libra UniNe
Not a member yet
28871 research outputs found
Sort by
Hypermutator fungal pathogens: from threat to meltdown
No full textRecent research on human and crop fungal pathogens has highlighted a set of unexpected and seemingly unrelated mechanisms fuelling adaptation to drugs and the host immune system. These mechanisms include the loss of RNA interference (RNAi) in human pathogens, the rapid accumulation of point mutations, and the activity of transposable elements. Despite mechanistic differences driving the extreme accumulation of mutations (i.e., permutation) in some pathogens, we argue that the origins follow de ned principles. The appearance of hypermutation phenotypes puts pathogens on a unique evolutionary trajectory, and mitigation strategies need to be carefully adapted
Die Einziehung von Vermögenswerten in Fällen transnationaler Unternehmensbestechung : Rückführungsversprechen und Umsetzungslücken: eine normative Analyse und empirische Untersuchung der Praxis auf Bundesebene
Full text linkDie Einziehung von Vermögenswerten in Fällen transnationaler Unternehmensbestechung hat sich in der schweizerischen Strafverfolgungspraxis zu einem zentralen Instrument der Korruptionsbekämpfung entwickelt. Im Zentrum der folgenden Untersuchung steht die Frage, wie mit durch aktive Auslandsbestechung (Art. 322 i. V. m. Art. 102 Abs. 2 StGB) erlangten Vermögenswerten umzugehen ist. Die Strafverfolgungsbehörden müssen diese Werte einerseits einziehen (Art. 70 Abs. 1 StGB) und andererseits entscheiden, ob sie der Eidgenossenschaft verbleiben oder dem geschädigten Auslandsstaat rückerstattet werden sollen.
Staaten, deren Amtsträger bestochen wurden, gelten heute als unmittelbar geschädigte «Opferstaaten». Ihre Entschädigung wird zunehmend erwartet und ist international rechtlich gestützt. So verpflichtet die UN-Konvention gegen Korruption (UNCAC), welche auch die Schweiz ratifiziert hat, zur Rückgabe unrechtmässig erlangter Vermögenswerte (Art. 35 und 53 ff. UNCAC). Diese Pflichten betreffen auch die Rückgabe und Entschädigung der Opferstaaten. Eine solche Entwicklung zeigt sich besonders bei einvernehmlichen Einigungen zwischen der Strafverfolgungsbehörde und den beschuldigten Unternehmen, etwa den Deferred Prosecution Agreements (DPAs): In England und Wales sind Strafverfolgungsbehörden verpflichtet, im Rahmen solcher Vereinbarungen eine Opferentschädigung zu prüfen. In Kanada müssen Unternehmen angemessene Anstrengungen zur Opferidentifikation unternehmen. In Frankreich wird die Rolle der Opfer seit 2023 normativ gestärkt, und Nichtregierungsorganisationen erhalten Parteistellung. Auch die EU greift das Thema auf: Seit Mai 2024 gilt eine neue Richtlinie zur Vermögensabschöpfung (2024/1260/EU), die Mindestvorgaben für Sicherstellung, Verwaltung und Einziehung vorsieht. Eine Rückgabepflicht enthält sie jedoch nicht.
Schliesslich ist auch in der Schweiz das Bewusstsein für diese Problematik gewachsen. Dies zeigt sich in parlamentarischen Vorstössen , in Rückführungsregelungen bei Rechtshilfeverfahren sowie in der verwaltungsrechtlich verankerten «Asset Recovery»-Strategie zu PEP-Geldern. Diese betrifft jedoch nicht die hier untersuchte Einziehung von Vermögenswerten aus aktiver Auslandsbestechung durch Unternehmen im Rahmen von Strafverfahren. Die Unterscheidung zwischen strafrechtlicher und verwaltungsrechtlicher Rückführung wird zunehmend kritisiert. Seit 2024 ist eine gesetzliche Änderung geplant, die dem Bundesrat ermöglichen soll, unrechtmässig erworbene PEP-Gelder unabhängig vom Verfahrensweg der Bevölkerung eines fremden Staats zuzuweisen. Diese Regelung bleibt jedoch auf Fälle passiver Bestechung beschränkt und ist nicht auf Unternehmensbestechung anwendbar.
