Multimedia ONline ARchiv CHemnitz
Not a member yet
4978 research outputs found
Sort by
Exploration behavior after reversals is predicted by STN-GPe synaptic plasticity in a basal ganglia model
No full textHumans can quickly adapt their behavior to changes in the environment. Classical reversal learning tasks mainly measure how well participants can disengage from a previously successful behavior but not how alternative responses are explored. Here, we propose a novel 5-choice reversal learning task with alternating position-reward contingencies to study exploration behavior after a reversal. We compare human exploratory saccade behavior with a prediction obtained from a neuro-computational model of the basal ganglia. A new synaptic plasticity rule for learning the connectivity between the subthalamic nucleus (STN) and external globus pallidus (GPe) results in exploration biases to previously rewarded positions. The model simulations and human data both show that during experimental experience exploration becomes limited to only those positions that have been rewarded in the past. Our study demonstrates how quite complex behavior may result from a simple sub-circuit within the basal ganglia pathways
Lehren aus den Verlusten deutscher Banken in der Schiffsfinanzierung
No full textDie vorliegende Dissertation untersucht die hohen Verluste deutscher Banken in der Schiffsfinanzierung nach Ausbruch der Finanzkrise 2008. Im Rahmen eines integrativen Fallstudienansatzes nach Eisenhardt wurden im Rahmen einer weitmaschigen Datensammlung Fakten zusammengetragen, welche die Geschehnisse rund um die hohen Verluste deutscher Banken aufklären helfen können. Das Ergebnis ist eine multiperspektivische Zusammenschau verschiedener Ereignisse, welche einen entscheidenden Einfluss gehabt haben können. Insbesondere das nur in Deutschland verwendete Finanzierungsmodell des Schiffsfonds bot unzureichende Anreizstrukturen und war anfällig, Opfer korrupten Verhaltens zu werden, was an internationalen Schifffahrtsmärkten ein Problem darstellt. Neben deutschen Banken verloren insbesondere deutsche Kleinanleger zweistellige Milliardenbeträge. Die Arbeit benennt allgemeine Gesetzmäßigkeiten, welche von den handelnden Akteuren nicht oder nur unzureichend beachtet wurden.:1. Einleitung
2. Stand der Forschung
3. Methodisch-theoretische Grundlagen
4. In der Arbeit verwendete Methodik
5. Durchführung der Analyse
6. Ergebnisse und Zusammenfassung
7. Abschließende Bemerkung
Anhan
Sulfonated polyphenylenes based on Armstrong’s acid as proton conducting membranes for fuel cell applications
No full textProton conducting membranes are a key component in fuel cell designs. Properties like proton conductivity, water uptake, ion exchange capacity and physiochemical stability dictate the performance and longevity of the complete fuel cell system. Designing a proton conductiting membrane takes several factors, such as monomer choice and their respective functionalization into account. Besides that, economically favourable reactions as well as environmental compability have to be considered. This work demonstrates the development of a fuel cell membrane material starting from broadly available, cost-efficient educts. Few reaction steps, also including cost-efficient reagents, have been employed in order to obtain a doubly sulfonated monomer based on naphthalene-1,5-disulfonic acid (Armstrong´s acid) suitable for polymerizations. Suzuki polycondensation of the given monomer partly yielded processable films for further investigation. A cost-efficient, atom-economic deprotection stategy was developed for sulfonated polyphenylenes, yielding proton conducting membranes. Further modification of the backbone structure, by incorporating an excess of hydrophobic meta,meta,meta-terphenylene units, led towards balanced properties of the material. The impact of polymer constitution, was investigated and discussed via the implementation of para,meta,para-substituted instead of meta,meta,meta-substituted terphenylene. Alternating and statistical copolymers including para,meta,para-substituted terphenylene were developed and investigated. The reported proton conducting membranes pose suitable and promising candidates for fuel cell applications
Simulation von linearen Vibrationsförderern mit dem MKS Prinzip
No full textBei der Arbeit mit Vibrationsförderern ist die korrekte Beschreibung der Schwingungsbewegung die Grundlage für viele Auslegungs- und Entwicklungsaufgaben. Mit steigender Komplexität des Schwingungssystems treten vermehrt Wechselwirkungen und Synchronisationseffekte zwischen den Schwingungsmassen auf. Infolge dieser dynamischen Effekte ist die Berechnung der Schwingungsbewegung oft eine große Herausforderung. Die vorliegende Arbeit beschäftigt sich mit der Abbildung von Vibrationsförderern in Mehrkörpersystemen zur Simulation und Vorhersage des Bewegungsverhaltens. Durch die Abbildung verschiedener Antriebsformen und Verwendung eines parametrisierbaren Modellaufbaus besteht die Möglichkeit einer weitreichenden Simulation von Vibrationsförderern.
