1899 research outputs found
Sort by
All You need is Nash
Get PDFAt the first glance the question sounds funny. Some economists might perhaps say "All You need is Cash". But from the mathematical point of view there is indeed a serious reason to reflect on the internal structure of games. Apart from the Nash solution for non-cooperative games, the concept of Correlated Equilibrium has been studied in the past. This approach makes sense in the context of a Bayesian information model. Moreover, it provides a more general approach to equilibrium for noncooperative games than the original Nash solution, and it has some computational advantages compared to this, because the solutions can be found by standard linear programming methods. The concept of Correlated Equilibrium was introduced by R. Aumann in 1987. In extensive form games existence of Nash Equilibrium is ensured under weak assumptions and implies the existence of Correlated Equilibrium at the same time. The present paper concerns some of the special features of Correlated Equilibrium in the context of extensive form games and the relationship between both concepts. We try to keep the argumentation as elementary as possible to arouse interest in younger researchers for this topic
Raising Energy Efficiency and Fault Tolerance with Parallel Streaming Application Scheduling on Multicore Systems
Get PDFThe widespread use of information technology in the face of scarce resources and deteriorating environmental conditions, occasionally complemented by technical requirements in case of low-power or mobile devices, calls for a sharp focus on energy efficiency. In this dissertation, several problems related to scheduling of parallel streaming applications on multicore systems for energy-efficient execution are discussed. In order to accommodate a surge of heterogeneous devices in recent hardware development, an extension of an existing scheduler based on linear programming to heterogeneous applications and systems is proposed. Furthermore, two techniques are devised which aim to reduce the computational effort for schedule creation while maintaining solution quality: the first one computes a solution to a relaxed problem and heuristically transforms the solution into one to the original problem. The second approach incrementally introduces constraints on various aspects of the initial problem, analyses the search space, and examines the practical implications in terms of scheduling time and energy efficiency. Recommendations for scheduler design are derived, and a novel scheduler is conceived. To cover dynamic behavior of streaming applications, a hybrid technique capable of rapidly adapting schedules at runtime is deployed, both for homogeneous and for heterogeneous systems. If adjusting the hardware design to the application at hand is an option, chip and schedule can be jointly optimized to advance energy efficiency. To facilitate this, an approach based on linear programming is presented. In addition to energy efficiency, fault tolerance is a relevant criterion in practice. A method which adapts the schedule to reflect the loss of available system resources and replicate crashed tasks is provided to compensate for hardware failures, and extreme cases are studied. Moreover, a robustness metric is established to determine a schedule’s tolerance for task delays as well as its potential to make up for delays by tapping into slack and increasing operating frequencies. Several approaches to jointly optimize schedules for energy efficiency and robustness are developed.Die fortschreitende Durchdringung moderner Gesellschaften mit Informationstechnologie, Ressourcenknappheit und Umweltprobleme zeitigen eine verstärkte Konzentration auf Energieeffizienz, je nach Szenario zudem bedingt durch technische Aspekte wie die Charakteristika von Zielsystemen. In der vorliegenden Dissertation werden Probleme im Zusammenhang mit dem Scheduling paralleler Streaming-Anwendungen auf Multicore-Systemen unter dem Gesichtspunkt der Energieeffizienz untersucht. Dem verstärkten Aufkommen heterogener Architekturen in der gegenwärtigen Hardware-Entwicklung wird durch die Erweiterung eines bestehenden Schedulers auf Grundlage linearer Programmierung Rechnung getragen, indem Heterogenität von System und Anwendung berücksichtigt werden. Darüber hinaus werden zwei Ansätze entwickelt, welche darauf abzielen, den Ressourceneinsatz beim Scheduling zu reduzieren, ohne erhebliche Einbußen bei der Lösungsqualität hinnehmen zu müssen. Unter der ersten Herangehensweise wird zunächst eine Lösung eines relaxierten Problems berechnet, welche anschließend mittels einer Heuristik in eine Lösung des ursprünglichen Problems überführt wird. Die zweite Methode schränkt den Suchraum des Ursprungsproblems inkrementell