Vor diesem Hintergrund interessiert die bundesstrafrechtliche Praxis der Einziehung in Unternehmensverfahren wegen Auslandsbestechung. Im Zentrum dieses Beitrages steht die Anwendung von Art. 70 und 71 StGB sowie die Zuweisung nach Art. 73 StGB (II). Aspekte direkter Wiedergutmachung (Art. 48 lit. d und Art. 53 StGB) werden nicht behandelt. Trotz der Reform des stark kritisierten Art. 53 StGB im Jahr 2019 bleibt dessen Anwendung auf Unternehmen zwar grundsätzlich möglich, wurde jedoch bereits 2017 durch die Bundesanwaltschaft ausgeschlossen – unter Verweis auf das Strafverfolgungsinteresse des Opferstaates, das in der Praxis, wie nachfolgend aufgezeigt, jedoch keine Beachtung fand.
Kapitel III präsentiert die empirische Auswertung aller zwölf Strafbefehle der Bundesanwaltschaft (2011–2024) betreffend Art, Umfang und Abschöpfung der Bestechungsgewinne. Kapitel IV diskutiert die Befunde kritisch, insbesondere die Diskrepanz zwischen gesetzlichem Rahmen und Vollzugspraxis: In keinem Fall erfolgte eine Rückgabe an einen geschädigten Staat, obwohl dies rechtlich möglich gewesen wäre.
Die Frage nach der Verwendung rückgeführter Gelder im Empfängerstaat und dem damit verbundenen Veruntreuungsrisiko betrifft eigenständige völkerrechtliche und entwicklungspolitische Problemlagen. Diese können im vorliegenden Beitrag nicht vertieft behandelt werden
Computer- and Smart-Tablet-Based Self-Administered Treatments in Chronic Post-Stroke Aphasia : a systematic review
Full text linkDesign, development and evaluation of gossip learning algorithms in dynamic setups
Full text linkLa montée en puissance de l’edge computing et la demande croissante pour des méthodes de Machine Learning respectueuses de la vie privée ont accéléré le besoin de paradigmes d’apprentissage décentralisé. Parmi eux, le Gossip Learning propose une approche totalement distribuée et sans serveur, où les noeuds échangent et fusionnent des modèles pour apprendre de manière collaborative sans partager de données brutes. Bien que prometteur pour la scalabilité et la protection de la vie privée, les cadres existants de Gossip Learning supposent souvent des topologies statiques ou entièrement connectées — des hypothèses peu réalistes dans des environnements réels tels que les réseaux véhiculaires (VANETs) et l’Internet des Objets (IoT), caractérisés par la mobilité, le renouvellement des noeuds et des contraintes de ressources.Cette thèse s’attaque à ces limitations en concevant, développant et évaluant une série d’algorithmes de Gossip Learning spécifiquement adaptés aux environnements dynamiques. Le travail est structuré en trois parties principales.Première partie : Nous proposons des cadres personnalisés de Gossip Learning pour les réseaux hautement dynamiques tels que les VANETs, où chaque noeud maintient son propre modèle personnalisé et l’améliore par des échanges pair-à-pair opportunistes. Nous développons de nouvelles stratégies de fusion de modèles, notamment une pondération basée sur l’utilité marginale et une approche de moyenne géolocalisée. Appliquées à la prédiction de trajectoires à court terme, ces méthodes démontrent une convergence rapide et une précision robuste dans des scénarios de mobilité urbaine réalistes.Deuxième partie : Nous analysons l’impact des structures d’interactions dynamiques sur Gossip Learning en introduisant une famille de Time-Varying Graphs (TVGs) qui simulent des comportements réalistes de réseau, notamment la persistance des liens et le churn des noeuds. Ces modèles permettent une évaluation contrôlée des facteurs structurels et temporels affectant la convergence. Nos résultats montrent que l’équilibre entre l’exploration (par reconfiguration des liens) et l’exploitation (par stabilisation des connexions) est essentiel pour maintenir de bonnes performances, et que les topologies à attachement préférentiel (scale-free) résistent mieux au churn que les graphes aléatoires.Troisième partie : Nous nous concentrons sur l’optimisation énergétique dans les environnements contraints. Nous présentons Optimized Gossip Learning (OGL), un cadre qui ajuste dynamiquement les paramètres d’apprentissage locaux — tels que le nombre d’époques d’entraînement et la fréquence d’échanges de modèles — en fonction du contexte et des ressources disponibles à chaque noeud. Un orchestrateur basé sur un Deep Neural Network (DNN) fournit des recommandations d’ajustement en temps réel, permettant aux noeuds de fonctionner efficacement sans coordination centralisée. Nos évaluations sur des TVGs synthétiques et des traces de mobilité urbaine réelles confirment que