In der vorliegenden Arbeit werden in der Software SimulationX zur Simulation Modelle der üblichen Antriebsformen und Schwingungssysteme von Vibrationsförderern erstellt. Im Anschluss werden die Simulationsmodelle mit Messwerten eines selbst entwickelten Versuchsaufbaus und weiteren Förderern verglichen. Nachdem sich die realen Systeme in guter Art und Weise im Simulationsaufbau abbilden ließen, werden Anwendungsszenarien für den Einsatz der Simulation vorgestellt. Diese umfassen die Förderorganbewegung und Kippeinflüsse, Fördergeschwindigkeitsbetrachtungen, das Resonanzverhalten und die Untersuchung von Synchronisationseffekten.When working with vibratory conveyors, the correct description of the vibratory motion is the basis for many design and development tasks. As the complexity of the vibration system increases, interactions and synchronisation effects between the vibrating masses occur more frequently. As a result of these dynamic effects, the calculation of the vibratory motion is often a major challenge. This thesis deals with the mapping of vibratory conveyors in multi-body systems for the simulation and prediction of the movement behaviour. By mapping different drive types and using a parameterizable model structure, it is possible to carry out a far-reaching simulation of vibratory conveyors.
In this thesis, models of the usual drive forms and vibration systems of vibratory conveyors are created in the software for simulation SimulationX. The simulation models are then compared with measured values from a self-developed test setup and other conveyors. After the real systems could be modelled in a good way in the simulation setup, application scenarios for the use of the simulation are presented. These include the conveyor movement and tilting influences, conveyor speed considerations, resonance behaviour and the investigation of synchronisation effects
Biologically Inspired Hexagonal Deep Learning for Hexagonal Image Processing
No full textWhile current approaches to digital image processing within the context of machine learning and deep learning are motivated by biological processes within the human brain, they are, however, also limited due to the current state of the art of input and output devices as well as the algorithms that are concerned with the processing of their data. In order to generate digital images from real-world scenes, the utilized digital images' underlying lattice formats are predominantly based on rectangular or square structures. Yet, the human visual perception system suggests an alternative approach that manifests itself within the sensory cells of the human eye in the form of hexagonal arrangements. As previous research demonstrates that hexagonal arrangements can provide different benefits to image processing systems in general, this contribution is concerned with the synthesis of both worlds in the form of the biologically inspired hexagonal deep learning for hexagonal image processing.
This contribution is therefore concerned with the design, the implementation, and the evaluation of hexagonal solutions to currently developed approaches in the form of hexagonal deep neural networks. For this purpose, the respectively realized hexagonal functionality had to be built from the ground up as hexagonal counterparts to otherwise conventional square lattice format based image processing and deep learning based systems. Furthermore, hexagonal equivalents for artificial neural network based operations, layers, as well as models and architectures had to be realized. This also encompasses the related evaluation metrics for hexagonal lattice format based representations of digital images and their conventional counterparts in comparison. Therefore, the developed hexagonal image processing and deep learning framework Hexnet functions as a first general application-oriented open science framework for hexagonal image processing within the context of machine learning.
