Institut für Informationswissenschaft der TH Köln
Refine
Year of publication
- 2022 (5) (remove)
Document Type
- Bachelor Thesis (5) (remove)
Keywords
- Bibliotheksentwicklung (1)
- DFG-Kodex (1)
- Demokratiepolitische Arbeit (1)
- Deutsche Forschungsgemeinschaft (1)
- Deutscher Aktienindex (1)
- Finanzmarktdaten (1)
- Five-Forces (1)
- Four Spaces (1)
- Gute wissenschaftliche Praxis (1)
- Indoor-Farming (1)
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.
Wissenschaftliche Integrität und gute wissenschaftliche Praxis sind die Eckpfeiler vertrauenswürdiger Forschung. Die Deutsche Forschungsgemeinschaft (DFG) hat 2019 Leitlinien zur Sicherung guter wissenschaftlicher Praxis herausgegeben, die von Hochschulen und Forschungseinrichtungen bis zum Juli 2022 umgesetzt werden müssen, wenn sie weiterhin Drittmittel aus den Töpfen der erhalten wollen. Ziel der Arbeit ist es, die Umsetzung des DFG-Kodex an Universitäten und Forschungseinrichtungen zu untersuchen. Vor dem Hintergrund, dass die wissenschaftliche Integrität und das Vertrauen der Öffentlichkeit in die Wissenschaft durch Veröffentlichungen in sogenannten Raubzeitschriften gefährdet ist, wurden relevante Leitlinien ausgewählt. Mit einer qualitativen Inhaltanalyse wurde die Frage beantwortet, wie die den Publikationsprozess betreffenden Leitlinien an ausgewählten Universitäten und Forschungseinrichtungen umsetzten.
Dabei zeigte sich, dass nur etwa die Hälfte der Einrichtungen diese Leitlinien in ihren eigenen Papieren zur guten wissenschaftlichen Praxis umsetzte.
Bestimmte Trader legen bei ihren Transaktionen sehr viel Wert auf Risikominimierung. Um zu bestimmen, was für ein Risiko bei einem Kauf eingegangen wird, greifen sie insbesondere auf Daten zur Volatilität der Aktien zurück. Besonders informativ ist dabei die prognostizierte zukünftige Volatilität der Aktien.
Die vorliegende Arbeit behandelt die Volatilitätsprediktion mit Hilfe von rekurrenten neuronalen Netzen. Mithilfe von Modellen sollen Volatilitäten in Finanzmarktdaten prognostiziert werden. Dazu wurde folgende Forschungsfrage entwickelt: Wie und mit welcher Genauigkeit sind rekurrente neuronale Netze in der Lage, die Volatilität von Finanzmarktdaten voraus zu sagen? Außerdem wurde der Ansatz verfolgt, unterschiedliche rekurrente neuronale Netze im Bezug auf das Prognosepotential der jeweiligen Arten zu vergleichen.
Zu diesem Zweck wurden vier verschiedene Modelle erstellt und mit Daten des deutschen Aktienindex DAX trainiert. Auf Basis des Trainings prognostizierten die Modelle eine gewisse Anzahl an Volatilitätswerten. Mithilfe dieser Vorhersagewerte wurden die Modelle dann auf unterschiedliche Aspekte analysiert und interpretiert.
Die Ergebnisse zeigen, dass komplexere Modelle wie ein Long-Short-Term-Memory (LSTM), ein Gated Recurrent Unit (GRU) oder Kombinationen aus LSTM und GRU bessere Ergebnisse liefern als simplere rekurrente neuronale Netze, da erstere mehr Informationen aus den vorangegangenen Daten nutzen können und so eine Art Langzeitgedächtnis entwickeln. Weitere Forschung könnte Bezug auf andere Daten nehmen und so ein General-Purpose-Modell für unterschiedliche Indizes erstellen.
Der Vermittlung politischer Bildung kommt vor dem Hintergrund einer wachsenden Demokratiefeindlichkeit eine bleibende Bedeutung zu. In unterschiedlichen Kontexten werden Menschen mit politischen Inhalten konfrontiert, zu denen sie sich verhalten müssen. Politische Bildung geschieht einerseits im Auftrag des Staates. Andererseits sind es eine Vielzahl von zivilgesellschaftlichen Akteuren, die sie ihr widmen. Ihr Ziel, urteilsfähige und handlungsbereite Bürgerinnen und Bürger hervorzubringen, ist auch und besonders an öffentlichen Bibliotheken zentrales Anliegen. Die Arbeit gibt einen Überblick über Theorie- und Bezugsfelder der politischen Bildung. Sie identifiziert und problematisiert unterschiedliche didaktische Ansätze und deren Bezüge zu bibliotheksethischen und -pädagogischen Positionen. Diese werden in Zusammenhang mit dem „Four Spaces“-Modell für öffentliche Bibliotheken gebracht, das als Mittel dafür dienen kann, politische Bildung an Bibliotheken zu verwirklichen. Zentral sind die ideellen Aspekte, denen sich das „Four Spaces“-Modell mit seinen vier Räumen verschreibt, die in ihrer Bedeutung entfaltet werden. Einer konkreten, institutionengebundenen Konzeption politischer Bildung kann das als theoretischer Rahmen dienen.
With the growing scientific output that is produced, its getting more important to automate the extraction of knowledge from articles. This bachelor thesis will describe an approach doing exactly this. Scientific articles will be obtained from a database.
These articles will be preprocessed to gain a set of training data, to update a language model that already exists for Python library spaCy. The model will be trained to recognize different sorts of entities regarding to the virus rabies. After this process the model will be used for ten articles and the extracted knowledge will be used to extend the Open Research Knowledge Graph.