Logo des Repositoriums

Auflistung nach Autor:in "Schneider, Kerstin"

1 - 7 von 7
  • Zeitschriftenartikel
    ALEA – Adaptive eLEArning System – Lernende datenbankbasierte Lernsysteme in der Datenbanklehre
    (Datenbank-Spektrum: Vol. 21, No. 2, 2021) Schneider, Kerstin; Keller, Fabian; Habekost, Pia; Schmeil, Victor; Dampmann, Markus; Schorch, Florian
    Im Bereich Datenbanken werden selbstentwickelte E‑Learning-Systeme an vielen Hochschulen seit Jahren erfolgreich verwendet. An der Hochschule Harz werden E‑Learning-Systeme im Bereich Datenbanken im Rahmen der Lehre und für die Lehre entwickelt, weiterentwickelt und eingesetzt. Das Gesamtsystem, welches die zusammengehörenden Systeme umfasst, wird als ALEA bezeichnet. Es werden relevante Komponenten von ALEA erläutert, die im Rahmen der Datenbanklehre für die klassischen Teilgebiete SQL, ER-to-Relational-Mapping und Normalisierung genutzt werden.
  • Zeitschriftenartikel
    Einladung zur Jahrestagung der Fachgruppe 2025 zum Thema „Nachhaltigkeitsziele und Informatik“
    (Vol. 48, Large Language Models, 2024) Best, Katharina; Schneider, Kerstin; Erb, Ulrike
  • Konferenzbeitrag
    Entwicklung interdisziplinärer Module in der Hochschulbildung
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Krause, Stefanie; Adler, Simon; Bühl, Johannes; Schenkendorf, René; Schneider, Kerstin; Stolzenburg, Frieder; Transchel, Fabian
    Um der zunehmenden Bedeutung der künstlichen Intelligenz (KI) für Unternehmen Rechnung zu tragen, entwickelt die Hochschule Harz interdisziplinäre Module im Rahmen des kooperativen Studiengangs AI Engineering – Künstliche Intelligenz in den Ingenieurwissenschaften, unter anderem in den Bereichen Mobile Systeme und Telematik. Im vorliegenden Beitrag wird ein Einblick in die geplante Umsetzung für ausgewählte Module gegeben.
  • Konferenzbeitrag
    Improving search results in life science by recommendations based on semantic information
    (Datenbanksysteme für Business, Technologie und Web (BTW 2015) - Workshopband, 2015) Colmsee, Christian; Chen, Jinbo; Schneider, Kerstin; Scholz, Uwe; Lange, Matthias
    The management and handling of big data is a major challenge in the area of life science. Beside the data storage, information retrieval methods have to be adapted to huge data amounts as well. Therefore we present an approach to improve search results in life science by recommendations based on semantic information. In detail we determine relationships between documents by searching for shared database IDs as well as ontology identifiers. We have established a pipeline based on Hadoop allowing a distributed computation of large amounts of textual data. A comparison with the widely used cosine similarity has been performed. Its results are presented in this work as well.
  • Zeitschriftenartikel
    Rechnerunterstützung für Interaktionen zwischen Menschen Begriffsklärung, Anwendungsgebiete und Basiswerkzeuge
    (Informatik-Spektrum: Vol. 22, No. 6, 1999) Becker, Wolfgang; Burger, Cora; Klarmann, Jürgen; Kulendik, Ottokar; Schiele, Frank; Schneider, Kerstin
  • Konferenzbeitrag
    Scalable Interventions in Higher Education: An AI-Supported Feedback Tool to ASSIST Self-Reflection
    (Workshops der 21. Fachtagung Bildungstechnologien (DELFI), 2023) Rumert, Luis; Berens, Johannes; Gößl, Thomas; Henao, Leandro; Salamon, Moritz; Schneider, Kerstin
    ASSIST is an intelligent feedback portal for smartphones that helps students monitor their academic progress and predict their likelihood of success. It allows students to reflect on their current situation and explore individualized study scenarios.
  • Konferenzbeitrag
    T-XPath: Ein zeitliches Modell für XML-Datenbanken
    (BTW 2003 – Datenbanksysteme für Business, Technologie und Web, Tagungsband der 10. BTW Konferenz, 2003) Kalb, Markus; Schneider, Kerstin; Specht, Günther
    Bisherige XML-Datenbanken erlauben lediglich eine eingeschränkte Unterstützung von zeitlichen Daten und Anfragen. Das hier vorgestellte zeitliche Modell T-XPath erweitert das bisherige Datenmodell und die Anfragesprache XPath um eine flexible und effiziente Modellierung, Verwaltung und Abfragemöglichkeit von zeitlichen Informationen. Als Grundlage dienen abstrakte zeitliche Datentypen (ADT), die die gesamte zeitliche Entwicklungsgeschichte eines Wertes kapseln und zusätzlich auch unscharfe und ungenaue Zeitangaben berücksichtigen können. Die Anfragesprache von T-XPath ist voll abwärtskompatibel zu XPath und stellt für zeitliche Anfragen eine Reihe neuer Operationen und Funktionen zur Verfügung.