Logo des Repositoriums

Auflistung nach Schlagwort "Creative Commons"

1 - 2 von 2
  • Zeitschriftenartikel
    Es EILD – Anforderungen an die Publikation freier Lerneinheiten (OER) im Fach Datenbanken
    (Datenbank-Spektrum: Vol. 21, No. 2, 2021) Rakow, Thomas C.; Faeskorn-Woyke, Heide; Saatz, Inga Marina; Knolle, Harm
    Kompetenzen auf dem Gebiet der Datenbanken gehören zum Pflichtbereich der Informatik. Das Angebot an Lehrbüchern, Vorlesungsformaten und Tools lässt sich jedoch für Lehrende oft nur eingeschränkt in die eigene Lehre integrieren. In diesem Aufsatz schildern wir unsere Erfahrungen in der Nutzung (frei) verfügbarer und der Entwicklung eigener digitaler Inhalte für grundlegende Datenbankveranstaltungen. Die Präferenzen der Studierenden werden mittels Nutzungsanalysen und Befragungen ermittelt. Wir stellen die Anforderungen auf, wie die nicht selten aufwendig herzustellenden digitalen Materialien von Lehrenden in ihre Lehr- und Lernumgebungen integriert werden können. Als konstruktive Antwort auf diese Herausforderung wird das Konzept EILD zur Entwicklung von Inhalten für die Lehre im Fach Datenbanken vorgestellt. Die Inhalte sollen in vielfältigen Lernszenarien eingesetzt werden können und mit einer Creative Commons (CC) Lizenzierung als OER ( open educational resources ) frei zur Verfügung stehen.
  • Conference Paper 
    Simplifying license attribution for OER with emacs-reveal
    (DELFI 2019, 2019) Lechtenbörger, Jens
    Open Educational Resources (OER) come with different license terms that require different forms of attribution. Properly attributing OER with licensing information has previously been identified as one of the most time-consuming factors of OER projects. As shown in this paper, the semantic annotation standard CC REL lacks features that are necessary for correct attribution with popular Creative Commons licenses. The software emacs-reveal addresses this gap in the context of OER slideshows, which may contain figures under different licensing terms: For each figure, a simple text file stores metadata building upon the vocabulary of CC REL (with pragmatic extensions) and can be shared along with the figure. From that metadata, the software generates attribution statements, both in machine-readable form (based on RDFa) and in human-readable form. The novel resulting process avoids manual copying of relevant license information, which is time-consuming and error-prone.