ein. Dabei wird zum einen die Entwicklung des Suchraums analytisch nachvollzogen, zum anderen werden die praktischen Auswirkungen auf die Energieeffizienz der resultierenden Schedules sowie auf den Aufwand zu ihrer Berechnung ermittelt. Aus diesen Erkenntnissen werden Entwurfsempfehlungen für Scheduler abgeleitet und ein neuer Scheduler wird vorgestellt. Um auf dynamisches Verhalten von Streaming-Anwendungen reagieren zu können, wird ein hybrides Scheduling-Verfahren geschaffen, welches für homogene und heterogene Zielsysteme einsetzbar ist und die erforderlichen Adaptationen mit geringem Zeitaufwand zur Laufzeit umsetzt. Ist der Zuschnitt der Hardware auf eine gegebene Anwendung möglich, bietet die gemeinsame Optimierung von Chip-Design und Schedule großes Potential zur Steigerung der Energieeffizienz. Um es auszuschöpfen, wird ein entsprechendes Optimierungsproblem formuliert und mit linearer Programmierung behandelt. Neben Energieeffizienz ist Fehlertoleranz von hoher praktischer Relevanz. Eine Vorgehensweise wird entwickelt, welche bei einem Hardware-Fehler den Schedule zur Laufzeit anpasst, damit Ressourcenausfälle verarbeitet und die Wiederholung abgebrochener Tasks eingeleitet werden; zudem werden Extremfälle betrachtet. Mit der Robustheit eines Schedules wird eine Metrik etabliert, welche den Grad angibt, zu dem Verzögerungen von Tasks hinnehmbar sind, ohne dass Restriktionen nicht mehr eingehalten werden. Weiterhin lässt sich ermessen, inwieweit Verzögerungen einzelner Tasks im Nachhinein kompensiert werden können, indem auf Idle-Zeiten und Frequenzskalierung zurückgegriffen wird. Diverse Ansätze zur gemeinsamen Optimierung von Energieeffizienz und Robustheit runden den Beitrag ab
Unberücksichtigte Gruppen bei der Personalschlüsselberechnung in Kindertageseinrichtungen und Horten seit dem 01.03.2021
Get PDFAnalysis of the Communication of Risks from IPCC towards Policymakers
Get PDFEs wird untersucht, welchen Risikobegriff der Weltklimarat (IPCC) in seinen "Zusammenfassungen für die politische Entscheidungsfindung" der drei Arbeitsgruppen des sechsten Sachstandsberichtes (AR6) verwendet und wie dieser darin kommuniziert wird. Anschließend wird anhand einer qualitativen Inhaltsanalyse analysiert, welche Risiken vom IPCC kommuniziert werden, wie dies geschieht und exemplarisch auch, welche Risiken ausgelassen wurden
Emergente Wissenstechnik in der Handhabung riesiger Datenmengen
Get PDFThe overload resulting from big data calls for solutions to effectively use data and gain knowledge from data. Accordingly, the research questions that guided the research summarized here as a habilitation thesis are twofold: In what ways can computing create value with big data? And, for this purpose, how can the emergence of knowledge be engineered? Methodologically, the habilitation thesis is a qualitative meta-study of a research agenda. Seven research projects were conducted according to the methodology of Design-oriented Information Systems Research, resulting in 29 diffusions, of which 12 selected ones are summarized here. The scientific contributions include 24 artefact designs, in particular software prototypes, data analysis methods, system designs, mathematical, procedural, and reference models, data sets, and a screen cast; as well as 11 artefact evaluations, in particular pilot applications with expert feedback, a qualitative survey, reality correspondence mappings, user feedback, and a quantitative benchmark. These contributions support 5 conclusions as possible answers for each of the 2 research questions. All conclusions are generalizable in the sense that they are supported by data from at least two different research projects. Also, all conclusions except one are supported by both, technological solution artefacts, and empirical evidence from evaluations of these artefacts; The only exception is the conclusion about the lack of an epistemology of big data. These conclusions are listed in the following. First, Computing solutions can create value from big data in the following ways: Visual Decision Support: Automatically finding, visualizing, and explaining associative patterns in data, which positively impacts decision making. Hybrid Intelligence Text Mining: More efficient structuring of texts by augmenting manual annotation with automated information extraction. Knowledge Graph Mining: More effective learning of relevant content through automatic discovery of concepts and associations in large, unstructured data. Data Effectuation: Active Feedforward from data and analytics to processes that apply analytics results that can optimize products, services, and operations. Data-driven Science Methods: Development of computational tools to observe and theorize systems and processes by their traces in pre-existing