Logo des Repositoriums

Auflistung nach Autor:in "Seese, Detlef"

1 - 2 von 2
  • Konferenzbeitrag
    Effektive Java-Grundausbildung unter Einsatz eines Learning Management Systems und spezieller Werkzeuge
    (Unterrichtskonzepte für informatische Bildung, 2005) Küstermann, Roland; Ratz, Dietmar; Seese, Detlef
    Sowohl in technologischer als auch in pädagogischer Hinsicht ist die Programmierausbildung und speziell die Ausbildung in der Sprache Java eine Herausforderung, da es vor allem gilt, möglichst viele Hürden für Programmanfänger zu beseitigen. In dieser Arbeit beschäftigen wir uns zunächst mit der Problematik, was es heißt, Java zu lehren. Im Anschluss daran stellen wir einen Webkurs und Werkzeuge vor, die es erlauben, bisherige traditionelle Lehrund Unterrichtsformen so zu modifizieren, dass vermehrt über Beispiele problem-orientiert in die algorithmische Denkweise eingeführt werden kann. Weiterhin werden Potentiale und Grenzen der Werkzeuge und Konzepte diskutiert.
  • Konferenzbeitrag
    Flexibility Enhancements in BPM by applying Executable Product Models and Intelligent Agents
    (Business process and services computing – 1st international working conference on business process and services computing – BPSC 2007, 2007) Kress, Markus; Seese, Detlef
    In this paper we present an alternative approach to model and execute business processes. The approach combines a compact model with an intelligent control flow mechanism. Instead of using a pre-designed process model that is executed dur- ing runtime by a workflow engine, we use a special model called executable product model (EPM) that is executed by a multi-agent system. The EPM provides a compact representation of the set of possible execution paths of a business process by defining information dependencies instead of the order of activities. In our approach the ap- plication of intelligent agents takes advantage of the flexibility provided by the EPM. Relational reinforcement learning (RRL) with a genetic algorithm (GA) is applied for managing the control flow. In experiments we show that business processes can be executed successfully with our approach and that the application of machine learning leads to significant performance gains.