Informationsqualität ist nicht nur für Wirtschaftsunternehmen, sondern auch für die Deutsche Nationalbibliothek von großer Bedeutung, da durch eine hohe Qualität ein gutes Retrieval gewährleistet werden kann. Weiter kann die Bibliothek ihren Ansprüchen als datenliefernde Einrichtung gerecht werden. Für den Erhalt und die Steigerung der Informationsqualität im Rahmen von qualitätssichernden Maßnahmen werden die Softwares WinIBW3 und pica-rs eingesetzt. In dieser Arbeit werden diese vergleichend evaluiert, mit dem Ziel, diese anhand von vorab definierter Wertekriterien zu prüfen, um so Vor- und Nachteile auszuarbeiten. Die leitende Forschungsfrage lautet dabei: Inwiefern unterscheiden sich die Funktionalitäten von WinIBW und pica-rs im Kontext der Steigerung der Informationsqualität an der Deutschen Nationalbibliothek und wie können diese Unterschiede bewertet werden? Um diese zu beantworten, wird der Begriff der Informationsqualität mit seinen Dimensionen umfassend definiert und die Wertekriterien Datenexploration, die Prüfung von Datenfeldern und -inhalten und die Dublettenkontrolle dargelegt. Diese werden anschließend in der Evaluation anhand von WinIBW3 und pica-rs überprüft. Im Ergebnis zeigt sich, dass pica-rs der WinIBW3 überlegen ist. Es ist daher empfehlenswert, die datenanalytischen Bestandteile der Qualitätssicherung mit pica-rs durchzuführen, um von den in dieser Arbeit vorgestellten Vorteilen profitieren zu können.:1. Einleitung 1 2. Informationen und Informationsqualität 2 2.1 Informationsqualitätsprobleme und ihre Ursachen 6 2.2 Maßnahmen zur Steigerung der Informationsqualität 7 3. Erschließungspraxis an der Deutschen Nationalbibliothek 13 4. Evaluation der WinIBW3 und pica-rs im Kontext der Steigerung der Informationsqualität 17 4.1 Softwarevorstellung 18 4.2 Datenexploration 24 4.3 Prüfung von Feldern und Feldinhalten 27 4.3.1 Schreiben von Testdatensätzen 29 4.3.2 Eingrenzung des Gesamtdatenabzugs 31 4.3.3 Prüfung mit pica-rs 32 4.3.4 Prüfung mit der WinIBW 36 4.4 Dublettenkontrolle 41 4.5 Diskussion der Ergebnisse 44 5. Fazit 46 Literaturverzeichnis 48 Anhang 51 Eidesstattliche Erklärung 56

Patient_innen nutzen die Sozialen Medien zunehmend auch als Quelle medizinischer Informationen. Virtuelle Selbsthilfegruppen tauschen medizinische Informationen auf Kommunikationsplattformen wie den Internetforen aus. Die Arbeit beschäftigt sich mit den Fragestellungen, wie verlässlich diese Informationen sind und welche Faktoren einen Einfluss auf Informationsqualität in sozialen Medien haben. Ziel der Arbeit ist es, ein Bewertungssystem bestehend aus inhaltlichen und formalen Qualitätskriterien zur Evaluation von Internetforen zu entwickeln. Beispielhaft wurde hierbei ein solches System anhand von deutschsprachigen Krebsforen entwickelt und erstmalig angewendet.

Die vorliegende Arbeit konzentriert sich auf die Möglichkeiten der effizienten Informationsübermittlung von krankheitsbezogenen Informationen durch Krankenkassen. Schwerpunkt der Betrachtung ist die Frage, durch welche Ansätze und durch welche Methoden die Informationsübermittlung von Krankenkassen verbessert werden kann. Als krankheitsbezogene Informationen werden Informationen verstanden, die der Patient benötigt, um eine bereits eingetretene Krankheit zu bewältigen. Diesem Ansatz liegen die Konzepte der Compliance, des Empowerment und des High Involvement zu Grunde. Als Zielgruppen von Krankenkassen werde jene Versichertengruppen definiert, die von einer Krankheit betroffen sind, und die so einen besonderen Nutzen von krankheitsbezogenen Informationen haben. Zunächst wird die Notwendigkeit von ausführlichen Informationen für Patienten dargestellt und die Anforderungen an die Qualität der Informationen beschrieben. Es folgt eine Darstellung der politischen und rechtlichen Rahmenbedingungen für Patienteninformation in Deutschland. Es werden Kriterien dargestellt, die den Bedarf an gesundheitlichen Informationen wesentlich beeinflussen. Ferner wird die jeweilige Eignung von Medien und Informationskanälen in Bezug auf die Übermittlung krankheitsbezogener Informationen durch eine gesetzliche Krankenkasse diskutiert. Um die zur Verfügung stehenden Informationskanäle effizient und zielgruppenorientiert einsetzen zu können, werden die Möglichkeiten von Marktsegmentierung und Zielgruppenbildung auf gesetzliche Krankenkassen übertragen. Es folgt eine exemplarische Zielgruppenbildung anhand von Daten einer Beispielkrankenkasse.Die so identifizierten Zielgruppen werden insbesondere auf ihr Mediennutzungsverhalten hin untersucht. Die Ergebnisse münden in einer Darstellung, welche Informationskanäle in welcher Weise von einer Krankenkasse eingesetzt werden können, um der jeweiligen Zielgruppe krankheitsbezogene Informationen zur Verfügung zu stellen.