To enable the evaluation of hexagonal approaches, a set of different application areas and use cases within conventional and hexagonal image processing – astronomical, medical, and industrial image processing – are provided that allow an assessment of hexagonal deep neural networks in terms of their classification capabilities as well as their general performance. The obtained and presented results demonstrate the possible benefits of hexagonal deep neural networks and their hexagonal representations for image processing systems. It is shown that hexagonal deep neural networks can result in increased classification capabilities given different basic geometric shapes and contours, which in turn partially translate into their real-world applications. This is indicated by a relative improvement in F1-score for the proposed hexagonal and square models, ranging from 1.00 (industrial image processing) to 1.03 (geometric primitives) with single classes even reaching a relative improvement of over 1.05. However, possible disadvantages are also given by the increased complexity of hexagonal algorithms. This is evident by the present potential in regard to runtime optimizations that have yet to be realized for certain hexagonal operations in comparison to their currently deployed square equivalents.:1 Introduction and Motivation
2 Fundamentals and Methods
3 Implementation
4 Test Results, Evaluation, and Discussion
5 Conclusion and Outloo
Zum Einfluss der Oberflächenbeschaffenheit metallischer Verbundpartner auf die Grenzflächeneigenschaften von Kunststoff-Metall-Verbunden
Get PDFDas Verständnis über die Ausbildung der Grenzfläche eines hybriden Bauteils aus thermoplastischem Kunststoff und Metall sowie die maßgeblichen Faktoren zum Erreichen einer hohen Verbundhaftung und Mediendichtheit in der Grenzfläche stellen nach wie vor eine große Herausforderung dar. Am Beispiel einer spritzgegossenen Kunststoff-Metall-Verbundprobe werden diese Zusammenhänge untersucht und bewertet. Es wird eine Methode zur Herstellung stoffschlüssig gefügter Verbunde mit hoher Mediendichtheit auf Basis einer hohen Kontakttemperatur beim Fügen entwickelt, indem Verbundspritzgießen und nachträgliches thermisches Fügen durch Induktionsheizen kombiniert werden. Eine stoffschlüssige Verbindung mit hoher Mediendichtheit zwischen thermoplastischem Kunststoff und Metall erfordert eine Haftung in der Grenzfläche der Verbundpartner auf Basis intermolekularer Wechselwirkungen. Die Quantifizierung der Mediendichtheit in der Grenzfläche erfolgt über eine eigens entwickelte Messmethode. Die entwickelte Vorgehensweise ermöglichet die Differenzierung zwischen intermolekularen Wechselwirkungen und mechanischen Verklammerungen als Ursache für eine Haftungsausbildung und deren Einfluss auf die Grenzflächeneigenschaften. Die gewonnenen Erkenntnisse tragen zum Verständnis der Grenzflächenausbildung, insbesondere zum Einfluss der Oberflächenbeschaffenheit des metallischen Verbundpartners sowie der Fügeprozessbedingungen zur Fertigung von Kunststoff-Metall-Verbunden mit hoher Mediendichtheit, bei.:1 Einleitung und Motivation
2 Stand der Technik und Forschung
3 Zielsetzung und Lösungsansatz
4 Experimentelles
5 Analytik
6 Ergebnisse
7 Diskussion der Ergebnisse
8 Zusammenfassung und AusblickUnderstanding the formation of the interface of a hybrid component made of thermoplastic and metal as well as the decisive factors for achieving high adhe-sion and media tightness in the interface still represent a major challenge. These relationships are investigated and elucidated using the example of an injection-molded plastic-metal part. A method for the production of firmly bonded hybrid parts with high media tightness based on a high contact temperature during joining of the hybrid part is developed by combining injection molding and subsequent thermal joining by induction heating. A firm bond with high media tightness between a thermoplastic and a metal requires an adhesion in the inter-face of the joint materials based on molecular interactions. The quantification of the media tightness in the interface is done by using a specially developed measurement method. The investigations enable the differentiation between molecular interactions and mechanical interlocking as the cause of adhesion formation and their influence on the properties of the interface. The gained knowledge contributes to the understanding of interface formation and its prop-erties, in particular the influence of the surface properties of the metallic bond partner and the joining process conditions for the production of plastic-metal parts with high media tightness.:1 Einleitung und Motivation
2 Stand der Technik und Forschung
3 Zielsetzung und Lösungsansatz
4 Experimentelles
5 Analytik
6 Ergebnisse
7 Diskussion der Ergebnisse
8 Zusammenfassung und Ausblic
Improving Deep Learning-based Object Detection Algorithms for Omnidirectional Images by Simulated Data
