Logo des Repositoriums

Auflistung nach Autor:in "Schwade, Florian"

1 - 2 von 2
  • Konferenzbeitrag
    Multimethodische Langzeitstudie zur Nutzung von Enterprise Collaboration Systems
    (Mensch und Computer 2017 - Tagungsband, 2017) Gebel-Sauer, Berit; Schwade, Florian; Grams, Söhnke; Schubert, Petra
    Der Artikel beschreibt eine Langzeitstudie über die (ex-ante) Erwartungen an und (ex-post) Erfahrungen mit einem integrierten Enterprise Collaboration System (ECS) für die elektronische Unterstützung studentischer Gruppenarbeiten über einen Zeitraum von vier Jahren. Die Forschungsergebnisse basieren auf Befragungen der User sowie auf Datenbankanalysen mittels Social Collaboration Analytics (SCA). Die Ergebnisse zeigen, dass die Vorerfahrung der Studierenden bezüglich Kollaborationssoftware über die Jahre zugenommen hat. Die Studierendengruppen geben an, dass sie die funktionalen Module Wiki, Dateienablage, Aufgabenverteilung, Blog, Foren und Lesezeichen mit absteigender Intensität einsetzen. Die von den Usern eingeholten Angaben konnten mit Hilfe der Analyse der Aktivitätslogs bestätigt werden. Die Studierenden erkennen den Nutzen einer voll integrierten Unternehmenssoftware und geben an, dass sie diese auch in künftigen Projekten einsetzen würden.
  • Zeitschriftenartikel
    Vorschlag eines morphologischen Kastens zur Charakterisierung von Data-Science-Projekten
    (Informatik Spektrum: Vol. 45, No. 6, 2022) Theuerkauf, René; Daurer, Stephan; Hoseini, Sayed; Kaufmann, Jens; Kühnel, Stephan; Schwade, Florian; Alekozai, Emal M.; Neuhaus, Uwe; Rohde, Heiko; Schulz, Michael
    Data-Science-Projekte sind typischerweise interdisziplinär, adressieren vielfältige Problemstellungen aus unterschiedlichen Domänen und sind häufig durch heterogene Projektmerkmale geprägt. Bestrebungen in Richtung einer einheitlichen Charakterisierung von Data-Science-Projekten sind insbesondere dann relevant, wenn über deren Durchführung entschieden werden soll – beispielsweise anhand von Kriterien wie Ressourcenbedarf, Datenverfügbarkeit oder potenziellen Risiken. Nach bestem Wissen der Autoren fehlt es jedoch in Wissenschaft und Praxis bisher an einschlägigen Ansätzen. Mit diesem Artikel wird ein erster Schritt auf dem Weg hin zu einem Ansatz für eine einheitliche Charakterisierung von Data-Science-Projekten gegangen, indem ein morphologischer Kasten vorgeschlagen wird, der im Rahmen einer dreischrittigen Analyse auf Basis eines Fragenkataloges abgeleitet wurde. Er umfasst sieben Dimensionen mit 32 Dimensionsausprägungen und wird anhand einer Fallstudie aus dem Gebiet der Predictive Maintenance illustriert. Der morphologische Kasten bietet theoretische und praktische Anwendungspotenziale für den strukturierten Vergleich von Data-Science-Projekten und die Definition von Projektportfolios, erhebt jedoch keinen Anspruch auf Vollständigkeit. Er ist somit als Vorschlag und Anstoß zum Einstieg in einen weiterführenden Diskurs anzusehen.