18 model used in this thesis (11.2 million), which underlines the efficiency of the proposed lightweight approach. Another aspect of the thesis was whether the tested data augmentation techniques influence model explainability. The impact of augmentation on model explainability was assessed using occlusion-based attributions and activation maps. The results showed that the models primarily focused on the mouth area for predicting emotions. Geometric transformations emphasized distinct features, while blurring, erasing, and noise led the models to focus on broader areas instead of local features.Author Lukas Gattermayr, BScMasterarbeit Johannes Kepler Universität Linz 202
Archives of Orthopaedic and Trauma Surgery / Cementless fixation in total knee arthroplasty: current evidence and future perspective
No full textAbstract Introduction Cementless fixation plays an increasing role in total knee arthroplasty (TKA). The objective of this review article is to analyze functional outcomes and survivorship of cementless TKA. Materials and Methods A comprehensive literature search for studies reviewing the outcome and survivorship of cementless TKA was conducted. This search was based on the PRISMA 2020 guidelines using PubMed, Medline, and Embase. The included studies were screened by two independent observers. Results From 2010 to 2022, fifteen studies were included. Eleven studies compared cementless and cemented TKA. Four studies only covered cementless implants. Survivorship and functional outcomes of cementless TKA are at least comparable to those of cemented implants. Conclusion With improvement in manufacturing, and surgical tools for more precise delivery, such as robotic assisted TKA and 3D-printed implants, one can expect increase in usage of cementless TKA, due to a more biological fixation, better survivorship, and outcomes
Verwendung großer Sprachmodelle für rechtliche Entscheidungsfindung im österreichischen Umsatzsteuerrecht: eine experimentelle Untersuchung von Retrieval-Augmented Generation und Fine-Tuning
No full textDie vorliegende Masterarbeit untersucht die Fähigkeit großer Sprachmodelle, juristisch fundierte Antworten auf steuerrechtliche Fragestellungen im österreichischen Umsatzsteuerrecht zu geben. Dabei werden zwei Ansätze zur Spezialisierung eines Large Language Models (LLMs) auf dieses Fachgebiet systematisch verglichen: Fine-Tuning und Retrieval-Augmented Generation (RAG), jeweils basierend auf GPT-4o. Fine-Tuning optimiert ein vortrainiertes Modell durch spezialisiertes Nachtrainieren mit umfangreichen Daten, um dessen Leistung in einem bestimmten Anwendungsbereich zu optimieren. Hierfür wurde ein Trainingsdatensatz basierend auf Beispielaufgaben aus Steuerbüchern, Prüfungsfragen und realen Fallbeispielen aufbereitet. RAG erweitert die Wissensbasis durch externe Informationen während der Inferenz. Dafür wurde eine spezialisierte Vektordatenbank mit steuerrechtlich relevanten Dokumenten erstellt, darunter das österreichische Umsatzsteuergesetz, die Binnenmarktrichtlinie und die österreichischen Umsatzsteuerrichtlinien, die semantisch durchsuchbar sind. Zur methodischen Evaluierung der beiden Ansätze wurde ein spezifischer Fragetyp aus dem Umsatzsteuergesetz herangezogen, der sich auf die Bestimmung des Liefer- bzw. Leistungsorts konzentriert. Dieser Aspekt eignet sich besonders für eine objektive Bewertung, da die korrekte Antwort stets in der eindeutigen Identifikation eines Liefer- bzw. Leistungsorts auf Länderebene sowie der rechtskonformen Begründung inklusive der relevanten Paragrafen besteht. Die Bewertung der Modellantworten erfolgte anhand einer mehrstufigen Methodik. Zunächst wurde eine automatisierte Analyse mittels Accuracy-Metrik durchgeführt, um die Präzision der ausgegebenen Länderzuschreibungen zu bestimmen. Basierend auf diesen Ergebnissen wurden gezielte Parameteranpassungen für Fine-Tuning und RAG vorgenommen, um die Modellleistung weiter zu optimieren. Die Antworten der Konfigurationen mit der höchsten Accuracy wurden anschließend einer manuellen Beurteilung durch drei Steuerrechtsexperten unterzogen. Ergänzend wurde untersucht, inwiefern diese besten Konfigurationen in der Lage sind, komplexe, reale Fragestellungen aus einer Steuerkanzlei zu beurteilen, um ihre Generalisierungsfähigkeit über das gesamte Umsatzsteuerrecht hinweg und deren Einsatzfähigkeit in der Praxis zu bewerten. Die Ergebnisse dieser Untersuchung liefern wertvolle Erkenntnisse über die Eignung von Fine-Tuning und RAG zur Domänenspezialisierung von großen Sprachmodellen im österreichischen Umsatzsteuerrecht. Sie zeigen auf, welche Vor- und Nachteile