Refine
Document Type
- Master's Thesis (2)
Language
- German (2)
Has Fulltext
- yes (2)
Keywords
- Sammlung (2) (remove)
Im Laufe ihrer Geschichte sind zahlreiche Privatbibliotheken in den Bestand der Universitäts- und Stadtbibliothek Köln aufgenommen worden. In der Regel wurden eingehende Sammlungen aufgeteilt, in die bestehende Bibliothekssystematik eingefügt und damit unsichtbar gemacht. So auch die Bibliotheken der Schwestern Mathilde und Melanie von Mevissen, die in den 1920er Jahren eingearbeitet worden sind.
Im Rahmen dieser Masterarbeit wurde das Konvolut rekonstruiert. Ausgehend von verschiedenen bibliothekarischen Quellen und die autoptische Untersuchung zahlreicher Bücher konnten über 700 Bände aus der ursprünglichen Sammlung identifiziert werden.
Die Arbeit gibt zudem Einblick in die spezifischen historischen und biografischen Verhältnisse vor denen die Schwestern ihre Bibliotheken angelegt haben und analysiert den rekonstruierten Bestand vor diesem Hintergrund.
Die Entwicklungen im Bereich der Informations- und Kommunikationstechnologie haben völlig neue Möglichkeiten des Datenaustausches und der Zusammenarbeit geschaffen. Das zeigt sich auch in der Lehre. Hier hat sich der Begriff der Open Educational Resources (OER) entwickelt, womit frei zugängliche Bildungsmaterialien bezeichnet werden. Um dieses Potential ausschöpfen zu können, braucht es innovative Herangehensweisen.
In dieser Arbeit wird ein neuer Ansatz vorgestellt. Anstatt Lehrmaterialien als Teil eines didaktischen Konzeptes zu betrachten, werden sie als Objekte einer digitalen Sammlung verstanden. Das erleichtert die Adaptierung der Materialien an die spezifischen Anforderungen von Lehrveranstaltungen. Konkret wird der Ansatz auf den Aufbau einer OER-Kollektion für Machine Learning angewendet. Denn gerade in diesem Bereich zeichnet sich ein hoher Bedarf an Kompetenzvermittlung ab, um Forschende auf die Anforderungen einer immer datenintensiveren Wissenschaft vorzubereiten.
Die gewonnenen Erfahrungen werden im Fazit als Lessons learned zusammengefasst, um damit andere bei der Umsetzung ähnlicher Vorhaben zu unterstützen.
Die OER-Kollektion ist zugänglich über die Online-Plattform GitHub unter dem Link:
https://github.com/Machine-Learning-OER-Collection/Machine-Learning-OER-Basics