No full textPerception, primarily through vision, is a vital human ability that informs decision-making and interactions with the world. Computer Vision, the field dedicated to emulating this human capability in computers, has witnessed transformative progress with the advent of artificial intelligence, particularly neural networks and deep learning. These technologies enable automatic feature learning, eliminating the need for laborious hand-crafted features. The increasing global demand for artificial intelligence applications across various industries, however, raises concerns about data privacy and access. This dissertation addresses these challenges by proposing solutions that leverage synthetic data to preserve privacy and enhance the robustness of computer vision algorithms. The primary objective of this dissertation is to reduce the dependence on real data for modern image processing algorithms by utilizing synthetic data generated through computer simulations. Synthetic data serves as a privacy-preserving alternative, enabling the generation of data in scenarios that are difficult or unsafe to replicate in the real world. While purely simulated data falls short of capturing the full complexity of reality, the dissertation explores methods to bridge the gap between synthetic and real data. The dissertation encompasses a comprehensive evaluation of the synthetic THEODORE dataset, focusing on object detection using Convolutional Neural Networks. Fine-tuning CNN architectures with synthetic data demonstrates remarkable performance improvements over relying solely on real-world data. Extending beyond person recognition, these architectures exhibit the ability to recognize various objects in real-world settings. This work also investigates real-time performance and the impact of barrel distortion in omnidirectional images, underlining the potential of using synthetic data. Furthermore, the dissertation introduces two unsupervised domain adaptation methods tailored for anchorless object detection within the CenterNet architecture. The methods effectively reduce the domain gap when synthetic omnidirectional images serve as the source domain, and real images act as the target domain. Qualitative assessments highlight the advantages of these methods in reducing noise and enhancing detection accuracy. The dissertation concludes with creating an application within the Ambient Assisted Living context to realize the concepts. This application encompasses indoor localization heatmaps, human pose estimation, and activity recognition. The methodology leverages synthetically generated data, unique object identifiers, and rotated bounding boxes to enhance tracking in omnidirectional images. Importantly, the system is designed to operate without compromising privacy or using sensitive images, aligning with the growing concerns of data privacy and access in artificial intelligence applications.Die Wahrnehmung, insbesondere durch das Sehen, ist eine entscheidende menschliche Fähigkeit, die die Entscheidungsfindung und die Interaktion mit der Welt beeinflusst. Die Computer Vision, das Fachgebiet, das sich der Nachahmung dieser menschlichen Fähigkeit in Computern widmet, hat mit dem Aufkommen künstlicher Intelligenz, insbesondere neuronaler Netzwerke und tiefem Lernen, eine transformative Entwicklung erlebt. Diese Technologien ermöglichen das automatische Erlernen von Merkmalen und beseitigen die Notwendigkeit mühsamer, handgefertigter Merkmale. Die steigende weltweite Nachfrage nach Anwendungen künstlicher Intelligenz in verschiedenen Branchen wirft jedoch Bedenken hinsichtlich des Datenschutzes und des Datenzugriffs auf. Diese Dissertation begegnet diesen Herausforderungen, indem sie Lösungen vorschlägt, die auf synthetischen Daten basieren, um die Privatsphäre zu wahren und die Robustheit von Computer-Vision Algorithmen zu steigern. Das Hauptziel dieser Dissertation besteht darin, die Abhängigkeit von realen Daten für moderne Bildverarbeitungsalgorithmen durch die Verwendung von synthetischen Daten zu reduzieren, die durch Computersimulationen generiert werden. Synthetische Daten dienen als datenschutzfreundliche Alternative und ermöglichen die Generierung von Daten in Szenarien, die schwer oder unsicher in der realen Welt nachzustellen sind. Obwohl rein simulierte Daten die volle Komplexität der Realität nicht erfassen, erforscht die Dissertation Methoden zur Überbrückung der Kluft zwischen synthetischen und realen Daten. Die Dissertation umfasst eine Evaluation des synthetischen THEODORE-Datensatzes mit dem Schwerpunkt auf der Objekterkennung mithilfe von Convolutional Neural Networks. Das Feinabstimmen dieser Architekturen mit synthetischen Daten zeigt bemerkenswerte Leistungssteigerungen im Vergleich zur ausschließlichen Verwendung von realen Daten. Über die Erkennung von Personen hinaus zeigen diese Architekturen die Fähigkeit, verschiedene Objekte in realen Umgebungen zu erkennen. Untersucht wird auch die Echtzeit-Performance und der Einfluss der tonnenförmigen Verzerrung in omnidirektionalen Bildern und betont das Potenzial der Verwendung synthetischer Daten. Darüber hinaus führt die Dissertation zwei nicht überwachte Domänenanpassungsmethoden ein, die speziell für die