die beiden Ansätze in Bezug auf Genauigkeit, Erklärbarkeit und Anpassungsfähigkeit aufweisen. Darüber hinaus tragen die gewonnenen Erkenntnisse aus der Anwendung auf echte Steuerfälle zur Weiterentwicklung KI-gestützter steuerrechtlicher Assistenzsysteme in der Steuerberatung bei.This master's thesis examines the ability of large language models (LLMs) to provide legally sound answers to tax-related questions in Austrian value-added-tax (VAT) law. Two approaches for specializing a LLM in this domain are systematically compared: Fine-tuning and retrieval-augmented generation (RAG), both based on GPT-4o. Fine-tuning optimizes a pre-trained model by further training it with specialized data to improve its performance in a specific application domain. For this purpose, a training dataset was prepared using textbook VAT cases, exam questions, and real-world case studies. RAG enhances the knowledge base by incorporating external information during inference. For this purpose, a specialized vector database with documents related to VAT law was created, including the Austrian VAT Act, the Internal Market Regulation, and the VAT Directive of the Austrian Federal Ministry of Finance, which are semantically searchable. To methodically evaluate the two approaches, a specific type of question from the VAT Act was chosen, focusing on the determination of the place of supply or service provision. This aspect is particularly suitable for objective evaluation, as the correct answer always involves precisely identifying a supply or performance location at the country level, accompanied by a legally compliant justification, including the relevant sections of the VAT law. The evaluation of the model's responses was carried out through a multi-step methodology. Initially, an automated analysis was performed using accuracy metrics to determine the precision of the country assignments. Based on these results, targeted parameter adjustments were made for both fine-tuning and RAG to further optimize the model's performance. The answers from the configurations with the highest accuracy were subsequently subject to a manual assessment by three tax law experts. Furthermore, an investigation was conducted to examine how well these best-performing configurations could handle complex, real-world questions from a tax consultancy company to assess their generalization capabilities across the entire VAT law and their practical applicability. The findings of this study provide valuable insights into the suitability of fine-tuning and RAG for the domain specialization of LLMs in Austrian VAT law. They highlight the advantages and disadvantages of both approaches in terms of accuracy, explainability, and adaptability. Furthermore, the insights gained from their application to real-world VAT cases contribute to the further development of AI-assisted legal advisory systems in tax consulting.submitted by Andrea Benkel, BScAbweichender Titel laut Übersetzung der Verfasserin/des VerfassersMasterarbeit Johannes Kepler Universität Linz 202
Auditing in Europe: audit fees, audit risk and market reactions
No full textThis cumulative thesis comprises three pivotal studies that provide new empirical insights into audit market dynamics in Europe. Specifically, it examines how auditors respond to misstatement risks arising from firm-specific and macroeconomic characteristics, and how capital market participants perceive the informational benefits of auditing.
The first paper investigates the relationship between country-level corruption and audit fees across EU27 countries. Based on a sample of 29,607 firm-year observations, the paper reveals that firms based in more corrupt countries pay higher audit fees and experience longer reporting lags. This suggests that auditors consider corruption risk stemming from the broader macroeconomic environment, and respond by increasing audit fees and audit effort. This effect is also stronger after the EU audit reform became effective in 2016, thus implying that the regulatory rigor is a crucial moderator in this setting. Additional analyses indicate that the association between audit fees and corruption varies across firm industries, and that female engagement partners tend to be more sensitive to corruption risk than their male counterparts. Ultimately, the paper finds that financial reporting quality, proxied by discretionary accruals, is not adversely affected by corruption. The study contributes to the emerging research stream on external audit fee determinants and is the first to provide European evidence of the association between corruption and auditor responses.