notre approche réduit significativement la consommation d’énergie tout en conservant une précision d’apprentissage compétitive.Dans l’ensemble, cette thèse fait progresser le Gossip Learning en tant que solution pratique pour l’apprentissage décentralisé dans des environnements volatils, limités en bande passante et en énergie. Les méthodes proposées apportent à la fois des contributions théoriques et des solutions pratiques pour rendre possible l’intelligence collaborative à la périphérie du réseau.The rise of edge computing and the growing demand for privacy-preserving Machine Learning (ML) have accelerated the need for decentralized learning methods. Among these, Gossip Learning (GL) offers a fully distributed, serverless approach in which nodes exchange and merge models to collaboratively learn without sharing raw data. While promising for scalability and privacy, existing GL frameworks typically assume static or fully connected topologies, which do not hold in real-world environments such as vehicular and Internet of Things (IoT) networks, characterized by mobility, node churn, and resource constraints.This thesis addresses these limitations by designing, developing, and evaluating a suite of GL algorithms tailored for dynamic network environments. The work is organized into three main parts.Part I proposes personalized GL frameworks for highly dynamic networks such as VANETs, where nodes maintain individualized models and improve them via peer-to-peer exchange. We develop novel merging strategies, including marginal utility-based weighting and location-based averaging, that enhance learning performance under non-Independent and Identically Distributed (non-IID) data distributions and transient connectivity. Applied to trajectory nowcasting, our methods demonstrate fast convergence and robust accuracy across a diverse range of urban mobility scenarios.Part II investigates how temporal and structural changes in network topology impact GL performance. Existing studies often rely on static graphs or application specific mobility traces, providing limited generalizable insights into dynamic environments. To address this gap, we develop a principled evaluation framework based on Time-Varying Graphs (TVG)s, capturing key real-world phenomena such as node churn, edge memory, and evolving connectivity. We propose new classes of TVGs which integrate edge persistence and node churn while preserving the structural properties of their static counterparts. We show that the balance between exploration (via rewiring) and exploitation (via stable links) is critical for performance, and that scale-free networks are more resilient than random graphs under high churn conditions. These findings provide crucial insights into designing adaptive, robust GL strategies for volatile, real-world networks.Part III focuses on energy-efficient learning in resource-constrained environments. We present an optimized GL framework, OGL, that dynamically adjusts local learning parameters, such as training epochs and model exchange frequency, based on contextual information and device constraints. A data-driven DNN-based orchestrator provides tuning guidance, enabling nodes to operate efficiently without centralized control. Evaluation on synthetic graphs and real-world vehicular traces confirms that OGL significantly reduces energy consumption while achieving competitive learning accuracy.Overall, this thesis advances GL as a practical solution for decentralized learning
in volatile, bandwidth-limited, and energy-constrained settings. The proposed methods contribute to both theoretical understanding and real-world applicability of scalable, privacy-preserving learning at the network edge
Playful stances for developing pre-service teachers’ epistemic cognition: Addressing cognitive, emotional, and identity complexities of epistemic change through play
No full textBackground
Teachers who show more developed epistemic cognition teach better and promote more and better learning in their students. Studies indicate that teacher training impacts little on student teachers’ epistemic cognition development. One of the difficulties of epistemic cognition interventions is that, beyond the conceptual level, epistemic change implies identity challenge and emotional distress. Both benefit from a playful setting to be managed. We designed and implemented a university course as a socio-constructivist playful training experience. In a previous study, using growth curve analysis, we showed that this course promoted epistemic cognition development in student teachers.
