OPUS - Volltextserver Universität Passau
Not a member yet
1021 research outputs found
Sort by
Zum Verhältnis von Interesse und Lebensweltbezug bei Lernaufgaben im Unterrichtsfach Geschichte
Get PDFDie geschichtsdidaktische wie allgemeindidaktische Theorie postulieren Lebensweltbezüge als interessenförderliches Merkmal von Unterricht und Lernaufgaben (Gautschi 2011; Waldis&Buff 2007; Bergmann 2002; Kleinknecht et al. 2012). In der Studie wird zunächst das theoretische Konzept des Lebensweltbezugs im Kontext des historischen Lernens diskutiert und für die Hypothesenprüfung operationalisiert.
Für die empirische Untersuchung der Wirksamkeitsannahmen des Lebensweltbezugs von Geschichtsaufgaben wird das situationale Interesse als zweidimensionales Konstrukt bestehend aus Aufgabeninteressantheit und subjektiver Bedeutsamkeit der Aufgabe (vgl. auch Hidi&Renninger 2012; Durik&Harackievicz 2007; Mitchell 1993) konzeptualisiert. Dabei wird davon ausgegangen, dass sich Merkmale der Aufgabe auf beide Komponenten des situationalen Interesses unterschiedlich auswirken können. Zusätzlich wird ein Einfluss des individuellen Fachinteresses an Geschichte auf die Aufgabenwahrnehmung angenommen.
Eine differenzielle Betrachtung des Interesses (Fachinteresse und situationales Interesse) für das Fach Geschichte stellt bislang ein Desiderat dar. Sowohl auf Aufgaben- wie auch auf Individualebene liegen hierzu nur wenige Befunde für das historische Lernen vor (Bracke et al. 2014). Ebenso lässt sich die interessenförderliche Wirkung des Lebensweltbezugs für Geschichte bislang nur unzureichend empirisch belegen.
Für die Studie wurden insgesamt 34 Aufgaben zu drei Themengebieten des Geschichtsunterrichts der 9. Jahrgangsstufe inhaltsanalytisch hinsichtlich ihres Lebensweltbezugs untersucht sowie 801 Schüler/innen bayerischer Realschulen hinsichtlich der wahrgenommenen Interessantheit und Bedeutsamkeit der Aufgaben befragt.
Die Wirkung des jeweiligen Lebensweltbezugs sowie des individuellen Fachinteresses auf die wahrgenommene subjektive Bedeutsamkeit und Interessantheit der Aufgaben wurde mittels Cross-Classified Mulitlevel Analysen mit dem Statistikprogramm MPlus (Muthén und Muthén 2012) überprüft.
Die Analysen zeigten, dass grundsätzlich das bereits bestehende Fachinteresses Geschichte eines Menschen die wahrgenommene Interessantheit und Bedeutsamkeit der Aufgabe prädiziert, unabhängig von den Merkmalen der Aufgabe. Die differenzielle Wirkung von Aufgabenmerkmalen auf die beiden Komponenten des situationalen Interesses kann den Ergebnissen gemäß bestätigt werden. Insgesamt gesehen wirkt der Lebensweltbezug einer Aufgabe insbesondere auf die subjektive Bedeutsamkeit und nicht auf die Aufgabeninteressantheit.
Es wird diskutiert, dass das Fachinteresse an Geschichte als Prädiktorvariable eine wichtige Einflussgröße auf die Aufgabenwahrnehmung darstellt. Zugleich ist das situationale Interesse, das beim Lernen geweckt wird, eine wichtige Voraussetzung dafür, dass sich dauerhaft ein stabiles individuelles Fachinteresse ausbilden kann (Ferdinand 2014).