big data. Second, the emergence of knowledge in information systems can be engineered with the following approaches. Explanation and Comprehensibility: Facilitating understanding of data analysis results using interpretable data visualization and comprehensible analysis methods. Emergent Semantics Engineering: Semi-automated, combined manual and algorithmic externalization of tacit knowledge hidden in unstructured data. Emerging Concepts Recognition: Facilitating interpretation of large text corpora with keyphrase extraction methods that can identify new concepts. Data Intelligence: Management and engineering of data-based knowledge for building data competence through learning from iterative data effectuation. Epistemology of Big Data: Clarification of the principles, foundations, limits, and conditions of knowledge generation from big data analysis. Consequently, these conclusions can be classified and summarized in Luhmann’s operational epistemology into a theory of big data management as a cognitive system. Based on these results, the following further research opportunities can be identified: Establishing a foundation for widely accepted knowledge generation in data- driven science is needed for methodological support for this young discipline Processes, systems, and methods for sustainable and ethical data management could develop foundations to make the current exponential data growth and its applications more ecologically and socially sound. The engineering of modern knowledge systems could use the findings of this work to combine expert knowledge and machine learning in user applications. An analysis of ontological sociotechnical design could explore the cognitive system of the whole World Wide Web and its self-acceleration. Modeling big data management as a cognitive system raises interesting philosophical questions about the role of consciousness in cognition.Die aus Big Data resultierende Datenflut verlangt nach Lösungen, um Daten effektiv zu nutzen und Wissen aus Daten zu gewinnen. Dementsprechend sind die Forschungsfragen, welche die hier als Habilitationsschrift zusammengefasste Forschung leiteten, zweierlei: Auf welche Weise kann die Informatik mit Big Data Werte schaffen? Wie kann die Entstehung von Wissen in diesem Sinne technisch gestaltet werden? Methodisch handelt es sich bei dieser Habilitationsschrift um eine qualitative Meta-Studie einer Forschungsagenda. Sieben Forschungsprojekte wurden nach der Methodik der designorientierten Forschung in Informationssystemen durchgeführt und ergaben 29 Diffusionen, von denen 12 ausgewählte hier zusammengefasst werden. Die wissenschaftlichen Beiträge umfassen 24 Artefaktentwürfe, insbesondere Softwareprototypen, Datenanalysemethoden, Systementwürfe, mathematische, prozedurale und Referenzmodelle, Datensätze und einen Screencast; sowie 11 Artefaktauswertungen, insbesondere Pilotanwendungen mit Expertenfeedback, eine qualitative Umfrage, Realitätskorrespondenzabbildungen, Benutzerfeedback und einen quantitativen Benchmark. Diese Beiträge unterstützen je 5 Schlussfolgerungen als mögliche Antworten für jede der 2 Forschungsfragen. Alle Schlussfolgerungen sind verallgemeinerbar in dem Sinne, dass sie durch Daten aus mindestens zwei verschiedenen Forschungsprojekten gestützt werden. Außerdem werden alle Schlussfolgerungen mit einer Ausnahme sowohl durch technologische Lösungsartefakte als auch durch empirische Belege aus der Evaluation dieser Artefakte gestützt; die einzige Ausnahme ist die rein empirische Schlussfolgerung über das Fehlen einer Epistemologie von Big Data. Diese Schlussfolgerungen sind im Folgenden aufgeführt. Erstens können Informatik-Lösungen auf folgende Weise einen Mehrwert aus Big Data schaffen: Visuelle Entscheidungsunterstützung: Automatisches Auffinden, Visualisieren und Erklären von assoziativen Mustern in Daten, was sich positiv auf die Entscheidungsfindung auswirkt. Text Mining mit hybrider Intelligenz: Effizientere Strukturierung von Texten durch die Ergänzung manueller Annotation mit automatischer Informationsextraktion. Wissensgraphen-Mining: Effektiveres Lernen relevanter Inhalte durch automatische Entdeckung von Konzepten und Assoziationen in großen Mengen unstrukturierter Daten. Daten-Effektuierung: Aktive Vorwärts-Kopplung von Daten und Analysen zu Prozessen, die Analyseergebnisse zur Optimierung von Produkten, Dienstleistungen und Prozessen anwenden. Methoden für datengestützte Wissenschaft: Entwicklung von Computerwerkzeugen zur Beobachtung und Theoriebildung von Systemen und Prozessen anhand ihrer Spuren in bereits vorhandenen Big Data. Zweitens kann das Entstehen von Wissen in Informationssystemen mit den folgenden Ansätzen technisch unterstützt werden: Erklärung und Nachvollziehbarkeit: Erleichterung des Verständnisses