Digital Library of Gesellschaft für Informatik e.V.
Not a member yet
40758 research outputs found
Sort by
UniGoal: Ein Unterstützungstool für SMARTe Lernziele
No full textSelbstreguliertes Lernen (SRL) und das Setzen von eigenen (Lern-)Zielen stellt eine wichtige Schlüsselkompetenz für den akademischen Erfolg dar. Dennoch haben viele Studierende Schwierigkeiten mit der Formulierung von präzisen, messbaren Lernzielen. In diesem Demo-Beitrag wird ein Unterstützungstool zur Formulierung von individuellen Lernzielen vorgestellt. Das Tool unterstützt Studierende durch zwei unterschiedliche Ansätze zur Formulierung von Lernzielen, welche jeweils dem SMART-Ansatz folgen. Dieser Ansatz klärt zentrale Merkmale (u. a. Messbarkeit, Relevanz) eines Ziels und berücksichtigt zugleich elementare Prinzipien des SRL. Darüber hinaus unterstützt das Tool die Reflexion der Ziele mit Fortschrittsanzeigen, Kalender und Dashboard
Wirtschaft in Deutschland: Wo wir stehen, wohin wir gehen – und was jetzt passieren muss
No full textqFlo
No full textqFlo (pronounced queue-flow) is a software program facilitating integrated control over live processing and fixed media cues during performance of live-performed electroacoustic music, also known as mixed music.
With the advent of the integration of electronics with live performance, the role of the computer music designer has become integral to the realization of mixed music, fulfilling considerations in technical setup, sound mixing, software design, and musical interpretation of the composer’s wishes with respect to the role of the electronics. qFlo seeks to integrate the various use cases and needs of a composer and computer music designer into a multipurpose software. It features fixed media cue playback and continuously running live processing algorithms capturing microphone input. Playback and live processing parameters can be controlled via MIDI, OSC, or keyboard presses for preset commands, or by interpretation of parameters captured via signal processing such as pitch, amplitude, or spectra for more flexible control or generative responses
What Do We Need for This? Organized Participant Preparation Before a Hackathon
No full textHackathon participants are often expected to use unfamiliar technologies or tools, requiring self-organized preparation, potentially supported by hackathon organizers. This work's objective was to implement a toolbox to support hackathon organizers and participants in their preparation. We deployed the prototype toolbox in two hackathons and collected logdata and users' self-reports. Our findings report only few and short interactions of the participants with the toolbox. Further exploration revealed several possible reasons for the low interaction rate, such as full schedules leading up to the hackathons and a reduced need for all group members to engage with the tools. The results suggest that despite the general need for hackathon preparation, not all participants will use offered preparatory materials. Nonetheless, we see multiple purposes for the toolbox: a) as a preparatory resource, b) as a cheat-sheet during the hackathon, and c) as reference after the hackathon to support sustained learning
Reflexionsorientierung im Informatikunterricht
No full textDie Fähigkeit zur Reflexion ist eine zentrale Kompetenz, die einen wesentlichen Beitrag zur Selbstbestimmung in einer demokratischen Gesellschaft leistet. Indem Schülerinnen und Schüler lernen, Unterrichtsinhalte kritisch zu hinterfragen, verschiedene Perspektiven einzunehmen und fundierte Urteile zu fällen, entwickeln sie die Grundlage für eigenständiges und verantwortungsbewusstes Handeln. In diesem Beitrag werden fünf zentrale Reflexionsarten für den Informatikunterricht dafür aus der Mathematikdidaktik adaptiert und an Beispielen erläutert
Towards Adaptive Difficulty and Personalized Player Experience: A Data-Driven Approach Combining Game Analytics, Sensor Data, and Personality Traits
No full textAdaptive difficulty adjustment represents a critical mechanism for optimizing user experience in digital games. This study introduces a data-driven approach that integrates game telemetry, biometric sensor data, and personality profiles to classify player behavior, which can be used to inform adaptive artificial intelligence (AI) systems. A custom-built game prototype enables the collection of multidimensional data, including reaction times, accuracy, physiological responses (e.g. heart rate), and subjective stress assessments.
Unsupervised machine learning techniques, specifically K-Means and Agglomerative Clustering, were applied in multiple analytical iterations, first to segment players by performance and then by strategic behavior. The dataset was engineered to reflect gameplay efficiency and decision-making patterns, with preprocessing steps to minimize bias. Cluster validity was assessed using ANOVA, and feature relevance was evaluated through Random Forest analysis.
Results indicate that distinct clusters can be identified, each characterized by specific cognitive and strategic tendencies. These clusters display unique patterns across gameplay performance, physiological feedback, and subjective perception. The proposed classification model enables the foundation for personalized AI systems, capable of dynamic adaptation based not only on skill level but also on emotional and behavioral traits. The approach contributes to the intersection of game analytics, psychophysiological modeling, and adaptive gameplay design
Comparing Research Software Engineering and Data Science Competences
No full textResearch Software Engineers and Data Scientists have overlapping yet distinct roles within the landscape of digitally skilled professionals. Both roles are highly software-focused and operate across a wide range of research domains, yet their communities and competency frameworks have evolved independently. This paper explores the intersections and distinctions between RSE and DS competencies, particularly as they relate to different phases of the research cycle
Ein Data Warehouse für die Zusammenführung von Hochschuldaten
No full textDieser Beitrag präsentiert die Konzeption und Umsetzung eines Data Warehouses zur gemeinsamen Speicherung von Studiengangsmodellen und Studienverlaufsdaten verschiedener Hochschulen. Die aufzunehmenden Daten wurden zuvor in einem Datenreferenzmodell aufbereitet, welches dem System die Struktur der Datenverwaltung diktiert. Zur Erstellung und Bearbeitung der Studiengangsmodelle werden API Endpunkte bereitgestellt, welche u.a. von einem dedizierten Editor genutzt werden. Studienverlaufsdaten, die Hochschulen aus ihren lokalen Managementsystemen extrahieren und selbst in das Datenreferenzmodell überführen, werden als Datendump an eine Import-Schnittstelle geschickt. Zur zusätzlichen Sicherung der Datenübertragung an das Data Warehouse werden Zertifikate bereitgestellt, die Hochschulen für GnuPG Verschlüsselungen nutzen können. Das System wurde mit einem Zwischenstand und der finalen Version des erstellten Datenreferenzmodells erfolgreich auf Korrektheit und gute Performance getestet und mit Projektabschluss Open Source veröffentlicht