Refine
Document Type
- Bachelor Thesis (24)
- Master's Thesis (3)
Keywords
- Suchmaschine (3)
- WordPress (3)
- Daten (2)
- Nachhaltigkeit (2)
- Power BI (2)
- Suchmaschinenoptimierung (2)
- Visualisierung (2)
- Website (2)
- Alltag (1)
- Alternative für Deutschland (1)
Die Musikindustrie hat über die letzten Jahre einen nachhaltigen, digitalen Wandel erlebt. Sowohl Streaming- als auch Social-Media Plattformen sind zu bedeutenden Akteuren in diesem Bereich herangewachsen. Insbesondere TikTok hat sich dabei als Marketinginstrument für Musiker etabliert. Die vorliegende Bachelorarbeit untersucht die möglichen Faktoren, die den Erfolg von Musikern auf TikTok beeinflussen und wie sie das Kurzvideoportal nutzen können, um ihre Karriere zu fördern. Dafür werden die Erkenntnisse aus relevanten Literaturinhalten, aktuellen Studien und Online-Quellen zusammengefasst und miteinander kombiniert. Zudem werden die Strategien etablierter Musiker und aufstrebender Künstler auf TikTok analysiert. Die Ergebnisse zeigen, dass der Erfolg eines Musikstücks und seines Interpreten auf TikTok sowohl durch die kreative Produktion und Präsentation als auch durch die Interaktion mit der Community beeinflusst werden kann. Für Musiker gilt es, TikTok-Trends zu setzen, sie zu erkennen und auf diese zu reagieren.
Analyse der Übertragbarkeit allgemeiner Rankingfaktoren von Web-Suchmaschinen auf Discovery-Systeme
(2018)
Ziel dieser Bachelorarbeit war es, die Übertragbarkeit der allgemeinen Rankingfaktoren,
wie sie von Web-Suchmaschinen verwendet werden, auf Discovery-Systeme zu analysieren.
Dadurch könnte das bisher hauptsächlich auf dem textuellen Abgleich zwischen Suchanfrage
und Dokumenten basierende bibliothekarische Ranking verbessert werden.
Hierfür wurden Faktoren aus den Gruppen Popularität, Aktualität, Lokalität, Technische
Faktoren, sowie dem personalisierten Ranking diskutiert. Die entsprechenden Rankingfaktoren
wurden nach ihrer Vorkommenshäufigkeit in der analysierten Literatur und der daraus
abgeleiteten Wichtigkeit, ausgewählt. Von den 23 untersuchten Rankingfaktoren sind 14 (61 %) direkt vom Ranking der
Web-Suchmaschinen auf das Ranking der Discovery-Systeme übertragbar. Zu diesen zählen
unter anderem das Klickverhalten, das Erstellungsdatum, der Nutzerstandort, sowie die Sprache.
Sechs (26%) der untersuchten Faktoren sind dagegen nicht übertragbar (z.B. Aktualisierungsfrequenz
und Ladegeschwindigkeit). Die Linktopologie, die Nutzungshäufigkeit, sowie die
Aktualisierungsfrequenz sind mit entsprechenden Modifikationen übertragbar.
Die vorliegende Bachelorarbeit befasst sich mit der Analyse von Businessprozessen mittels Process Mining. Betrachtet werden sowohl theoretische Grundlagen, als auch die praktische Anwendung von Process Mining. In dieser Arbeit wird untersucht wie relevant der Themenbereich für eine Nutzung ist und welche Chancen und Herausforderungen ein Einsatz von Process Mining beinhaltet.
Analysing the systematics of search engine autocompletion functions by means of data mining methods
(2017)
In the internet era, the information that can be found about politicians online can influence
events such as the results of elections. Research has shown that biased search rankings can
shift the voting preferences of undecided voters. This shows the importance of studying
online search behaviour, especially in the pre-elections phase, when search results can
have a particular influence on the future political scene of a country.