Aims
In this study we analyzed the experience of the course participants to characterize the lived process of change and to propose ways of understanding the relationship between a game-based course and epistemic change.
Participants
Twenty-five female student teachers in their second, third, or fourth year of study participated in the study.
Methods
Both small and whole group interactions from 15 training sessions, and 8 individual interviews after the course, were recorded and qualitatively analyzed to explore the students’ experiences.
Results
The analysis allows us to acknowledge changes in the students’ attitudes towards the course, their roles in the classroom, and conceptual understandings that we organized in four phases from initial bewilderment and resistance, to the active and applied integration of knowledge.
Conclusions
We discuss how different levels and layers of playfulness can sustain the difficulties student teachers’ face during their epistemic change process
Towards a multi-dimensional assessment of plant diversity in an enriched oil palm plantation
No full textThesis committee:
Prof. Dr. Delphine Clara Zemp (thesis director) - University of Neuchâtel, Switzerland
Prof. Dr. Sergio Rasmann - University of Neuchâtel, Switzerland
Dr. Nathaly Guerrero-Ramírez - Georg-August University of Göttingen, Germany
Defended on February 5th, 2025
No de thèse : 3171La biodiversité comprend de multiples dimensions qui reflètent des propriétés et des processus écologiques uniques à travers les espèces, les communautés et les écosystèmes. Au-delà de la diversité spécifique, la biodiversité s’exprime à travers des dimensions fonctionnelles, structurelles, phylogénétiques, phytochimiques et spectrales, chacune apportant un éclairage complémentaire sur la complexité, le fonctionnement et la résilience des écosystèmes. Capturer cette multidimensionnalité est essentiel pour comprendre la dynamique des écosystèmes et faire face à l’érosion mondiale de la biodiversité.
Les forêts tropicales de plaine, qui abritent une biodiversité terrestre exceptionnelle, sont gravement menacées par l’expansion et l’intensification agricoles. En Asie du Sud-Est, la conversion des forêts en plantations industrielles de palmier à huile et d’hévéa a entraîné une perte considérable d’habitats, une diminution de la richesse spécifique et une perturbation de la stabilité des écosystèmes. Les initiatives de restauration, telles que l’enrichissement en biodiversité par des plantations multi-espèces, constituent une stratégie prometteuse pour atténuer ces impacts en augmentant l’hétérogénéité des habitats et la biodiversité. Cependant, l’évaluation du succès de ces initiatives
nécessite des approches innovantes et multidimensionnelles intégrant des perspectives complémentaires sur la biodiversité.
Cette thèse doctorale contribue à la recherche sur la biodiversité en explorant la diversité végétale selon des dimensions structurelles, phytochimiques et spectrales dans une plantation de palmier à huile enrichie en biodiversité à Sumatra, en Indonésie. En combinant des mesures au sol, des données et techniques de télédétection, ainsi que la métabolomique non ciblée, j’ai caractérisé la diversité végétale au sein de 52 îlots expérimentaux d’arbres intégrés dans une plantation de 140 hectares. Cette approche multidimensionnelle apporte un éclairage sur les mécanismes écologiques façonnant la biodiversité et fait progresser les cadres méthodologiques pour l’évaluation et le suivi exhaustifs de la biodiversité en contexte de restauration.