In der geschichtsdidaktischen Forschung wurde den motivationalen Bedingungen des historischen Lernens insgesamt bislang nur wenig Aufmerksamkeit beigemessen. Die Ergebnisse der Studie legen nahe, dass eine intensivere Erforschung einer interessenförderlicher Unterrichts- und Aufgabengestaltung, die sowohl die situationale Interessantheit als auch die subjektive Bedeutsamkeit anregt, einen wertvollen Beitrag zur Erweiterung des empirischen Forschungsfeldes in der Geschichtsdidaktik leisten kann
Bridging the Realism Gap for CAD-Based Visual Recognition
No full textComputer vision aims at developing algorithms to extract high-level information from images and videos. In the industry, for instance, such algorithms are applied to guide manufacturing robots, to visually monitor plants, or to assist human operators in recognizing specific components. Recent progress in computer vision has been dominated by deep artificial neural network, i.e., machine learning methods simulating the way that information flows in our biological brains, and the way that our neural networks adapt and learn from experience. For these methods to learn how to accurately perform complex visual tasks, large amounts of annotated images are needed. Collecting and labeling such domain-relevant training datasets is, however, a tedious—sometimes impossible—task. Therefore, it has become common practice to leverage pre-available three-dimensional (3D) models instead, to generate synthetic images for the recognition algorithms to be trained on. However, methods optimized over synthetic data usually suffer a significant performance drop when applied to real target images. This is due to the realism gap, i.e., the discrepancies between synthetic and real images (in terms of noise, clutter, etc.). In my work, three main directions were explored to bridge this gap.
First, an innovative end-to-end framework is proposed to render realistic depth images from 3D models, as a growing number of solutions (especially in the industry) are utilizing low-cost depth cameras (e.g., Microsoft Kinect and Intel RealSense) for recognition tasks. Based on a thorough study of these devices and the different types of noise impairing them, the proposed framework simulates their inner mechanisms, comprehensively modeling vital factors such as sensor noise, material reflectance, surface geometry, etc. Able to simulate a wide panel of depth sensors and to quickly generate large datasets, this framework is used to train algorithms for various recognition tasks, consistently and significantly enhancing their performance compared to other state-of-the-art simulation tools.
In some cases, however, relevant 2D or 3D object representations to generate synthetic samples are not available. Considering this different case of data scarcity, a solution is then proposed to incrementally build a representation of visual scenes from partial observations. Provided observations are localized from one to another based on their content and registered in a global memory with spatial properties. Simultaneously, this memory can be queried to render novel views of the scene. Furthermore, unobserved regions can be hallucinated in memory, in consistence with previous observations, hallucinations, and global priors. The efficacy of the proposed mnemonic and generative system, trainable end-to-end, is demonstrated on various 2D and 3D use-cases.
Finally, an advanced convolutional neural network pipeline is introduced, tackling the realism gap from a novel angle. While most methods addressing this problem focus on bringing synthetic samples—or the knowledge acquired from them—closer to the real target domain, the proposed solution performs the opposite process, mapping unseen target images into controlled synthetic domains. The pre-processed samples can then be handed to downstream recognition methods, themselves purely trained on similar synthetic data, to greatly improve their accuracy.
For each approach, a variety of qualitative and quantitative studies are detailed, providing successful comparisons to state-of-the-art methods. By proposing solutions to bridge the realism gap from either side, as well as a pipeline to improve the acquisition and generation of new visual content, this thesis provides a unique perspective on the challenges of data scarcity when building robust recognition systems.Die Computer Vision strebt an, Algorithmen zum Extrahieren hochwertiger Informationen von Bildern und Videos zu entwickeln. In der Industrie werden solche Algorithmen beispielsweise angewendet, um Fertigungsroboter zu steuern, um Betriebe visuell zu überwachen, oder um Mitarbeiter bei der Erkennung bestimmter Komponenten zu unterstützen. Die kürzlichen Fortschritte im Bereich Computer Vision wurden von tiefen künstlichen neuronalen Netzen dominiert. Diese Methoden des maschinelles Lernens (Machine Learning) simulieren die Art und Weise, in der die Information in unseren biologischen Gehirnen verarbeitet wird und in der unsere neuronale Netze sich anpassen und aus Erfahrung lernen. Damit diese Methoden zur genauen Ausführung komplexer visueller Aufgaben befähigt werden, müssen sie mit einer großen Anzahl von annotierten Bildern trainiert werden. Die Erhebung und Kennzeichnung entsprechender Trainingsdatensätze ist jedoch eine langwierige und manchmal sogar unmögliche Aufgabe. Deswegen ist es zur gängigen Praxis geworden, stattdessen die vorhandenen 3D-Modelle zur Generierung synthetischer Bilder einzusetzen, damit die Erkennungsalgorithmen mit Hilfe dieser Bilder trainiert werden. Allerdings, bei der Anwendung auf die realen Zielbilder, erleiden die Methoden, die durch synthetische Daten angepasst wurden, einen erheblichen Leistungsabfall. Dies geschieht aufgrund der Realismuslücke (Realism Gap), das heißt durch die Diskrepanzen zwischen synthetischen und realen Bildern (hinsichtlich von Rauschen, Störungen usw.). In meiner Arbeit wurden drei Hauptrichtungen untersucht, um diese Lücke zu schließen.