ankerlose Objekterkennung in der CenterNetArchitektur entwickelt wurden. Die Methoden reduzieren effektiv die Domänenlücke, wenn synthetische omnidirektionale Bilder als Quelldomäne und reale Bilder als Zieldomäne dienen. Qualitative Bewertungen heben die Vorteile dieser Methoden bei der Reduzierung von Störungen und der Verbesserung der Erkennungsgenauigkeit hervor. Die Dissertation schließt mit der Entwicklung einer Anwendung im Kontext von Ambient Assisted Living zur Umsetzung der Konzepte. Diese Anwendung umfasst Innenlokalisierungskarten, die Schätzung der menschlichen Körperhaltung und die Erkennung von Aktivitäten. Die Methodologie nutzt synthetisch generierte Daten, eindeutige Objektidentifikatoren und rotierte Begrenzungsrahmen, um die Verfolgung in omnidirektionalen Bildern zu verbessern. Wichtig ist, dass das System entwickelt wurde, um ohne Beeinträchtigung der Privatsphäre oder Verwendung sensibler Bilder zu arbeiten, was den wachsenden Bedenken hinsichtlich des Datenschutzes und des Zugriffs auf Daten in Anwendungen künstlicher Intelligenz entspricht
Investigation of the Potential of Optimal Experimental Design and Symbolic Regression for Thermodynamic Property Modeling
No full textIn chemical and energy engineering, it is crucial to understand the thermodynamic properties of fluids and solids and their phase behavior. Equations of state have been proven to be extremely helpful in representing these properties. Today, the most accurate modeling approaches for equations of state are empirical methods. These methods typically depend on the expert knowledge of the modeler, as well as on the quantity and quality of the available data. To accelerate the modeling process, the potential of symbolic regression, a method that not only fits the parameters of a given model, but also seeks its functional form, is investigated.
Accurate modeling of thermodynamic properties is impossible, without a reliable data base. While different data acquisition methods exist, carefully conducted measurements are the most important data acquisition method. However, setting up experiments and conducting the measurements are often time-consuming and expensive. Therefore, reducing the experimental effort without sacrificing information for model development is highly desirable.
Optimal experimental design is a methodology for planning measurements
that aims to be the most informative regarding the uncertainty in parameter estimates or predictions of a given model. In the present thesis, the optimal experimental design algorithm was adapted to consider different equilibrium times for changes in temperature and pressure.
The main problems for the individual application of symbolic regression and optimal experimental design are that for symbolic regression,
there are often not enough data available, and for optimal experimental design, the underlying model is rarely known. For this reason, the potential of combining optimal experimental design with symbolic regression for efficient thermodynamic property modeling was investigated within an iterative data acquisition and modeling process.
Optimal experimental design and symbolic regression, individually and together, were found to have the potential to accelerate the data acquisition and modeling of thermodynamic properties, which is also of interest for other applications.:Nomenclature
Abstract
Kurzfassung
Introduction
Results
Summary and Outlook
Bibliography
AppendixIn der Chemie- und Energietechnik ist es von entscheidender Bedeutung, die thermodynamischen Eigenschaften von Flüssigkeiten und Feststoffen und ihr Phasenverhalten zu verstehen. Zustandsgleichungen haben sich bei der Darstellung dieser Eigenschaften als äußerst hilfreich erwiesen. Die genauesten Modellierungsansätze für Zustandsgleichungen sind heute empirische Methoden. Diese Methoden hängen in der Regel vom Fachwissen des Modellierers sowie von der Menge und Qualität der verfügbaren Daten ab. Um den Modellierungsprozess zu beschleunigen, wird das Potenzial der symbolischen Regression untersucht, einer Methode, die nicht nur die Parameter eines gegebenen Modells anpasst, sondern auch dessen funktionale Form sucht.
Eine genaue Modellierung der thermodynamischen Eigenschaften ist ohne eine zuverlässige Datenbasis nicht möglich. Zwar gibt es verschiedene Methoden der Datenerfassung, doch sind sorgfältig durchgeführte Messungen die wichtigste Methode der Datenerfassung. Der Aufbau von Experimenten und die Durchführung der Messungen sind jedoch oft zeitaufwändig und teuer. Daher ist es äußerst wünschenswert, den experimentellen Aufwand zu verringern, ohne dabei Informationen für die Modellentwicklung zu verlieren.
Optimale Versuchsplanung ist eine Methodik zur Planung von Messungen
die darauf abzielt, die Unsicherheit in den Parameterschätzungen oder Vorhersagen eines gegebenen Modells so informativ wie möglich zu gestalten. In der vorliegenden Arbeit wurde der Algorithmus für die optimale Versuchsplanung so angepasst, dass unterschiedliche Gleichgewichtszeiten für Temperatur- und Druckänderungen berücksichtigt werden.