No description available.

For many years, international financial reporting – and in particular the notes reporting – has been criticized in practice and academia for failing to provide information that is appropriate for its intended users. This criticism points to deficits with regard to the content and presentation and, thus, to the overall quality of the notes reporting. However, this criticism is predominantly anecdotal in nature as there is, as yet, scarcely any valid scientific evidence that supports these claims. This work addresses this research gap by elaborating what (notes) reporting quality is, what dimensions it consists of (conceptualization), how these dimensions can be measured (operationalization) and how they are empirically manifested (empirical evidence). For the latent construct of (notes) reporting quality, a formative measuring instrument to be used in an integrative content analysis is developed with which both dimensions of (notes) reporting quality – a content dimension (e.g., relevance) and a formal dimension (e.g., diction/readability) – can be measured and analyzed. This measuring instrument is validated both theoretically (argumentative reflection) and empirically (testing of hypotheses derivable from the underlying theories). The subsequent analysis of the notes reporting quality of a representative sample of German firms reveals that the above-mentioned criticism is well founded. Furthermore, the results point out both what specific deficits exist and where. The results of this work – the conceptualization, the operationalization and the empirical evidence – together form a starting point for developing, in the context of the (notes) reporting and its quality, valid insights/knowledge in research, ‘best practice’ solutions in practice and conceptually sound and target-oriented solutions in regulation.

No description available.

Der internationalen Finanzberichterstattung – und darin insbesondere der Anhangberichterstattung – wird seit vielen Jahren in Praxis und Wissenschaft eine fehlende adressatengerechte Informationsbereitstellung vorgeworfen. Die Kritik deutet auf Defizite hinsichtlich Inhalt und Darstellung und somit insgesamt der Qualität der Anhangberichterstattung hin. Diese Kritik ist jedoch überwiegend anekdotischer Natur, valide wissenschaftliche Evidenz fehlt bislang. In der vorliegenden Arbeit wird diese Forschungslücke adressiert. Für das latente Konstrukt Berichterstattungsqualität wird dafür zunächst ein formatives Messinstrument entwickelt, mit dem sowohl die inhaltliche (u. a. Relevanz) als auch die formale Dimension (u. a. Lesbarkeit) von Berichterstattungsqualität gemessen und analysiert werden kann. Dieses Messinstrument wird sowohl theoretisch (argumentative Reflektion) als auch empirisch (Prüfung von aus den zugrundeliegenden Theorien ableitbaren Relationen) validiert. Die anschließende Erhebung von Berichterstattungsqualität einer repräsentativen Stichprobe deutscher Unternehmen mittels einer integrativen Inhaltsanalyse verdeutlicht, dass die o. g. Kritik begründet ist und zeigt auf, worin konkret Defizite bestehen. Die vorliegende Arbeit leistet damit einen Beitrag zur konzeptionellen und empirischen Rechnungslegungsforschung.:Teil 1: Einführung Teil 2: Grundlagen Teil 3: Konzeptionierung von Berichterstattungsqualität Teil 4: Empirische Analyse von Berichterstattungsqualität im Anhang bzgl. immaterieller Vermögenswerte Teil 5: Fazit

