Effekte struktureller Gamifizierung eines Informatikmoduls auf Kompetenzerwerb und Bestehensquote
Pidun, Tim (2019)
HDs.Journal 2019, 35-44.
Smart Service Canvas – A tool for analyzing and designing smart product-service systems
Poeppelbuss, Jens; Durst, Carolin (2019)
Procedia CIRP 83, 324-329.
Künstliche Intelligenz & Intuition - (K)ein Widerspruch?
Rippel, Jürgen; Liederer, Christian; Klusmann, Markus (2019)
Wissenmanagement - Das Magazin für Digitalisierung, Vernetzung & Collaboration 21 (1), 40-42.
The Discrete Cosine Transform on Triangles
Seifert, Bastian; Hüper, Knut (2019)
2019 IEEE International Conference on Acoustics, Speech and Signal Processing. Proceedings. Brighton, UK, 12.-17.05.2019. Piscataway, NJ: IEEE, 5023-5026.
Aktivitäten und Herausforderungen im Umfeld-Scanning
Wiser, Fabian; Durst, Carolin; Maron, Philipp (2019)
Fallstudien zum Technologie- & Innovationsmanagement. Praxisfälle zur Wissensvertiefung. Wiesbaden: Springer Gabler, 59-76.
Using Activity Theory Successfully in Healthcare: A Systematic Review of the Theory's Key Challenges to Date
Wiser, Fabian; Durst, Carolin; Wickramasinghe, Nilmini (2019)
Proceedings of the 52nd Hawaii International Conference on System Sciences (HICSS). Grand Wailea, Maui, Hawaii, 08.-11.01.2019, 882-891.
DOI: 10.24251/HICSS.2019.107
Moderne Medienarbeit und Corporate Publishing
Wiske, Jana (2019)
Angewandte Sportökonomie des 21. Jahrhunderts. Wesentliche Aspekte des Sportmanagements aus Expertensicht. Wiesbaden: Springer Gabler, 203-217.
Privacy issues in smart cities: Insights into citizens’ perspectives toward safe mobility in urban environments
Ziefle, Martina; Brell, Teresa; Philipsen, Ralf; Offermann-van-Heek, Julia; Arning, Katrin (2019)
Ziefle, Martina; Brell, Teresa; Philipsen, Ralf; Offermann-van-Heek, Julia...
Big Data Analytics for Cyber-Physical Systems. Machine Learning for the Internet of Things. Amsterdam: Elsevier, 275-292.
DOI: 10.1016/B978-0-12-816637-6.00013-0
Zur Arbeitsmarktlage, Kurzarbeit und Weiterbildung in Deutschland
Dauth, Christine M.; Gürtzgen, Nicole; Weber, Enzo (2019)
IAB-Stellungnahme 17/2019.
Community assessment to advance computational prediction of cancer drug combinations in a pharmacogenomic screen
Menden, Michael P.; Wang, Dennis; Mason, Mike; et al, ...; Sauer, Sebastian; et al, . (2019)
Menden, Michael P.; Wang, Dennis; Mason, Mike; et al, ...; Sauer, Sebastian...
Nature Communications 10, 2674.
DOI: 10.1038/s41467-019-09799-2
Open Access
Künstliche Intelligenz, virtuelle Realität und weitere Möglichkeiten der Digitalisierung
Roderus, Helmut (2019)
10. Internationale Kongress für Psychotherapie und Seelsorge. Akademie für Psychotherapie Seelsorge (APS). Würzburg, 06.06.2019.
Die Digitale Transformation – Neue Chancen durch digitale Prozesse und Geschäftsmodelle
Göhringer, Jürgen (2019)
Kongressband OPEXCON 2019, CETPM.
Equipped for the Future with a Digital Production Image
Schlüter, Wolfgang; Krieg, Jakob; Page, Isabell (2019)
Spotlightmetal 2019.
Open Access
Dynamical Component Analysis (DYCA) and Its Application on Epileptic EEG
Korn, Katharina; Seifert, Bastian; Uhl, Christian (2019)
2019 IEEE International Conference on Acoustics, Speech and Signal Processing. Proceedings. Brighton, UK, 12.-17.05.2019. Piscataway, NJ: IEEE, 1100-1104.