Die Hauptprobleme bei der individuellen Anwendung von symbolischer Regression und optimaler Versuchsplanung sind, dass für die symbolische Regression
oft nicht genügend Daten zur Verfügung stehen und bei der optimalen Versuchsplanung das zugrunde liegende Modell selten bekannt ist. Aus diesem Grund wurde das Potenzial der Kombination von optimaler Versuchsplanung und symbolischer Regression für eine effiziente Modellierung thermodynamischer Eigenschaften im Rahmen eines iterativen Datenerfassungs- und Modellierungsprozesses untersucht.
Es wurde festgestellt, dass die optimale Versuchsplanung und die symbolische Regression, sowohl einzeln als auch zusammen, das Potenzial haben, die Datenerfassung und Modellierung thermodynamischer Eigenschaften zu beschleunigen, was auch für andere Anwendungen von Interesse ist.:Nomenclature
Abstract
Kurzfassung
Introduction
Results
Summary and Outlook
Bibliography
Appendi
Entwicklung und Evaluierung einer Intervention zum besseren Verständnis einfacher dynamischer Systeme
No full textKlimawandel, Staatsdefizit, COVID-19, das eigene Bankkonto oder der Wasserstand in der Badewanne – dynamische Systeme unterschiedlichster Komplexität umgeben uns alle ständig. Da sich dynamische Systeme unablässig verändern, müssen auch wir Menschen immer wieder unser Verhalten anpassen, um unser Leben innerhalb der Systeme möglichst angenehm zu gestalten – bspw. die Erderwärmung begrenzen, das Staatsdefizit senken, die Ausbreitung von Pandemien zumindest verlangsamen, fürs Alter ansparen oder die Badewanne am Überlaufen hindern. Jedoch gelingt es uns nicht immer, alle unsere Ziele zu erreichen, was u.a. daran liegt, dass wir häufig die Struktur des dynamischen Systems nicht komplett verstehen und statt antizipierend Handlungen einzuleiten meist erst reaktiv handeln, wenn die Auswirkungen unseres (Nichts-)Tuns bereits offensichtlich sind. Dann ist ein Umsteuern im System jedoch i.d.R. deutlich schwieriger. Es gibt eine Vielzahl an Befunden, die darlegen, dass Menschen nicht erst bei komplexen dynamischen Systemen wie der oben genannten Klimakrise oder der Corona-Pandemie Probleme haben, das System zu verstehen. Selbst bei sehr einfachen dynamischen Systemen, bei denen man sich nur die Entwicklung von zwei Größen (Zu- und Abfluss) über die Zeit hinweg anschaut, fällt es vielen Menschen schwer, die Auswirkungen auf eine dritte Größe (den Bestand) richtig vorher zu sagen. Die Überlegung liegt nahe, dass wenn selbst diese basalen dynamischen Systeme (man spricht von sogenannten Stock Flow Systemen) nicht richtig verstanden werden, ein Verständnis der komplexen Systeme erst recht schwerfällt. Das Ziel der vorliegenden Dissertation war es, herauszufinden, worin das schlechte Verständnis von Stock Flow (SF) Systemen begründet liegt und welche Denkmuster für ein gutes Verständnis dieser einfachen dynamischen Systeme förderlich sind. Auf dieser Basis wurde eine einfache und kurze Intervention entwickelt, die es ermöglichen sollte, das Verhalten von SF Systemen verstehen und vorhersagen zu können. Nachdem zu Beginn der Dissertation ein systematischer Überblick über bisher unternommene Interventions- und Trainingsversuche und deren Wirkung auf das SF Verständnis gegeben wird, folgen drei experimentelle Teile und eine abschließende Diskussion. Der experimentelle Teil beginnt mit einer Laut Denken Studie, die untersuchte, welche Denkprozesse bei Lösern und Nichtlösern von SF Aufgaben während der Bearbeitung dieser Aufgaben auftreten. Die Denkmuster wurden mittels Thematischer Analyse zu Themen zusammengefasst, um daraus Interventionen für die dritte experimentelle Untersuchung der Dissertation abzuleiten. Die erste Studie diente zudem dazu den Einfluss einer generellen (GPS) gegenüber einer konventionellen Problemlösestrategie (CPS) auf die Lösungsrate von SF Aufgaben zu