The second paper shifts the research focus to the firm-level. Specfically, it revisits the association between firm diversification and audit fees, considering information transparency in diversified firms as a hitherto unexplored mediation path. Using a sample of 20,285 firm-year observations, the paper first documents that both geographic and industrial diversification are positively related with audit fees, reflecting greater audit operational complexity. The paper further documents an audit fee premium for firms with wider information asymmetry gaps, as proxied by bid-ask spreads. This suggests that auditors, just as capital market participants, price in potential information transparency risks. Based on these results, the paper develops a structural equation model to find that the relationship between firm geographic diversification and audit fees is partially mediated by asymmetric information. That is, geographic diversification not only drives audit operational complexity as previously noted, but simultaneously results in a loss of information transparency, contributing to audit risk and hence, audit fees. As the first European study to integrate a market-based proxy for information transparency to the audit fee model, this paper carves out a hitherto concealed dynamic behind audit fee premiums in diversified firms.
The third paper exploits a setting of voluntary audits of non-financial information under the European Non-Financial Reporting Directive to test whether the presence of an audit attenuates information uncertainty. Using a set of 530 hand-collected observations of DAX-listed firms, the paper first presents descriptive evidence portraying the audit market for non-financial statements in Germany. Subsequent regression analyses reveal that firms which opt for external assurance on their non-financial statements are associated with lower bid-ask spreads. The result suggests that auditing reduces information uncertainty on the capital market. Moreover, ESG ratings from different providers are more congruent when the non-financial statement is audited. Therefore, informational benefits of auditing seem to extend beyond capital market participants to professional rating agencies. However, mediation analysis suggests that auditing still incurs greater informational benefits compared to ESG ratings. By considering both bid-ask spreads as well as ESG rating dispersions, the paper leverages two distinct lines of non-financial information processing to shed light on potential audit outcomes. Therefore, this study contributes timely evidence to the emerging literature on non-financial information rating and auditing. By combining econometric perspectives on both audit inputs and audit outputs, the thesis uncovers a novel angle that bridges audit fees, audit risk and capital market reactions. The findings are particularly relevant to researchers, auditors, firms, and regulators.Author Markus MottingerDissertation Johannes Kepler Universität Linz 202
Novellierung des Bundes-Energieeffizienzgesetzes (EEffG): Umsetzung, Neuerungen und Auswirkungen
No full texteingereicht von DI Valentin Ehrentraut, BScMasterarbeit Johannes Kepler Universität Linz 202
Freiwilliges Engagement in soziokulturellen NPOs
No full textIn der vorliegenden Arbeit wird die Forschungsfrage erörtert, welche Faktoren das freiwillige Engagement in soziokulturellen Nonprofit-Organisationen beeinflussen und welche Strategien zu dessen langfristiger Sicherung geeignet sind. Im Theorieteil werden zunächst drei wesentliche Modelle analysiert und die bereits bekannten Erkenntnisse aus anderen Forschungen dazu erläutert. Der empirische Teil untersucht anhand eines Beispiels aus dem Bereich der soziokulturellen NPO die Forschungsfrage genauer. Zu diesem Zweck wurden unterschiedliche Interviewpartner*innen ausgewählt, die anschließend interviewt und die dabei gewonnenen Erkenntnisse entsprechend ausgewertet wurden.
