52442 research outputs found
Sort by
“Terms such as ‘true German’ […] belong in the history books”: How Germans with and without migrant backgrounds understand concepts used in survey research on national attachments
Get PDFOER als Schlüssel zur Data Literacy: Lessons learned aus dem E-Learning-Projekt „MaDaLi²“ der Universität Mannheim
Get PDFNicht erst seit der Corona-Pandemie können Open Educational Resources (OER) Universitäten und Universitätsbibliotheken dabei unterstützen, Lernangebote nachhaltig und ressourcenschonend umzusetzen. Da das Angebot an OER stetig wächst und sich stark hinsichtlich Medientypen, fachlicher Ausrichtung und Qualität unterscheidet, fällt eine erfolgreiche Integration passender Ressourcen nicht immer leicht. Auch ist es fraglich, ob sich unterschiedliche OER aufgrund ihrer individuellen Gestaltung und Präsentationsform sinnvoll innerhalb eines neuen Lehrangebots kombinieren lassen, das eine eigene Ausrichtung und didaktisch kohärente Struktur besitzen soll. Das Versprechen der Nachnutzbarkeit ist groß, doch hält es einem universitätsweiten Projekt stand?
Anhand des an der Universität Mannheim entwickelten E-Learning-Kurses „MaDaLi²“ (Mannheim Data Literacy), der von der Universitätsbibliothek in Kooperation mit dem Zentrum für Lehren und Lernen (ZLL) und zwei Fakultäten entsteht, sollen Herausforderungen und Chancen bei einer umfangreichen Nachnutzung von OERs beleuchtet werden. Innerhalb des Kurses werden zahlreiche OERs (v. a. Videos, Foliensätze und Bilder) von anderen Universitäten und Institutionen wiederverwendet.
Im Werkstattbericht wird u. a. den Fragen nachgegangen, ob sich Medien verschiedener Quellen sinnvoll in einem Lernangebot integrieren lassen, das statt der Produktion neuer Inhalte auf die Kuratierung bestehender setzt. Welche Lizenzen lassen welche Nachnutzung zu? Lassen sich OER sinnvoll miteinander verbinden? Wie ist es um das Branding des neuen Angebots bestellt, wenn OER verschiedener Quellen gemischt werden? Wie lassen sich bestehende OER erweitern und welche Best Practices gibt es für eine erfolgreiche OER-Suche? Zur Beantwortung dieser Fragen dienen auch Evaluationen, die in der ersten Projektphase durchgeführt worden sind und gezeigt haben, dass Studierende positiv auf eine Zusammenstellung verschiedener OER reagieren
([T]ra la vergine e la madre, sta un essere mostruoso: (Un-)Möglichkeit der Subjektkonstitution in Sibilla Aleramos Una donna (1906)
No full text
Design, implementation, and evaluation of knowledge-induced explainable artificial intelligence for clinical decision support
No full textLocal policy misperceptions and investment : experimental evidence from firm decision makers
Get PDFWe study firm responses to local policies through a survey experiment, providing randomized information on the competitiveness of business tax rates and highway access in their headquarters' municipality. Firms often misperceive local policy competitiveness, especially for tax rates. Investment decisions respond asymmetrically to tax competitiveness. Positive tax rank information reduces investment intentions in neighboring municipalities. Compared to this, negative tax news increase relocation plans. However, most firms receiving bad news plan to continue investing in their headquarters' municipality, indicating home bias. These effects are strongest for mobile firms and corporations. Negative infrastructure news lower location satisfaction but do not influence investment
Abdingbarkeit des § 616 BGB : zugleich eine kritische Auseinandersetzung mit dem vorherrschenden Verständnis des Anwendungsbereiches der Norm
No full textLernzielmatrix zum Themenbereich Forschungsdatenmanagement (FDM)
No full textDas Management von digitalen Forschungsdaten ist ein bedeutendes Handlungsfeld der Forschung, welches im Zuge der Digitalisierung entstanden ist. Forschende und weitere Zielgruppen benötigen für ein nachhaltiges Forschungsdatenmanagement (FDM) neben Kenntnissen und Fähigkeiten im fachlichen Bereich zusätzliche Kompetenzen im Umgang mit digitalen Daten. Die Vermittlung dieser Kenntnisse sollte idealerweise bereits im Studium erfolgen. Zudem besteht ein steigender Bedarf an Personal in den forschungsnahen Bereichen z. B. als Data Stewards, der nur über geeignete Aus- und Weiterbildungsmaßnahmen gedeckt werden kann.
Die Lernzielmatrix bündelt relevante Vermittlungsinhalte und Lernziele zum Forschungsdatenmanagement für die Zielgruppen Bachelor- und Masterstudierende, Early Career Researchers (Promovierende/PostDocs) sowie Data Stewards. Sie dient Nachnutzenden als Orientierungshilfe zur Identifikation relevanter Inhalte und als Arbeitsgrundlage für eine fach- oder veranstaltungsspezifische Weiterentwicklung.
Die Version 3 der Lernzielmatrix zum Forschungsdatenmanagement entstand auf Grundlage der Eingaben und Rückmeldungen aus der deutschsprachigen FDM-Community, insbesondere der Ergebnisse des Community-Events zur Lernzielmatrix (31. Januar bis 1. Februar 2024, Darmstadt). Die Teilnehmenden wurden zur weiteren Mitarbeit eingeladen, wodurch sich das Redaktionsteam um weitere engagierte Mitwirkende erweiterte.
Neben inhaltlichen Überarbeitungen und Ergänzungen wurden neue Elemente wie eindeutige IDs, ein Glossar und eine Übersicht über Anwendungsbeispiele ergänzt. Die Auftrennung der Lernziel-Elemente in separate Felder und eine stärkere Vereinheitlichung der Formulierungen sollen die Maschinenlesbarkeit und generell die Nachnutzung fördern. Die Ergebnisse der Arbeit aus dem Community-Event und der anschließenden redaktionellen Arbeit wurden vor der Veröffentlichung der NFDI-Sektion EduTrain zur Kommentierung freigegeben und Kommentare nochmals vom Redaktionsteam in die Dokumente eingearbeitet
Algorithms for reliable decision-making need causal reasoning
No full textDecision-making inherently involves cause--effect relationships that introduce causal challenges. We argue that reliable algorithms for decision-making need to build upon causal reasoning. Addressing these causal challenges requires explicit assumptions about the underlying causal structure to ensure identifiability and estimatability, which means that the computational methods must successfully align with decision-making objectives in real-world tasks