Die Erstellung von Lerninhalten ist einer der wichtigsten Prozesse im E-Learning. Die vorliegende Arbeit zeigt einen Ansatz zur Wiederverwendung von Lerninhalten der zum einen die Kosten des Erstellungsprozesses verringern kann und zum anderen effektive Methoden zur Verwaltung aufzeigt. Basis des Ansatzes ist ein vierstufiges Content-Modell (Assets, Lernmaterialien, Lernmodule und Veranstaltungen), welches die Lerninhalte anhand der Granularität aufteilt. Dieses Modell berücksichtigt dabei aktuelle E-Learning-Standards bezüglich der Inhalte und der Metadaten, wodurch eine systemunabhängige Wiederverwendung möglich ist. Zur Verarbeitung von generischen Repräsentationen, wie Materialien im XML-Format, wurde das Konzept der Templates aufgegriffen und um die so genannten Content-Varianten erweitert. Diese ermöglichen die Präsentation von verschiedenen Ausprägungen der Materialien, beispielsweise bezüglich des Ausgabeformates, der Sprache, des Schwierigkeitsgrades von Aufgaben oder der Version. In der Arbeit wird weiterhin ein entsprechendes Konzept zur Systementwicklung einer Lernplattform aufgezeigt. Dieses ist insbesondere durch die Aufteilung in verschiedene Teilsysteme gekennzeichnet, welche eine flexible Konfiguration und Platzierung anhand der Anforderungen an die Wiederverwendung ermöglicht. / The preparation of learning content is one of the most important process in E-Learning. This thesis shows an approach to reuse learning content. On the one hand the costs of the creation process can be reduced and on the other hand effective methods for administration are pointed out. Starting point of the approach is a four-level content model (assets, learning materials, learning modules and seminars), which divides learning contents on the basis of granularity. This model considers thereby current E-Learning-standards concerning content and metadata, whereby an open reuse is possible. For the processing of generic representations, like materials in the XML format, the concept of the Templates was taken up and extended by the content variants. These make the presentation of different developments of the materials possible, for example concerning the output format, the language, the degree of difficulty of tasks or the version. Further this thesis pointed out an appropriate concept for the system development of a learning platform. This is in particular characterized by the partitioning into different subsystems, which makes possible a flexible configuration and placement concerning to the requirements to the reuse.