This master thesis aimed to study the behaviour of online search engines in a period before
the German federal election in 2017. The aim was to ascertain if there is any pattern to be
found in the auto-suggestions for searches related to politicians.
In order to gather data for this experiment, a crawler browsed search engine web pages,
input a name and a surname of a politician, and saved that together with all autosuggestions
from the search engine. The autosuggestions were prepared for the analysis and
divided into semantic groups with the help of clustering algorithms.
Different statistical methods, such as correlation analysis, regression analysis, and clustering
were used to identify patterns in the data. The research showed that there are
no particularly strong patterns in the autosuggestions for searches related to politician’s
names. Only moderate dependence was found between gender and personal topics, and
showed that a higher amount of personal information autosuggestions correspond more
to female politicians.
Text Mining bietet die Möglichkeit, große Textmengen durch automatisierte Verfahren zu analysieren. Die vorliegende Arbeit beschäftigt sich mit der Anwendung und Evaluation solcher Methoden für die spezielle Textform freier Antworten aus Mitarbeiterbefragungen. Dabei werden verschiedene Techniken aus den drei Bereichen Phrasenextraktion, Sentimentanalyse und Kategorisierung dargestellt und an einer konkreten Umfrage angewendet. Die Ergebnisse werden jeweils durch Abgleich mit manuellen Ergebnissen bzw. durch manuelle Bewertungen evaluiert und die Resultate untereinander verglichen. Die genutzten Verfahren sollten ohne spezifische Trainingsdaten oder Projektinformationen anwendbar sein und sich somit auch für andere Mitarbeiterbefragungen eignen.
Die Phrasenextraktion wird auf drei verschiedene Weisen durchgeführt, wobei Part-of-Speech (POS)-Chunking, Stoppwortbegrenzung und Kookkurrenzen genutzt werden. Die Untersuchungen zeigen, dass mit dem POS-Chunking präziser die relevantesten Phrasen aus längeren Texten ermittelt werden können. Die Methode der Stoppwortbegrenzung extrahiert dagegen eine größere Vielfalt relevanter Phrasen auch aus kürzeren Texten. Manuelle Einschätzungen der Extraktionsergebnisse bewerten die Methode mit POS-Chunking am besten. Darüber hinaus wird eine automatisierte Zusammenfassung semantisch ähnlicher Phrasen durchgeführt, wodurch sich leichte Verbesserungen einiger Evaluationsergebnisse zeigten.
Für die Sentimentanalyse der freien Antworten wird eine Erweiterung eines bestehenden Verfahrens aus dem Social Media-Bereich dargestellt. Hierzu werden der Methode vier Regeln hinzugefügt, welche die Sentimentbewertung aufgrund bestimmter Syntaxformen in den freien Antworten verändern. Die Evaluation zeigt, dass drei der vier Regeln dazu beitragen, dass sich die automatisierte Bewertung manuellen Bewertungen annähert.
Die Kategorisierung wird durch die beiden Topic Modeling-Methoden Latent Dirichlet Allocation (LDA) und Non-negative Matrix Factorization (NMF) durchgeführt. NMF erreichte bei dem Abgleich mit einer manuellen Kategorisierung höhere Übereinstimmungen und zeichnete sich auch durch eine bessere Abgrenzung der Thematiken sowie eine bessere Interpretierbarkeit aus.
Die Text Mining-Methoden und deren Evaluationen werden für diese Arbeit in der Programmiersprache Python umgesetzt. Außerdem werden die Text Mining-Resultate in die Datenvisualisierungssoftware Tableau eingebunden.
In der vorliegenden Arbeit wird ein Einblick in Eignung und Unterschiede verschiedener Text Mining-Methoden in Bezug auf freie Antworten in Mitarbeiterbefragungen gegeben. Darüber hinaus wird dargestellt, dass auch spezifische Anpassungen an diese Textform möglich sind. Zusätzlich werden diverse Optimierungsansätze aufgezeigt, die den noch großen Weiterentwicklungsbedarf in diesem Bereich verdeutlichen.