Dans le Chapitre 2, j’ai évalué la diversité structurelle de la végétation en utilisant la télédétection laser terrestre et aéroportée ainsi que des inventaires au sol, mettant en évidence la complémentarité de ces méthodes pour capturer la complexité tridimensionnelle des écosystèmes en régénération. Dans le Chapitre 3, j’ai analysé la diversité spectrale à l’aide de la spectroscopie d’imagerie et souligné son potentiel et ses limites pour la caractérisation de la biodiversité du sous-bois dans des écosystèmes verticalement stratifiés dominés par les canopées de palmier à huile.
Enfin, dans le Chapitre 4, j’ai exploré la diversité phytochimique grâce à une analyse métabolomique non ciblée, révélant une forte variabilité chimique parmi les espèces ligneuses naturellement régénérées.
Les résultats de cette thèse doctorale soulignent l’importance d’adopter des approches multidimensionnelles pour évaluer la biodiversité en contexte de restauration. En intégrant les dimensions structurelle, phytochimique et spectrale, cette recherche améliore la compréhension des mécanismes écologiques à l’oeuvre lors du rétablissement de la biodiversité et fournit des éléments essentiels pour améliorer les méthodologies d’évaluation et de suivi de la biodiversité.
ABSTRACT
Biodiversity encompasses multiple dimensions that reflect unique ecological properties and processes across species, communities, and ecosystems. Beyond species-level diversity, biodiversity is expressed through functional, structural, phylogenetic, phytochemical, and spectral dimensions, each offering complementary insights into ecosystem complexity, functioning, and resilience. Capturing this multidimensionality is essential for understanding the dynamics of ecosystems and addressing global biodiversity loss.
Tropical lowland forests, which harbour high terrestrial biodiversity, face severe threats from agricultural expansion and intensification. In Southeast Asia, forest conversion to large-scale oil palm and rubber plantations has led to significant habitat loss, reduced species richness, and disrupted ecosystem stability. Restoration initiatives, such as biodiversity enrichment through mixed-species plantations, offer a promising strategy to mitigate these impacts by enhancing habitat heterogeneity and biodiversity. However, evaluating the success of these initiatives requires innovative, multidimensional approaches that integrate complementary perspectives on biodiversity.
This doctoral dissertation contributes to biodiversity research by exploring plant diversity across structural, phytochemical, and spectral dimensions in a biodiversityenriched oil palm plantation in Sumatra, Indonesia. Using ground-based measurements, remote sensing data and techniques, and untargeted metabolomics, I characterised plant diversity within 52 experimental tree islands embedded in a 140-oil palm plantation. This multidimensional approach provides insights into the ecological mechanisms shaping biodiversity and advances methodological frameworks for comprehensive biodiversity assessment and monitoring in restoration contexts.
In Chapter 2, I evaluated vegetation structural diversity using terrestrial and airborne laser scanning and ground-based inventories, demonstrating the complementary strength of these methods in capturing the three-dimensional complexity of multilayer recovering ecosystems. In Chapter 3, I assessed spectral diversity using imaging spectroscopy and highlighted its potential and limitations in capturing understorey biodiversity within vertically stratified ecosystems dominated by oil palm canopies.
Finally, in Chapter 4, I explored phytochemical diversity through untargeted metabolomic analysis, uncovering high chemical variability among naturally regenerated woody species.
The findings of my doctoral dissertation underscore the importance of adopting multidimensional approaches for assessing biodiversity in restoration contexts. By integrating structural, phytochemical, and spectral dimensions, this research advances the understanding of ecological mechanisms during biodiversity recovery and offers critical insights for improving methodologies for biodiversity assessment and monitoring