Am Beispiel moderner Automatisierungssysteme wird deutlich, dass die Steuerung und optimale Führung der technischen Prozesse eng verbunden ist mit der Verfügbarkeit eines möglichst exakten Prozessmodells. Steht jedoch kein Modell des zu steuernden Systems zur Verfügung oder ist das System nicht ausreichend genau analytisch beschreibbar, muss ein adäquates Modell auf der Basis von Beobachtungen (Messdaten) abgeleitet werden. Erschwerend wirken sich hierbei starke Nichtlinearitäten sowie der zeitvariante Charakter der zu identifizierenden Systeme aus. Die Zeitvarianz, beispielsweise durch Alterung oder Verschleiß hervorgerufen, erfordert zusätzlich eine schritthaltende Adaption an den sich verändernden Prozess. Das einmalige, zeitlich begrenzte Erstellen eines Modells ist somit nicht ausreichend. Stattdessen muss zeitlich unbegrenzt "nachtrainiert" werden, was dementsprechend als "Kontinuierliches Lernen" bezeichnet wird. Auch wenn das Ableiten eines Systemmodells anhand von Beobachtungen eine typische Aufgabenstellung für Neuronale Netze ist, stellt die Zeitvarianz Neuronale Netze dennoch vor enorme Probleme. Im Rahmen der Dissertation wurden diese Probleme identifiziert und anhand von unterschiedlichen Neuronalen Netzansätzen analysiert. Auf den sich hieraus ergebenden Ergebnissen steht anschließend die Entwicklung eines neuartigen Neuronalen Netzansatzes im Mittelpunkt. Die besondere Eigenschaft des hybriden ICE-Lernverfahrens ist die Fähigkeit, eine zur Problemkomplexität adäquate Netztopologie selbstständig zu generieren und diese entsprechend des zeitvarianten Charakters der Zielfunktion dynamisch adaptieren zu können. Diese Eigenschaft begünstigt insbesondere schnelles Initiallernen. Darüber hinaus ist das ICE-Verfahren in der Lage, parallel zur Modellausgabe Vertrauenswürdigkeitsprognosen für die aktuelle Ausgabe zur Verfügung zu stellen. Den Abschluss der Arbeit bildet eine spezielle Form des ICE-Ansatzes, bei der durch asymmetrische Aktivierungsfunktionen Parallelen zur Fuzzy-Logik hergestellt werden. Dadurch wird es möglich, automatisch Regeln abzuleiten, welche das erlernte Modell beschreiben. Die "Black-Box", die Neuronale Netze in der Regel darstellen, wird dadurch transparenter. / One of the main requirements for an optimal industrial control system is the availability of a precise model of the process, e.g. for a steel rolling mill. If no model or no analytical description of such a process is available a sufficient model has to be derived from observations, i.e. system identification. While nonlinear function approximation is a well-known application for neural networks, the approximation of nonlinear functions that change over time poses many additional problems which have been in the focus of this research. The time-variance caused for example by aging or attrition requires a continuous adaptation to process changes throughout the life-time of the system, here referred to as continuous learning. Based on the analysis of different neural network approaches the novel incremental construction algorithm ICE for continuous learning tasks has been developed. One of the main advantages of the ICE-algorithm is that the number of RBF-neurons and the number of local models of the hybrid network have not to be determined in advance. This is an important feature for fast initial learning. The evolved network is automatically adapted to the time-variant target function. Another advantage of the ICE-algorithm is the ability to simultaneously learn the target function and a confidence value for the network output. Finally a special version of the ICE-algorithm with asymmetric receptive fields is introduced. Here similarities to fuzzy logic are intended. The goal is to automatically derive rules which describe the learned model of the unknown process. In general a neural network is a "black box". In contrast to that an ICE-network is more transparent.

Gemeinsamer Workshop von Universitaetsrechenzentrum und Professur Rechnernetze und verteilte Systeme (Fakultaet fuer Informatik) der TU Chemnitz. Workshop-Thema: Infrastruktur der ¨Digitalen Universitaet¨ Der Vortrag führt in den in Entwicklung befindlichen Standard IEEE1484 ein. Die Standardisierung im Bereich computer- und netzgestützter Kurse ist Voraussetzung für Datenaustausch und Verbreitung.

In der Arbeit wird ein Ansatz zur Verwaltung von Lernmaterialien in einem semistrukturierten Datenbanksystem vorgestellt. Der Ansatz zeichnet sich durch die Wiederverwendung einmal gespeicherter Lernmaterialien aus

Virtual Collaborative Learning (VCL) beschäftigt sich mit einer Möglichkeit, Lernenden eine virtuelle Lernumgebung zu bieten, in der sie die Vorteile von E-Learning, wie zeitliche Flexibilität oder Ortsunabhängigkeit, mit den Vorteilen einer kollaborativen Zusammenarbeit kombinieren können. Hierbei steht die systematisch vorbereitete, tutoriell begleitete, unter Projektbedingungen (klare Zielvorgabe, offener Lösungsweg, begrenzte personelle und zeitliche Ressourcen) realisierte und mit Hilfe von Informations- und Kommunikationstechnologie hauptsächlich in virtueller Umgebung stattfindende, selbstorganisierte Kleingruppenarbeit an authentischen Problemstellungen im Mittelpunkt. Das Ziel der vorliegenden Arbeit ist die Unterstützung eines Entscheidungsträgers beim Treffen von VCL-bezogenen Planungsentscheidungen und somit die Erhöhung der Wahrscheinlichkeit eines erfolgreichen Einsatzes dieser Lehrform. Hierfür wurden basierend auf den Erfahrungen und Daten, die innerhalb von sieben VCL Projekten zwischen 2001 und 2003 am Lehrstuhl für Wirtschaftsinformatik, insb. Informationsmanagement, der Technischen Universität Dresden gesammelt und ausgewertet wurden, die Besonderheiten eines VCL Einsatzes systematisiert und ein Vorgehensmodell zur Unterstützung des Entscheidungsträgers abstrahiert. Die im Teil A der Arbeit vorgestellten Informationen ermöglichen dem Leser, Virtual Collaborative Learning in die Vielzahl unterschiedlicher Lehrformen der virtuellen Gruppenarbeit einzuordnen, eine präzise Vorstellung über die mit VCL erreichbaren Ziele zu gewinnen und VCL im Detail kennen zu lernen. Dieses Wissen ist notwendig, um das im Teil B vorgestellte Vorgehensmodell erfolgversprechend nutzen zu können. Das Vorgehensmodell teilt den gesamten Entscheidungsprozess in einzelne Phasen, die Phasen in mehrere Schritte und die Ermittlung möglicher Alternativen in mehrere aufeinander aufbauende Module auf. Zu den einzelnen Vorgehensschritten stehen dem Entscheidungsträger im Anhang unterstützende Informationen, abgeleiteten Empfehlungen, Checklisten und abstrahierte Regeln zur Verfügung.