Das Ziel der vorliegenden Arbeit ist es zu analysieren, welche Einflusskräfte in der Branche Indoor-Farming wirken und wie hoch ihre Ausprägung ist. Dazu wird die folgende Forschungsfrage gestellt: Welche kritischen Erfolgsfaktoren lassen sich anhand von Porters Five-Forces-Modell für Indoor-Farming-Betriebe identifizieren und welche Chancen, Trends sowie Risiken können daraus abgeleitet werden? Um die Forschungsfrage zu beantworten, wurde mittels der induktiven Forschung eine Literaturrecherche in Branchen relevanten Quellen durchgeführt und diese mit Hilfe von Porters Five-Forces-Modell analysiert. Die Ergebnisse zeigen, dass der Einfluss der Lieferanten stark ausgeprägt ist und der Wettbewerb innerhalb der Branche zunimmt. Zusätzlich befindet sich die Indoor-Farming Branche erst im Aufbau und der Markt wird von wenigen Unternehmen beherrscht. Neben großen Produktionsstätten haben sich kleinere In-Store-Farmen und Container-Farmen etabliert, die es den Unternehmen ermöglichen Transportkosten zu reduzieren. Auf dieser Grundlage ist es empfehlenswert, entsprechende Anbaukonzepte zu optimieren, um einen Wettbewerbsvorteil zu erlangen und kostengünstig dem Endverbraucher frische Produkte bereitzustellen.
Die Construal Level Theory gilt als ein wichtiger integrativer Rahmen zur Erklärung verschiedener Entscheidungsphänomene und beschreibt dabei die Beziehung zwischen dem Grad der Abstraktion im menschlichen Denken und der psychologischen Distanz.
Die Auswirkungen dieser kognitiven Vorgänge wurden bereits in unterschiedlichen Kontexten erforscht. Hierbei ist auch der Einfluss auf die Zahlungsbereitschaft der Konsumenten von Interesse, sodass dieses Forschungsgebiet innerhalb dieser Arbeit erneut aufgegriffen wird. Auf Grundlage von bereits durchgeführten Studien ist es das Ziel, mithilfe einer überarbeiteten Methodik den Einfluss der Construal Level Theory auf die Zahlungsbereitschaft zu überprüfen und daraus mögliche marketingrelevante Handlungsempfehlungen abzuleiten. In diesem Zusammenhang wird die folgende Forschungsfrage gestellt: Welchen Einfluss hat die mentale Abstraktion auf den Zusammenhang zwischen der psychologischen Distanz und der Zahlungsbereitschaft?
Für die Überprüfung wurde eine quantitative experimentelle Online-Befragung mit 290 Probanden durchgeführt, bei welcher die Teilnehmenden hinsichtlich der psychologischen Distanz sowie der mentalen Abstraktion beeinflusst wurden und unterschiedliche Produkte und Aktivitäten in Bezug auf ihre Zahlungsbereitschaft bewerten sollten. Die Ergebnisse zeigen, dass grundsätzlich höhere Beträge bei einer nahen psychologischen Distanz zum Produkt oder der Aktivität angegeben wurden.
Ebenso hat die Übereinstimmung der nahen psychologischen Distanz mit einer konkreten Abstraktion zu einer geringeren Zahlungsbereitschaft geführt als bei alleiniger Betrachtung der psychologischen Distanz. Abgeleitet aus diesen Erkenntnissen ist es somit förderlich eine detaillierte Präsentation von Produkten zu wählen sowie auf eine gezielte Formulierung bei der Bewerbung der Produkte zu achten, sodass bestimmte Dimensionen der psychologischen Distanz angesprochen werden. Der zusätzliche Stimulus der nahen Distanzdimensionen, in Form von Produktmerkmalen oder Informationstexten sollte jedoch mit Bedacht eingesetzt werden, um eine letztendlich geringere Zahlungsbereitschaft zu vermeiden. Es muss in diesem Kontext angemerkt werden, dass die Studienergebnisse dieser Arbeit konträr zu bereits durchgeführten Forschungen sowie den grundsätzlichen Annahmen der Construal Level Theory sind, weshalb noch weitere Wiederholungsstudien durchgeführt werden sollten, um die Ergebnisse zu bestätigen und ebenso aktuelle äußere Einflüsse zu berücksichtigen.