Zuerst wird ein innovatives End-to-End-Framework vorgeschlagen, um realistische Tiefenbilder von 3D-Modellen zu rendern, denn immer mehr Lösungen (insbesondere in der Industrie) verwenden kostengünstige Tiefen-Kameras (z. B. Microsoft Kinect und Intel RealSense) für die Erkennungsaufgaben. Aufgrund einer gründlichen Untersuchung dieser Geräte und der verschiedenen Arten von Rauschen, die dem Aufnahmen beeinträchtigen, simuliert das vorgeschlagene Framework deren innere Mechanismen, indem Schlüsselfaktoren wie Sensorrauschen, Reflektionsgrade der Materialien, Oberflächengeometrie usw. umfassend modelliert werden. Dieses Framework ist in der Lage eine breite Palette von Tiefensensoren zu simulieren und schnell große Datensätze zu generieren. Dies wird eingesetzt, um die Algorithmen für verschiedene Erkennungsaufgaben zu trainieren und deren Leistung im Vergleich zu anderen hochmodernen Simulationsmethoden konsistent und erheblich zu verbessern.
In manchen Fällen sind jedoch keine relevanten 2D- oder 3D-Objektdarstellungen zur Erzeugung von synthetischen Bildern verfügbar. Ausgehend von dieser Problematik des Datenmangels wurde eine Lösung vorgeschlagen, in der die Rekonstruktion von visuellen Szenen aus Teilbeobachtungen schrittweise durchgeführt wird. Die Bilder werden anhand ihres Inhalts in Bezug zueinander lokalisiert und in einer globalen Gedächtnisstruktur mit räumlichen Eigenschaften registriert Gleichzeitig kann dieses Gedächtnis abgerufen werden, um neuen Ansichten der Szene zu rendern. Darüber hinaus können bisher unbeobachtete Regionen in Übereinstimmung mit früheren Beobachtungen, Halluzinationen und globalen Vorwissen im Gedächtnis halluziniert werden. Die Wirksamkeit des vorgeschlagenen, durchgehend trainierbaren mnemonischen und generativen Systems, wird anhand von verschiedenen 2D- und 3D-Anwendungsfällen demonstriert.
Schließlich wird eine auf Convolutional Neural Networks (CNNs) basierte weiter entwickelte Pipeline vorgestellt, die die Realismuslücke aus einem neuen Blickwinkel angeht. Während die meisten Methoden, die sich mit diesem Problem befassen, sich darauf konzentrieren, synthetische Datenproben (bzw. daraus erworbenes Wissen) näher an die echte/reale Zieldomäne zu bringen, führt die vorgeschlagene Lösung den umgekehrten Prozess durch, indem ungesehene Zielbilder in den kontrollierten synthetischen Domänen abgebildet werden. Die vorbehandelten Datenproben können dann für die nachgeschalteten Erkennungsalgorithmen übergeben werden, die selbst anhand der ähnlichen synthetischen Daten trainiert wurden, um deren Genauigkeit deutlich zu verbessern.