Die Erstellung von Lerninhalten ist einer der wichtigsten Prozesse im E-Learning. Die vorliegende Arbeit zeigt einen Ansatz zur Wiederverwendung von Lerninhalten der zum einen die Kosten des Erstellungsprozesses verringern kann und zum anderen effektive Methoden zur Verwaltung aufzeigt. Basis des Ansatzes ist ein vierstufiges Content-Modell (Assets, Lernmaterialien, Lernmodule und Veranstaltungen), welches die Lerninhalte anhand der Granularität aufteilt. Dieses Modell berücksichtigt dabei aktuelle E-Learning-Standards bezüglich der Inhalte und der Metadaten, wodurch eine systemunabhängige Wiederverwendung möglich ist. Zur Verarbeitung von generischen Repräsentationen, wie Materialien im XML-Format, wurde das Konzept der Templates aufgegriffen und um die so genannten Content-Varianten erweitert. Diese ermöglichen die Präsentation von verschiedenen Ausprägungen der Materialien, beispielsweise bezüglich des Ausgabeformates, der Sprache, des Schwierigkeitsgrades von Aufgaben oder der Version. In der Arbeit wird weiterhin ein entsprechendes Konzept zur Systementwicklung einer Lernplattform aufgezeigt. Dieses ist insbesondere durch die Aufteilung in verschiedene Teilsysteme gekennzeichnet, welche eine flexible Konfiguration und Platzierung anhand der Anforderungen an die Wiederverwendung ermöglicht. / The preparation of learning content is one of the most important process in E-Learning. This thesis shows an approach to reuse learning content. On the one hand the costs of the creation process can be reduced and on the other hand effective methods for administration are pointed out. Starting point of the approach is a four-level content model (assets, learning materials, learning modules and seminars), which divides learning contents on the basis of granularity. This model considers thereby current E-Learning-standards concerning content and metadata, whereby an open reuse is possible. For the processing of generic representations, like materials in the XML format, the concept of the Templates was taken up and extended by the content variants. These make the presentation of different developments of the materials possible, for example concerning the output format, the language, the degree of difficulty of tasks or the version. Further this thesis pointed out an appropriate concept for the system development of a learning platform. This is in particular characterized by the partitioning into different subsystems, which makes possible a flexible configuration and placement concerning to the requirements to the reuse.

Im Rahmen der Antragstellung in den sächsischen Förderprogrammen zur Umsetzung des DigitalPakts Schule sind entsprechend der Vereinbarung zwischen Bund und Ländern Aussagen zur Wartung und zur technischen Unterstützung der zu fördernden schulischen IT-Infrastruktur und -Ausstattung zu machen. Dafür enthält die Vereinbarung zwischen Bund und Ländern eine Mustererklärung, die auch in den sächsischen Förderprogrammen anzuwenden ist. Dort sind für die Support-Level die jeweils verantwortlichen Personengruppen und Finanzierungsquellen anzugeben. Damit soll sichergestellt werden, dass die finanzierten Investitionen durchgehend und fehlerfrei im schulischen Einsatz betrieben werden. Redaktionsschluss: 05.03.2020

Beschreibung und Bewertung verschiedener Lerntheorien und Prüfung derer auf Eignung in Online-Lernsystemen. Konzept zur Erweiterung der Lernplattform Data Mining Tutor (DaMiT) durch Integration benutzer-adaptiver Funktionen.