Music is perceived and described very subjectively by every individual. Nowadays, people often get lost in their steadily growing, multi-placed, digital music collection. Existing music player and management applications get in trouble when dealing with poor metadata that is predominant in personal music collections. There are several music information services available that assist users by providing tools for precisely organising their music collection, or for presenting them new insights into their own music library and listening habits. However, it is still not the case that music consumers can seamlessly interact with all these auxiliary services directly from the place where they access their music individually. To profit from the manifold music and music-related knowledge that is or can be available via various information services, this information has to be gathered up, semantically federated, and integrated into a uniform knowledge base that can personalised represent this data in an appropriate visualisation to the users. This personalised semantic aggregation of music metadata from several sources is the gist of this thesis. The outlined solution particularly concentrates on users’ needs regarding music collection management which can strongly alternate between single human beings. The author’s proposal, the personal music knowledge base (PMKB), consists of a client-server architecture with uniform communication endpoints and an ontological knowledge representation model format that is able to represent the versatile information of its use cases. The PMKB concept is appropriate to cover the complete information flow life cycle, including the processes of user account initialisation, information service choice, individual information extraction, and proactive update notification. The PMKB implementation makes use of SemanticWeb technologies. Particularly the knowledge representation part of the PMKB vision is explained in this work. Several new Semantic Web ontologies are defined or existing ones are massively modified to meet the requirements of a personalised semantic federation of music and music-related data for managing personal music collections. The outcome is, amongst others, • a new vocabulary for describing the play back domain, • another one for representing information service categorisations and quality ratings, and • one that unites the beneficial parts of the existing advanced user modelling ontologies. The introduced vocabularies can be perfectly utilised in conjunction with the existing Music Ontology framework. Some RDFizers that also make use of the outlined ontologies in their mapping definitions, illustrate the fitness in practise of these specifications. A social evaluation method is applied to carry out an examination dealing with the reutilisation, application and feedback of the vocabularies that are explained in this work. This analysis shows that it is a good practise to properly publish Semantic Web ontologies with the help of some Linked Data principles and further basic SEO techniques to easily reach the searching audience, to avoid duplicates of such KR specifications, and, last but not least, to directly establish a \"shared understanding\". Due to their project-independence, the proposed vocabularies can be deployed in every knowledge representation model that needs their knowledge representation capacities. This thesis added its value to make the vision of a personal music knowledge base come true.