DOI: 10.1109/ICASSP.2019.8682601
Open Access Peer Reviewed
Research on the Process of Paint Removal from Thermoplastic Materials by Laser
Sover, Alexandru (2019)
IOP Conference Series: Materials Science and Engineering 564, 012028.
DOI: 10.1088/1757-899X/564/1/012028
Open Access Peer Reviewed
Metacognitive judgments: Repeated exercise and feedback improve metacognitive judgment accuracy and test performance
Händel, Marion; Harder, Bettina; Dresel, Markus (2019)
Paper presented at the Annual Meeting of the American Educational Research Association (AERA), Toronto, Canada.
Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert
Kölbl, Laura; Mühlroth, Christian; Wiser, Fabian; Grottke, Michael; Durst, Carolin (2019)
HMD Praxis der Wirtschaftsinformatik 2019 (56), 900-913.
DOI: 10.1365/s40702-019-00528-3
Peer Reviewed
Innovationsmanagement ist für Unternehmen in der heutigen Zeit ein wichtiges Instrument, um in sich schnell wandelnden Märkten konkurrenzfähig und erfolgreich zu bleiben. Dafür stehen in der heutigen Zeit große Mengen an Daten zur Verfügung, aus denen die relevanten Informationen jedoch zunächst herausgefiltert werden müssen. Dieser Beitrag präsentiert die Ergebnisse einer Studie zu den Herausforderungen an ein erfolgreiches Innovationsmanagement in Unternehmen und stellt ein Umfeldscanningsystem vor, das die Effizienz von Innovationsmanagement mithilfe von Big Data Analytics steigert. Durch die Anwendung von modernen Verfahren des maschinellen Lernens und mathematischen Algorithmen kann dieses in hohem Maße automatisiert werden. In der anschließenden Fallstudie wird anhand von zwei Datensätzen gezeigt, wie mithilfe des Umfeldscanningsystems aktuelle Trends gefunden werden können. Zum Schluss wird das datenbasierte Umfeldscanningsystem als Chance für kleine und mittlere Unternehmen und als Lösung für die im Vorfeld erkannten Herausforderungen diskutiert.
Innovationsmanagement - aber wie?
Kaiser, Norbert (2019)
Reha-Wissenschaftliches Kolloquium & 15th Congress of EFRR. Deutsche Rentenversicherung Bund. Berlin, 15.04.2019.
DyCA - Dynamical Component Analysis
Hartmann, Steffen; Korn, Katharina; Seifert, Bastian; Uhl, Christian (2019)
DPG-Frühjahrstagung. Regensburg, 05.04.2019.
Hybrider Ansatz zur automatisierten Themen-Klassifizierung von Produktrezensionen
Götz, René; Piazza, Alexander; Bodendorf, Freimut (2019)
HMD Praxis der Wirtschaftsinformatik 56 (5), 932-946.
DOI: 10.1365/s40702-019-00521-w
Peer Reviewed
In e‑commerce, enormous amounts of data are generated through the interaction of customers with Web platforms. Customer feedback in the form of product reviews, for instance, is an example for unstructured data, which processing requires approaches from the fields of computer linguistics and machine learning. As an alternative to the classical approaches of supervised and unsupervised learning, which often reach their limits in the business context and the application domain of product reviews, this article presents a hybrid approach for categorizing product reviews that combines the advantages of machine learning and human expertise. The aim of this paper is to present an approach that allows to automatically extract structured topics and related aspects from product reviews based on practical requirements. Word2Vec is used to train semantic relationships between words that occur in product reviews. In this way, individual words of each review can be compared with in advance defined topic words regarding their similarity and can then be extracted from the reviews. This approach is demonstrated using around five million product reviews of the Amazon online platform. The results are getting compared with those from a common topic modelling technique.
Servicestelle für Forschung und Transfer (SFT)
Hochschule Ansbach
Residenzstr. 8
91522 Ansbach
Betreuung der Publikationsseiten
Iris BoynyT 0981/4877-341
iris.boyny[at]hs-ansbach.de