Beschreibung und Bewertung verschiedener Lerntheorien und Prüfung derer auf Eignung in Online-Lernsystemen. Konzept zur Erweiterung der Lernplattform Data Mining Tutor (DaMiT) durch Integration benutzer-adaptiver Funktionen.

Am Beispiel moderner Automatisierungssysteme wird deutlich, dass die Steuerung und optimale Führung der technischen Prozesse eng verbunden ist mit der Verfügbarkeit eines möglichst exakten Prozessmodells. Steht jedoch kein Modell des zu steuernden Systems zur Verfügung oder ist das System nicht ausreichend genau analytisch beschreibbar, muss ein adäquates Modell auf der Basis von Beobachtungen (Messdaten) abgeleitet werden. Erschwerend wirken sich hierbei starke Nichtlinearitäten sowie der zeitvariante Charakter der zu identifizierenden Systeme aus. Die Zeitvarianz, beispielsweise durch Alterung oder Verschleiß hervorgerufen, erfordert zusätzlich eine schritthaltende Adaption an den sich verändernden Prozess. Das einmalige, zeitlich begrenzte Erstellen eines Modells ist somit nicht ausreichend. Stattdessen muss zeitlich unbegrenzt "nachtrainiert" werden, was dementsprechend als "Kontinuierliches Lernen" bezeichnet wird. Auch wenn das Ableiten eines Systemmodells anhand von Beobachtungen eine typische Aufgabenstellung für Neuronale Netze ist, stellt die Zeitvarianz Neuronale Netze dennoch vor enorme Probleme. Im Rahmen der Dissertation wurden diese Probleme identifiziert und anhand von unterschiedlichen Neuronalen Netzansätzen analysiert. Auf den sich hieraus ergebenden Ergebnissen steht anschließend die Entwicklung eines neuartigen Neuronalen Netzansatzes im Mittelpunkt. Die besondere Eigenschaft des hybriden ICE-Lernverfahrens ist die Fähigkeit, eine zur Problemkomplexität adäquate Netztopologie selbstständig zu generieren und diese entsprechend des zeitvarianten Charakters der Zielfunktion dynamisch adaptieren zu können. Diese Eigenschaft begünstigt insbesondere schnelles Initiallernen. Darüber hinaus ist das ICE-Verfahren in der Lage, parallel zur Modellausgabe Vertrauenswürdigkeitsprognosen für die aktuelle Ausgabe zur Verfügung zu stellen. Den Abschluss der Arbeit bildet eine spezielle Form des ICE-Ansatzes, bei der durch asymmetrische Aktivierungsfunktionen Parallelen zur Fuzzy-Logik hergestellt werden. Dadurch wird es möglich, automatisch Regeln abzuleiten, welche das erlernte Modell beschreiben. Die "Black-Box", die Neuronale Netze in der Regel darstellen, wird dadurch transparenter. / One of the main requirements for an optimal industrial control system is the availability of a precise model of the process, e.g. for a steel rolling mill. If no model or no analytical description of such a process is available a sufficient model has to be derived from observations, i.e. system identification. While nonlinear function approximation is a well-known application for neural networks, the approximation of nonlinear functions that change over time poses many additional problems which have been in the focus of this research. The time-variance caused for example by aging or attrition requires a continuous adaptation to process changes throughout the life-time of the system, here referred to as continuous learning. Based on the analysis of different neural network approaches the novel incremental construction algorithm ICE for continuous learning tasks has been developed. One of the main advantages of the ICE-algorithm is that the number of RBF-neurons and the number of local models of the hybrid network have not to be determined in advance. This is an important feature for fast initial learning. The evolved network is automatically adapted to the time-variant target function. Another advantage of the ICE-algorithm is the ability to simultaneously learn the target function and a confidence value for the network output. Finally a special version of the ICE-algorithm with asymmetric receptive fields is introduced. Here similarities to fuzzy logic are intended. The goal is to automatically derive rules which describe the learned model of the unknown process. In general a neural network is a "black box". In contrast to that an ICE-network is more transparent.