Für jeden Ansatz werden verschiedene qualitative und quantitative Studien durchgeführt, um mit sie den neuesten Methoden zu vergleichen. Insgesamt werden in dieser Arbeit Methoden zur Überbrückung der Realismuslücke auf beiden Seiten sowie eine Lösung zur Verbesserung der Erfassung und Generierung neuer visueller Inhalte beschrieben. Daher bietet diese Dissertation eine neuartige Perspektive auf die Herausforderungen der Datenknappheit bei der Entwicklung robuster Erkennungssysteme
Identity makes the World go round: Social Constructivist Foreign Policy Analysis
No full textPublication based dissertation on social constructivist approaches to foreign policy analysis and critical security studies
Still/Moving art – ekphrasis as intermedial phenomenon in film
No full textDie vorliegende Arbeit erforscht den Einsatz von Ekphrasen in audiovisuellen Texten. Der ursprünglich aus der antiken Rhetoriklehre stammende Begriff bezeichnet die literarische Beschreibung von bildender Kunst und wird im Rahmen dieser Untersuchung auf den Film übertragen. Ziel der Analyse filmischer Beschreibungen von Kunst, speziell Malerei, ist es zu eruieren, wie Kunstwerke im Sinne der Bedeutungsvermittlung semantisch aufgeladen respektive funktionalisiert werden. Zentrale Forschungsgegenstände bilden demnach die Medien Bild und Film – somit ist die gesamte Arbeit in den Kontext des Intermedialitätsdiskurses eingebettet. Als Korpus dient ein Konglomerat an Texten, das neben zentralen Schlüsselwerken insbesondere jüngere – zwischen 2011 und 2016 entstandene –, wenig bis kaum erforschte Filme umfasst.The dissertation explores the use of ekphrases in audiovisual texts. The term, originally derived from ancient rhetoric, describes the literary description of fine arts and is transferred to film in the context of this study. The aim of the analysis of cinematic descriptions of art, especially painting, is to determine how works of art are semantically functionalized in the sense of conveying meaning. Image and film are central research subjects - thus the entire work is embedded in the context of the intermediality discourse. A conglomerate of texts serves as corpus, which, in addition to key works, includes particularly recent films - produced between 2011 and 2016 - for which almost no secondary literature is provided
Policy-Based Composition and Embedding of Extended Virtual Networks and SFCs for IIoT
No full textThe autonomic composition of Virtual Networks (VNs) and Service Function Chains (SFCs)based on application requirements is significant for complex environments. In this paper, we use graph transformation in order to compose an Extended Virtual Network (EVN) that is based on
different requirements, such as locations, low latency, redundancy, and security functions. The EVN can represent physical environment devices and virtual application and network functions. We build
a generic Virtual Network Embedding (VNE) framework for transforming an Application Request (AR) to an EVN. Subsequently, we define a set of transformations that reflect preliminary topological, performance, reliability, and security policies. These transformations update the entities and demands of the VN and add SFCs that include the required Virtual Network Functions (VNFs). Additionally, we propose a greedy proactive heuristic for path-independent embedding of the composed SFCs. This heuristic is appropriate for real complex environments, such as industrial networks. Furthermore, we present an Industrail Internet of Things (IIoT) use case that was inspired by Industry 4.0 concepts,in which EVNs for remote asset management are deployed over three levels; manufacturing halls and edge and cloud computing. We also implement the developed methods in Alevin and show exemplary mapping results from our use case. Finally, we evaluate the chain embedding heuristic while using a random topology that is typical for such a use case, and show that it can improve the admission ratio and resource utilization with minimal overhead
Evolving data teams: Tensions between organisational structure and professional subculture
No full textThis study explores the integration of data journalism within three European legacy news organisations through the lens of organisational structure and professional culture. Interviews with data journalists and editors suggest that professional routines resonate with established data journalism epistemologies, values, and norms that appear to be constitutional for an inter-organisational data journalism subculture. At the same time, organisational structure either integrates the journalistic subculture by increasing levels of complexity, formalisation, and centralisation or rejects it by not accommodating it structurally or culturally. The three data teams work along epistemologies of computer-assisted reporting, investigative journalism, and data journalism but differentiate themselves through nuanced understandings of data journalism practice, driven by individual journalists. After a structureless episode, one team sets itself apart as it diverges from data-driven routines and orients itself towards technological and interdisciplinary interactive journalism. The findings show an interdependence of individual efforts, varying conceptualisations of data journalism practice, and interplay between organisational structure and professional culture
