Repository der Technischen Hochschule Ingolstadt
Not a member yet
4170 research outputs found
Sort by
Fast and Reliable Acquisition of Truth Data for Document Analysis using Cyclic Suggest Algorithms
No full text
HAMLET: A modular agent-based Python framework for energy markets and systems
No full textHAMLET is an agent-based Python framework designed to model the intricate interactions between energy markets, systems, and stakeholders. Its modular architecture provides a flexible and adaptable platform for analyzing complex energy systems. With numerous pre-built templates for energy system components, HAMLET enables researchers to focus on their area of expertise without the need to develop the surrounding ecosystem from scratch. By integrating market and system dynamics, HAMLET supports diverse applications, including market design optimization, grid management, policy refinement, and energy management system development. HAMLET delivers detailed insights into the technical, economic, and social impacts of new system designs, addressing a critical gap in energy system modeling
Studierende, Lehrende, Third Space - durch ein TAP eine Lehrveranstaltung gemeinsam verbessern
No full textWenn Lehrende eine Lehrveranstaltung didaktisch-methodisch umgestalten, sind sie an einem zeitnahen Feedback ihrer Studierenden interessiert, um auf Schwierigkeiten noch im laufenden Semester reagieren zu können. Die qualitative Evaluationsmethode Teaching Analysis Poll (TAP) bietet Lehrenden und Studierenden die Möglichkeit, in einer konkreten Lehrveranstaltung in einen Austausch auf Augenhöhe über die Lernprozesse zu treten. Unterstützung erhalten sie dabei durch die TAP-Moderation, d. h. durch geschulte Mitarbeitende aus dem Third Space, die den Prozess begleiten. Die Beteiligten profitieren von einem TAP auf unterschiedliche Weise.
An der Universität Oldenburg (UOL) konnten in mehreren TAPs Erkenntnisse zum Einsatz aktivierender und partizipativer Lehrmethoden gewonnen werden, etwa zu Problemen in der Kommunikation und Transparenz in Bezug auf die Prüfungsleistung, die in die Konzeption von MINT-spezifischen hochschuldidaktischen Weiterbildungsangeboten einfließen werden
Von der Studienorientierung bis zum Berufseinstieg: Potenziale der Science Camps der Allianz THÜRING
No full textScience Camps der Allianz THÜRING bieten Studierenden ingenieurwissenschaftlicher Studiengänge in Thüringen regelmäßig die Möglichkeit, in interdisziplinären Teams fächerübergreifende Themen zu bearbeiten. Die Umsetzung erfolgt in Zusammenarbeit mehrerer Hochschulen, wobei Studierende aller Thüringer Allianz-Hochschulen teilnehmen.
Im Beitrag werden die Erfahrungen mit Science Camps vorgestellt, die von 2022 bis 2024 an der TU Ilmenau durchgeführt wurden. Diese richteten sich an Teilnehmende verschiedener Phasen des Student Life Cycle: Studienorientierung und -einstieg, Bachelor- sowie Masterstudium.
Der hochschulübergreifende Ansatz und die Heterogenität der individuellen Voraussetzungen und Motive der Teilnehmenden führten zu speziellen methodischen und organisatorischen Ansätzen. Im Beitrag wird auf das Feedback der Teilnehmenden und Mitwirkenden eingegangen. Die umfassende Einbindung Studierender erwies sich als wertvoll für deren fachliche und überfachliche Kompetenzentwicklung
Artificial intelligence predicts c-KIT exon 11 genotype by phenotype in canine cutaneous mast cell tumors: Can human observers learn it?
No full textCanine cutaneous mast cell tumors (ccMCTs) are frequent neoplasms with variable biological behaviors. Internal tandem duplication mutations in c-KIT exon 11 (c-KIT-11-ITD) are associated with poor prognosis but predict therapeutic response to tyrosine kinase inhibitors. In a previous work, deep learning algorithms managed to predict the presence of c-KIT-11-ITD on digitalized hematoxylin and eosin-stained histological slides (whole-slide images, WSIs) in up to 87% of cases, suggesting the existence of morphological features characterizing ccMCTs carrying c-KIT-11-ITD. This 3-stage blinded study aimed to identify morphological features indicative of c-KIT-11-ITD and to evaluate the ability of human observers to learn this task. 17 untrained pathologists first classified 8 WSIs and 200 image patches (highly relevant for algorithmic classification) of ccMCTs as either positive or negative for c-KIT-11-ITD. Second, they self-trained to recognize c-KIT-11-ITD by looking at the same WSIs and patches correctly sorted. Third, pathologists classified 15 new WSIs and 200 new patches according to c-KIT-11-ITD status. In addition, participants reported microscopic features they considered relevant for their decision. Without training, participants correctly classified the c-KIT-11-ITD status of 63%–88% of WSIs and 43%–55% of patches. With self-training, 25%–38% of WSIs and 55%–56% of patches were correctly classified. High cellular pleomorphism, anisokaryosis, and sparse cytoplasmic granulation were commonly suggested as features associated with c-KIT-11-ITD-positive ccMCTs, none of which showed reliable predictivity in a follow-up study. The results indicate that transfer of algorithmic skills to the human observer is difficult. A c-KIT-11-ITD-specific morphological feature remains to be extracted from the artificial intelligence model