Die Resultate der Untersuchung sprachen für sich. Die Faktoren, die das freiwillige Engagement beeinflussen, sind vielseitig, können aber den beiden wichtigen Faktoren soziale Motivationsfaktoren und kulturelle Motivationsfaktoren zugeordnet werden. Beide sind notwendig, um Commitment und somit eine langfristige Bindung aufzubauen und das zusätzliche Arbeitsengagement, das die Freiwilligen leisten, zu gewährleisten. In diesem Zusammenhang wird die Aufgabe der gegenwärtigen Führungskräfte einer kritischen Überprüfung unterzogen. Die Thematik der Leitungsstruktur erlangt eine entscheidende Bedeutung und verdeutlicht, dass diese Frage möglicherweise bereits vor anderen Aspekten in soziokulturellen Organisationen erörtert werden sollte.eingereicht von Martha SchmidDiplomarbeit Johannes Kepler Universität Linz 202
Anteilsübertragungen und Unternehmenswert-Anteile bei der FlexKapG – eine Analyse der Regelungen nach § 12 und § 9 Abs 6 Satz 1 FlexKapGG
No full texteingereicht von Dominik KollmerDiplomarbeit Johannes Kepler Universität Linz 202
Faktische Unmöglichkeit der Erfüllung von Nebenbestimmungen in Bescheiden
No full texteingereicht von Joachim GruberDiplomarbeit Johannes Kepler Universität Linz 2025Arbeit auf den öffentlichen PCs in den Bibliotheken der JKU+Medizin abrufba
TiRuP / Verbot von Angriffs‐ und Beißtrainings sowie einschlägiger sportlicher Betätigungen mit Hunden : Zur Änderung der Hunde‐Ausbildungsverordnung
No full textAusbildungen und Hundesportarten, die ein Angriffs- und Beißtraining auf einen durch Requisiten (Beißärmel bzw Ganzkörperanzug) geschützten Menschen beinhalten (Schutzhundesport bzw Mondioring), werden seit vielen Jahren sowohl aus Sicherheitsgründen als auch unter Tierschutzaspekten kritisch hinterfragt. Durch die 2024 erfolgte Nov des Tierschutzgesetzes wurde der zuständige Bundesminister ermächtigt, derartige Ausbildungen und Aktivitäten für privat gehaltene Hunde zu regulieren oder zu verbieten. Von dieser Möglichkeit wurde durch die Novellierung der Verordnung hinsichtlich näherer Bestimmungen über die tierschutzkonforme Ausbildung von Hunden Gebrauch gemacht. Unabhängig von ihrer Bezeichnung sind Ausbildungen und Betätigungen, die ein gegen den Menschen oder gegen von Menschen getragene Gegenstände gerichtetes Angriffs- oder Beißtraining beinhalten, für Hunde, die nicht der Diensthunde-Ausbildungsverordnung unterliegen, seit 15.4.2025 verboten; für die Weiterführung derartiger Ausbildungen ist eine Übergangsfrist bis zum 1.9.2025 vorgesehen, sofern sie nach dem 15.11.2024 begonnen wurden. Im vorliegenden Beitrag wird dieses Verbot analysiert und unter Bedachtnahme auf die einschlägige Rspr des VfGH unter dem Aspekt seiner Verfassungskonformität beleuchtet. Dabei zeigt sich ua, dass aus teleologischer Sicht – entgegen dem Wortlaut des Verbots – nicht die gesamte Schutzhundeausbildung, sondern nur jener Teil als unzulässig anzusehen ist, der das Angriffs- oder Beißtraining zum Inhalt hat
PLOS One / A comparative overview of aggregation methods of a graphical risk assessment: An analysis based on a critical infrastructure project
No full textWe compare the traditional risk and opportunity assessment method, which relies on fixed values for impacts (or potentials) and probabilities, with a graphical approach that incorporates the representation of uncertainties. To date, this graphical risk assessment method, in combination with subsequent opinion pooling, has neither been empirically studied nor validated. Therefore, its comparison with classical risk assessment remains an open question. Its significance lies in the need to validate the graphical method as a consistent generalization of the well-established classical risk assessment, which is based on expert-defined impact and probability specifications. To establish and test consistency between classical and graphical risk specifications, the latter requires appropriate aggregation methods to synthesize risk assessments from individual expert judgments—an independent challenge in itself. Therefore, various aggregation methods are introduced and tested using a case study in the field of critical infrastructure, based on expert interviews from multiple specialized domains. The collected data enables both qualitative and statistical analysis. The Kolmogorov-Smirnov and Wasserstein tests were employed to quantify differences between the methods, while overall significance was assessed using Fisher’s method. This study underscores the importance of integrating uncertainties into risk assessments and provides insights into the effectiveness and applicability of different aggregation methods