von Datenanalyseergebnissen durch interpretierbare Datenvisualisierung und verständliche Analysemethoden. Technik für emergente Semantik: Halbautomatische, kombinierte manuelle und algorithmische Externalisierung von stillem Wissen, das in unstrukturierten Daten verborgen ist. Erkennung emergenter Konzepte: Erleichterung der Interpretation großer Textkorpora mit Methoden zur Extraktion von Schlüsselwörtern, die neue Konzepte identifizieren können. Datenintelligenz: Management und Engineering von datenbasiertem Wissen zum Aufbau von Datenkompetenz durch Lernen aus iterativer Daten-Effektuierung. Epistemologie von Big Data: Klärung der Prinzipien, Grundlagen, Grenzen und Bedingungen der Wissensgenerierung aus Big-Data-Analysen. Diese Erkenntnisse lassen sich folglich in Luhmanns operative Erkenntnistheorie einordnen und zu einer Theorie des Big-Data-Managements als erkennendes System zusammenfassen. Basierend auf den Ergebnissen dieser Untersuchung können folgende weitere Forschungsmöglichkeiten identifiziert werden: Die Etablierung allgemeiner Grundsätze zur breit akzeptierten Wissensgenerierung in der datengetriebenen Wissenschaft ist zur methodischen Unterstützung dieser jungen Disziplin notwendig. Prozesse, Systeme und Methoden für ein nachhaltiges Datenmanagement könnten Grundlagen entwickeln, um das derzeitige exponentielle Datenwachstum und seine Anwendungen ökologisch und sozial verträglicher zu gestalten. Das Engineering moderner wissensbasierter oder hybrid-intelligenter Systeme könnte die Erkenntnisse dieser Arbeit nutzen, um Expertenwissen und maschinelles Lernen in Nutzeranwendungen zu kombinieren. Eine Analyse des ontologischen sozio-technischen Designs könnte das erkennende Gesamtsystem des World Wide Web und dessen Selbstbeschleunigung untersuchen. Die Modellierung von Big Data Management als erkennendes System stellt interessante philosophische Fragen zur Rolle des Bewusstseins in der Erkenntnis
(Digitale) Bildungsinfrastrukturen machen: (Be-)Deutungshorizonte im Zuge von Entwicklungspraktiken im Kontext der Lehrer*innen(fort)bildung
Get PDFDie vorliegende Studie präsentiert erste Erkenntnisse aus einem Forschungsprojekt, das sich mit dem „Machen” und den „Macher*innen” digitaler Bildungsinfrastrukturen auseinandersetzt. Beantwortet werden soll die Fragestellung, welche Handlungsorientierungen und -praktiken die Arbeit von Macher:innen prägen und wie diese digitale Infrastrukturen formen. Entlang von drei Gruppendiskussionen, die mit „Professionalisierung”, „Userzentrierung” und „Digitaler Katalog” überschrieben sind, rücken vor allem Annahmen und Narrative über Lernen und Bildung, Lern- und Bildungserfolg ebenso wie normative Erwartungshaltungen ins Blickfeld, die mit Lehrer*innen(fort)bildung in engem Zusammenhang stehen. In der Studie wird rekonstruiert, welche Kategorien, Begriffe, Narrative und/oder Bilder das Handlungsfeld von Macher*innen ebenso wie ihre Praktiken ordnen und (vor-)strukturieren.The report presents initial findings from a research project that engages with the ‘doing’ of digital educational infrastructures. One of the central inquiries is the examination of how the activities undertaken by “makers” shape digital infrastructures. The study adopts a qualitative approach. The report focuses on three group discussions, which have been denoted by the themes of professionalization, user-centricity, and digital catalogues. The study places particular emphasis on scrutinizing the underlying assumptions and narratives regarding learning and education, the perceptions of learning and educational success, as well as normative expectations that are closely associated with teacher’s professional development. The overarching objective of this study is to reconstruct the categories, terminologies, narratives, and/or images that structure and pre-structure the doings and sayings of makers
Digitaler Aufbruch für die öffentliche Verwaltung? Die Umsetzung des Onlinezugangsgesetzes in Brandenburg auf dem Prüfstand
Get PDFDen jüngsten Versuch, den Digitalisierungsrückstand in Deutschland aufzuholen, stellt das im Jahr 2017 verabschiedete Onlinezugangsgesetz (OZG) dar. Im Zuge dessen sollen bis zum Ende des Jahres 2022 sämtliche Verwaltungsleistungen auf Bundes- und Landesebene für Bürger und Unternehmen digital über Portale angeboten werden. Die als Phasenvergleich konzipierte Forschungsarbeit untersucht im Rahmen einer Soll-Ist-Betrachtung den Umsetzungsprozess des Onlinezugangsgesetzes am Beispiel Brandenburgs und versucht, mögliche Ursachen für Scheitern des Gesetzes zu identifizieren. Mit dem Ziel, systematische Erkenntnisse über die OZG-Implementation zu Tage zu fördern, stützt sich die Arbeit neben der Untersuchung einschlägiger Dokumente auf geführte Interviews mit hochrangigen Experten