Hierzu zählen beispielsweise gesellschaftliche oder politische Veränderungen.
Durch den rasanten Anstieg der Digitalisierung gewinnt die Datenanalyse in Unternehmen und Forschungsprojekten immer mehr an Bedeutung. Dabei ist eine Datenanalyse für nicht ausgebildetes Personal schwierig umzusetzen. Dementsprechend wird im Rahmen der Bachelorarbeit ein Tutorial für die Durchführung einer Datenanalyse in Microsoft Power BI entwickelt. Die Entwicklung wird sich mit der Frage auseinandersetzen, wie sich die Grundlagen zielgerichtet erklären lassen, wenn die Nutzer des Tutorials keine Kenntnisse in Programmiersprachen besitzen. Denn der theoretische Teil behandelt die Grundlagen von Microsoft Power BI und der Formelsprache DAX. Darauf aufbauend werden im praktischen Teil des Tutorials die DAX-Funktionen für die Datenanalyse auf einen zur Verfügung gestellten Datensatz angewendet. Zum Schluss wird aus dem entwickelten Tutorial ein abgeleitetes Visualisierungsbeispiel vorgelegt.
Die schnelle Verbreitung digitaler Musik im Internet stellt Benutzer in der
heutigen Zeit vor eine große Auswahl. Um bei diesem Übermaß an
Musikangeboten nicht den Überblick zu verlieren, haben Musikgenres eine
Klassifizierung ermöglicht. Das Hauptziel der Arbeit ist die Erfassung der
Entwicklung eines Klassifikationsschemas für moderne Musikgenres und die
Analyse potentieller Anwendungen in Hinblick auf die Bereiche Musik in der TVWerbung,
Musikfestivals und Musik-Streaming-Dienste. Zunächst wird darauf
eingegangen, wie sich die Musik in allen drei Bereichen entwickelt hat,
anschließend wird ein Klassifikationsschema erfasst, wobei
Persönlichkeitsmerkmale von Rezipienten und musikalische Daten erfasst
werden.
Im Anschluss wird in Kapitel 4 auf potentielle Anwendungen der erfassten
Daten eingegangen, woraufhin auch über die Problematik bei der
Musiksortierung und das veränderte Konsumverhalten der Rezipienten
gesprochen wird.
Das Ziel in dieser Arbeit soll es sein ein Recommender System für den Fußball zu entwickeln, welches Vereine bei der Suche nach potenziellen neuen Spielern unterstützen soll. Um dieses System zu entwickeln bedarf es zunächst einer Sichtung von möglichen Datenquellen. Hierzu wird letztlich ein Webscraper verwendet um benötigte Daten von Spielern von der Seite fbref.com zu sammeln. Für die Analyse der Daten wird das k-means Clustering verwendet, welches die Spieler innerhalb ihrer unterschiedlichen Spielstile einteilen soll. Zur Verbesserung der Clustering Ergebnisse werden die Spieler bereits zuvor in die Kategorien Verteidigung, Mittelfeld und Sturm unterteilt. Die gewonnenen Spielercluster werden in einem abschließenden Schritt mittels Faktorenanalyse miteinander verglichen und die Spieler erhalten innerhalb ihres Clusters eine Platzierung. Mit Hilfe dieser Platzierung soll es Vereinen ermöglicht werden, bereits erste Vorauswahlen treffen zu können.