The Spiritual “Freelancers”: Young People, Religiosity and Community Problem Solving
No full textEarlier research showed that religion is related to participation
among adolescents. It emphasized the effects of belonging (affiliation to groups and traditions) on community service among Western populations. This article takes one step further and focuses on religiosity as a potential motivation for community problem solving during adolescence and young adulthood, in the Eastern European Orthodox cultural setting. Data comes from several semistructured interviews with participants in a civic project conducted in the city of Timisoara (Romania). Findings indicated a low impact of the social religious component on engagement. The cognitive dimension of belief and the emotional bonding (prayer, ritual connection to the higher reality) function as indirect motivators, through the moral element of behavior. Results also showed a privatization of spiritual life at young adults (the invisible religion): estrangement from doctrines and the development of an individualistic type of morality, meant to drive volunteer activities further
Fake News und Desinformation
No full textDesinformation ist eine Konstante der politischen Kommunikation. Doch mit der Wahl Donald Trumps zum Präsidenten der Vereinigten Staaten und der Brexit-Abstimmung in Großbritannien erhielten bewusst lancierte Falschnachrichten eine neue gesellschaftliche Bedeutung. Denn nun wurde sichtbar, welche Wirkungen Falschmeldungen für demokratische Systeme haben. Der Band geht diesem Phänomen auf den Grund, indem er herausarbeitet, was “Fake News” sind. Er geht der Frage nach, wie, warum und von wem sie eingesetzt werden und reflektiert, was man gesellschaftlich und persönlich dagegen tun kann. Das Buch gibt zu diesem Zweck einen Überblick über den aktuellen Stand der empirischen Forschung zu Fake News und Desinformation, besonders mit Blick auf deren Verbreitung, Erkennbarkeit und Wirksamkeit. Zugleich diskutiert er in einer Mischung aus Essays, theoretischen Erörterungen und empirischen Studien die Herausforderungen von Desinformation für unsere Gesellschaft und beleuchtet so das Thema von allen Seiten.Disinformation has long been a tool used in political communication. However, with the election of Donald Trump as President of the United States and in the run-up to Britain’s ‘Brexit’ from the European Union, deliberately falsified news gained a whole new social meaning. Now, the devastating effects false reports can have on democratic systems have become visible. This book explores this phenomenon by defining what ‘fake news’ really is. It examines how, why and by whom it is used and reflects on what can be done about it, both on a societal and personal level. To this end, the book provides an overview of the state of empirical research into fake news and disinformation, particularly with regard to their dissemination, recognisability and effectiveness. At the same time, it discusses the challenges disinformation poses to our society in a mixture of essays, theoretical discussions and empirical studies, which explore the topic from all sides
De-Fragmentierung in der Deutschlehrer*innenbildung. Herausforderungen und Potenziale interdisziplinärer Lehre zur Vermittlung literarischer Kompetenz
No full textIm Folgenden wird zunächst beschrieben, auf welcher fachwissenschaftlichen Grundlage das Modell Literarischer Kompetenz nach Schilcher/Pissarek fußt. Davon ausgehend werden anschließend die Potenziale der Literatursemiotik sowohl für die hochschulische Lehre als auch für den Deutschunterricht beleuchtet. In einem weiteren Abschnitt werden die drei im Rahmen der Passauer Kooperation zwischen Literatursemiotik und Literaturdidaktik erprobten Vernetzungsmodelle einander gegenübergestellt. Um diese zu differenzieren, wird zunächst ein Überblick über das jeweilige Veranstaltungskonzept gegeben, woraufhin in einem zweiten Schritt die Art der De-Fragmentierung erläutert wird, was schließlich in eine Skizzierung der Seminargestaltung mündet, um abschließend auf Grundlage zentraler Evaluationsergebnisse ein Gesamtfazit ziehen zu können
Semiotische Impulse für die Gestaltung von Bildungsräumen. Theoretische Reflexion und praktische Gestaltungsaspekte einer Mediothek für Kinder zur Förderung von Literacy
No full textDieser Beitrag zeigt, welche Impulse die Semiotik im Zusammenspiel mit der Kunstpädagogik für die Gestaltung von Bildungsräumen auf theoretisch-reflexiver und praktischer Ebene geben kann. Am Beispiel der im Rahmen einer universitären Lehrveranstaltung durchgeführten konzeptionellen Gestaltung einer Mediothek für Kinder vom Kindergarten- bis zum Grundschulalter wird in diesem Beitrag das für die (Literatur-)Semiotik zentrale Konzept des Raumes von seinem germanistischen Fachbezug gelöst, mit kunstpädagogischen Impulsen verwoben und zu einer fächerübergreifenden Reflexion über Bildungsräume hin erweitert. Das diesem Dreischritt übergeordnete und für die Entwicklung der Mediothek als Leitidee angewandte Konzept der (Information and Media) Literacy ist sowohl für die Germanistik als auch für die Kunstpädagogik zentral. Zunächst werden daher ausgehend von einer literatursemiotischen Betrachtung des Raumes als Denkeinheit und Beschreibungskategorie semiotische Aspekte des Literacy-Konzepts herausgearbeitet. Anschließend wird die universitäre Lehrveranstaltung als Erfahrungsraum für (Information Media) Literacy beschrieben