Music is perceived and described very subjectively by every individual. Nowadays, people often get lost in their steadily growing, multi-placed, digital music collection. Existing music player and management applications get in trouble when dealing with poor metadata that is predominant in personal music collections. There are several music information services available that assist users by providing tools for precisely organising their music collection, or for presenting them new insights into their own music library and listening habits. However, it is still not the case that music consumers can seamlessly interact with all these auxiliary services directly from the place where they access their music individually. To profit from the manifold music and music-related knowledge that is or can be available via various information services, this information has to be gathered up, semantically federated, and integrated into a uniform knowledge base that can personalised represent this data in an appropriate visualisation to the users. This personalised semantic aggregation of music metadata from several sources is the gist of this thesis. The outlined solution particularly concentrates on users’ needs regarding music collection management which can strongly alternate between single human beings. The author’s proposal, the personal music knowledge base (PMKB), consists of a client-server architecture with uniform communication endpoints and an ontological knowledge representation model format that is able to represent the versatile information of its use cases. The PMKB concept is appropriate to cover the complete information flow life cycle, including the processes of user account initialisation, information service choice, individual information extraction, and proactive update notification. The PMKB implementation makes use of SemanticWeb technologies. Particularly the knowledge representation part of the PMKB vision is explained in this work. Several new Semantic Web ontologies are defined or existing ones are massively modified to meet the requirements of a personalised semantic federation of music and music-related data for managing personal music collections. The outcome is, amongst others, • a new vocabulary for describing the play back domain, • another one for representing information service categorisations and quality ratings, and • one that unites the beneficial parts of the existing advanced user modelling ontologies. The introduced vocabularies can be perfectly utilised in conjunction with the existing Music Ontology framework. Some RDFizers that also make use of the outlined ontologies in their mapping definitions, illustrate the fitness in practise of these specifications. A social evaluation method is applied to carry out an examination dealing with the reutilisation, application and feedback of the vocabularies that are explained in this work. This analysis shows that it is a good practise to properly publish Semantic Web ontologies with the help of some Linked Data principles and further basic SEO techniques to easily reach the searching audience, to avoid duplicates of such KR specifications, and, last but not least, to directly establish a \"shared understanding\". Due to their project-independence, the proposed vocabularies can be deployed in every knowledge representation model that needs their knowledge representation capacities. This thesis added its value to make the vision of a personal music knowledge base come true.:1 Introduction and Background 11 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.2 Personal Music Collection Use Cases . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2 Music Information Management 17 2.1 Knowledge Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.1 Knowledge Representation . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.1.1.1 Knowledge Representation Models . . . . . . . . . . . . . . . . . 18 2.1.1.2 Semantic Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.1.1.3 Ontologies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.1.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.2 Knowledge Management Systems . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.2.1 Information Services . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.2.2 Ontology-based Distributed Knowledge Management Systems . . 20 2.1.2.3 Knowledge Management System Design Guideline . . . . . . . . 21 2.1.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 Semantic Web Technologies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2.1 The Evolution of the World Wide Web . . . . . . . . . . . . . . . . . . . . . 22 Personal Music Knowledge Base Contents 2.2.1.1 The Hypertext Web . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.2.1.2 The Normative Principles of Web Architecture . . . . . . . . . . . 23 2.2.1.3 The Semantic Web . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.2.2 Common Semantic Web Knowledge Representation Languages . . . . . . 25 2.2.3 Resource Description Levels and their Relations . . . . . . . . . . . . . . . 26 2.2.4 Semantic Web Knowledge Representation Models . . . . . . . . . . . . . . 29 2.2.4.1 Construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.2.4.2 Mapping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.2.4.3 Context Modelling . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.2.4.4 Storing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.2.4.5 Providing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2.2.4.6 Consuming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 2.2.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 2.3 Music Content and Context Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 2.3.1 Categories of Musical Characteristics . . . . . . . . . . . . . . . . . . . . . 37 2.3.2 Music Metadata Formats . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 2.3.3 Music Metadata Services . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 2.3.3.1 Audio Signal Carrier Indexing Services . . . . . . . . . . . . . . . . 41 2.3.3.2 Music Recommendation and Discovery Services . . . . . . . . . . 42 2.3.3.3 Music Content and Context Analysis Services . . . . . . . . . . . 43 2.3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2.4 Personalisation and Environmental Context . . . . . . . . . . . . . . . . . . . . . . 44 2.4.1 User Modelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 2.4.2 Context Modelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 2.4.3 Stereotype Modelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 2.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3 The Personal Music Knowledge Base 48 3.1 Foundations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 3.1.1 Knowledge Representation . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 3.1.2 Knowledge Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 3.2 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 3.3 Workflow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 3.3.1 User Account Initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 3.3.2 Individual Information Extraction . . . . . . . . . . . . . . . . . . . . . . . . 53 3.3.3 Information Service Choice . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 3.3.4 Proactive Update Notification . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.3.5 Information Exploration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.3.6 Personal Associations and Context . . . . . . . . . . . . . . . . . . . . . . . 56 3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 4 A Personal Music Knowledge Base 57 4.1 Knowledge Representation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4.1.1 The Info Service Ontology . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 4.1.2 The Play Back Ontology and related Ontologies . . . . . . . . . . . . . . . . 61 4.1.2.1 The Ordered List Ontology . . . . . . . . . . . . . . . . . . . . . . 61 4.1.2.2 The Counter Ontology . . . . . . . . . . . . . . . . . . . . . . . . . 62 4.1.2.3 The Association Ontology . . . . . . . . . . . . . . . . . . . . . . . 64 4.1.2.4 The Play Back Ontology . . . . . . . . . . . . . . . . . . . . . . . . 65 4.1.3 The Recommendation Ontology . . . . . . . . . . . . . . . . . . . . . . . . 69 4.1.4 The Cognitive Characteristics Ontology and related Vocabularies . . . . . . 72 4.1.4.1 The Weighting Ontology . . . . . . . . . . . . . . . . . . . . . . . 72 4.1.4.2 The Cognitive Characteristics Ontology . . . . . . . . . . . . . . . 73 4.1.4.3 The Property Reification Vocabulary . . . . . . . . . . . . . . . . . 78 4.1.5 The Media Types Taxonomy . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 4.1.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4.2 Knowledge Management System . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 5 Personal Music Knowledge Base in Practice 87 5.1 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 5.1.1 AudioScrobbler RDF Service . . . . . . . . . . . . . . . . . . . . . . . . . . 87 5.1.2 PMKB ID3 Tag Extractor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 5.2 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.2.1 Reutilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5.2.2 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5.2.3 Reviews and Mentions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5.2.4 Indexing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 6 Conclusion and Future Work 93 6.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 6.2 Future Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94