untersuchen. Im zweiten experimentellen Teil wurde untersucht, inwiefern das Erhebungssetting Einfluss auf die erfasste SF Leistung hat. Die meisten Studien bisher wurden papierbasiert erhoben. Die Intervention im dritten experimentellen Teil sollte jedoch online erfolgen, um eine größere Zahl von Personen zu erreichen. Dieses zweite Experiment diente daher dazu eine Baseline vor der Interventionsstudie zu etablieren. Insgesamt 171 Personen bearbeiteten entweder mit Papier und Bleistift vor Ort oder online über einen PC dieselben Aufgaben. Es zeigten sich höhere Lösungsraten für das Online-Setting gegenüber dem papierbasierten Ansatz. Eine mögliche Erklärung dafür ist Selbstselektion durch einen relativ hohen Dropout von Probanden in der Online-Studie nachdem sie die Aufgaben gesehen hatten. Von den Probanden vor Ort im Labor brach keiner die Datenerhebung ab. Neben dem Einfluss des Settings wurde in der zweiten Studie zudem untersucht, ob der in der Laut Denken Studie gefundene vorteilhafte Effekt einer GPS- gegenüber einer CPS-Strategie auch in einer größeren Stichprobe bestand hat. Dem war so. Einen noch deutlich größeren Effekt auf die Lösungsrate in beiden Experimenten hatte das Geschlecht der Probanden (Männer schnitten deutlich besser ab als Frauen). Interesse an und Note in Mathematik sowie ein Ausbildungshintergrund im MINT-Bereich waren darüber hinaus ebenfalls gute Prädiktoren für die SF Leistung. Im dritten experimentellen Teil schließlich wurden die bisherigen Erkenntnisse gebündelt, um eine kompakte, online präsentierbare Intervention zu entwickeln, die das Verständnis einfacher dynamischer Systeme erhöhen sollte. 241 Probanden nahmen in einer Initialerhebung t0 in einer von drei Bedingungen an der Studie teil. Hypothesenkonform schnitt die Kontrollgruppe am schlechtesten, die EG 2 am besten ab. Im Anschluss an die Aufgabenbearbeitung bekamen alle Probanden die korrekten Lösungen samt erklärendem Lösungsweg rückgemeldet. Um zu schauen, ob die Interventionseffekte auch mittel- und langfristig stabil waren und ob das Feedback am Studienende einen positiven Einfluss auf zukünftige SF Leistungen hatte, erfolgten zwei weitere Erhebungen ohne zusätzliche Interventionen nach zwei Monaten und erneut nach zweieinhalb Jahren. Zum ersten Nacherhebungszeitpunkt gab es noch 129, zum zweiten 73 auswertbare Datensätze. Während die Lösungsraten bei der ersten Nacherhebung verglichen mit t0 über alle Gruppen anstiegen, sanken sie nach zweieinhalb Jahren zwar wieder etwas ab, lagen im Mittel aber immer noch über denen von t0. Der Interventionseffekt zwischen den Gruppen war selbst nach dieser langen Zeit deskriptiv noch sichtbar. Obgleich die Intervention nicht alle Teilnehmer erreichte, so erzielten die Personen, die von der kurzen Intervention profitierten, einen nachhaltigen Erkenntnisgewinn. Verschiedene Personencharakteristika wie Geschlecht, Mathematiknote und Motivation beeinflussten die gezeigte SF Leistung mit. Der letzte Teil dieser Dissertation fasst die Befunde zusammen, diskutiert potentielle Einschränkungen und gibt einen Ausblick auf mögliche Anschlussfragestellungen. So wurden in der Dissertation essentielle Denkprozesse identifiziert, die Löser von SF Aufgaben durchlaufen, Nichtlöser hingegen nicht. Die Arbeit zeigte einen vorteilhaften Effekt bei Nutzung einer generellen gegenüber einer konventionellen Problemlösestrategie und durch ein nur 20-minütiges Programm, welches verschiedene Interventionsansätze kombinierte, konnte ich einen langfristig positiven Effekt auf das SF Verständnis erzielen. Zukünftige Arbeiten sollten einen Fokus darauf legen Personen mit einem niedrigen Grundverständnis für dynamische Systeme für eine Intervention zu gewinnen, da diese Personengruppe das Experiment überproportional oft abbrach, gleichzeitig aber vermutlich besonders stark von einer entsprechenden Intervention profitieren könnte. Die Untersuchung inwiefern ein gesteigertes Verständnis einfacher dynamischer Systeme auch zu einem besseren Verständnis komplexer dynamischer Systeme im Alltag führt stellt eine von mehreren spannenden Anschlussfragestellungen dar.:Danksagung
Anmerkung zur geschlechtsneutralen Formulierung
Zusammenfassung
Inhaltsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
1. Einleitung
2. Theoretische Grundlagen zum Verständnis dynamischer Systeme
2.1 Komplexe dynamische Systeme, Systems Thinking, System Dynamics und Stock Flow
2.1.1 Komplexe dynamische Systeme
2.1.2 Systems Thinking
2.1.3 System Dynamics
2.1.4 Stock Flow als Basis-Element komplexer dynamischer Systeme
2.2 Praktische Relevanz – Warum sollte jeder dynamische Systeme verstehen
2.2.1 Beispiele für die Bedeutung im Alltag
2.2.2 Probleme beim Stock Flow Verständnis
2.3 Bisher untersuchte Interventionsansätze bei Stock Flow Aufgaben
2.3.1 Einfach zu manipulierende Größen
2.3.2 Schwierig experimentell zu manipulierende Aspekte/ in der Person liegende
Variablen
2.3.3 Instruktions-/Trainingsansätze
2.4 Interventionsansätze bei anderen kognitiven Aufgaben
2.5 Offene Fragen
2.6 Erforschen, wo das Problem liegt – Lautes Denken
2.7 Evaluation eines Interventionsansatzes
2.8 Zielsetzungen und untersuchte Fragestellungen
3 Worin liegen die Verständnisschwierigkeiten bei Stock Flow Aufgaben begründet?
Eine Laut Denken Studie
3.1 Theorie
3.1.1 Qualitative Fragestellungen
3.1.2 Quantitative Hypothesen
3.2 Methode
3.2.1 Stichprobe
3.2.2 Materialien
3.2.3 Design und Versuchsdurchführung
3.3 Ergebnisse
3.3.1 Quantitative Auswertung
3.3.2 Qualitative Auswertung
3.4 Diskussion
4 Sind verschiedene Erhebungsmodi vergleichbar und hat der Einfluss der Problem-
lösestrategie bestand?
4.1 Theorie
4.2 Methode
4.2.1 Stichprobe
4.2.2 Materialien
4.2.3 Design und Versuchsdurchführung
4.3 Ergebnisse
4.4 Diskussion
5 Eine Intervention für ein nachhaltig besseres Stock Flow Verständnis
5.1 Erstellung und Erprobung des Interventionsprogramms
5.1.1 Einleitung
5.1.2 Methode
5.1.2.1 Stichprobe
5.1.2.2 Materialien
5.1.2.3 Design und Versuchsdurchführung
5.1.3 Ergebnisse
5.1.4 Diskussion
5.2 Nacherhebung und Evaluation des Interventionsprogramms
5.2.1 Einleitung
5.2.2 Methode
5.2.2.1 Stichprobe
5.2.2.2 Materialien
5.2.2.3 Design und Versuchsdurchführung
5.2.3 Ergebnisse
5.2.4 Diskussion der Nacherhebungen und Bewertung der Interventionsstudie gesamt
6 Generelle Diskussion
6.1 Zusammenfassung der durchgeführten Studien
6.2 Ziele und Ergebnisse der Studien
6.3 Mögliche Einschränkungen der Untersuchungen
6.4 Unerwartete Befunde und denkbare Ursachen
6.5 Weitere Forschung zur Verbesserung der Lösungsraten bei Stock Flow Aufgaben
6.6 Praktische Implikationen für künftige Interventionsansätze
6.7 Fazit/ Schlusswort
Literaturverzeichnis
Anhang ............................................................................................................. 238
ANHANG A.1
ANHANG A.2
ANHANG A.3
ANHANG B.1
ANHANG B.2
ANHANG B.3
ANHANG C.1
ANHANG C.2
ANHANG C.3
ANHANG C.4
ANHANG C.
A methodological framework for virtual testing of IMU-based body-attached sensor networks for gesture recognition
No full textThis work aims to introduce a methodology for the virtual assessment of inertial measurement unit (IMU)-based Body-Attached Sensor Networks (BASNs) for gesture recognition. This design framework consists of three main parts: (i) multibody modelling of the human upper body, (ii) simulation of human gestures along with data acquisition from modelled IMUs, and (iii) determination of the optimal number of sensors to include in the network along with their placements on the body. By using simulation, the boundary conditions of BASNs can be assessed in a short time without the need for costly and time-consuming user studies