No description available.

Recent advances in statistical machine translation (SMT) have used dynamic programming (DP) based beam search methods for approximate inference within probabilistic translation models. Despite their success, these methods compromise the probabilistic interpretation of the underlying model thus limiting the application of probabilistically defined decision rules during training and decoding. As an alternative, in this thesis, we propose a novel Monte Carlo sampling approach for theoretically sound approximate probabilistic inference within these models. The distribution we are interested in is the conditional distribution of a log-linear translation model; however, often, there is no tractable way of computing the normalisation term of the model. Instead, a Gibbs sampling approach for phrase-based machine translation models is developed which obviates the need of computing this term yet produces samples from the required distribution. We establish that the sampler effectively explores the distribution defined by a phrase-based models by showing that it converges in a reasonable amount of time to the desired distribution, irrespective of initialisation. Empirical evidence is provided to confirm that the sampler can provide accurate estimates of expectations of functions of interest. The mix of high probability and low probability derivations obtained through sampling is shown to provide a more accurate estimate of expectations than merely using the n-most highly probable derivations. Subsequently, we show that the sampler provides a tractable solution for finding the maximum probability translation in the model. We also present a unified approach to approximating two additional intractable problems: minimum risk training and minimum Bayes risk decoding. Key to our approach is the use of the sampler which allows us to explore the entire probability distribution and maintain a strict probabilistic formulation through the translation pipeline. For these tasks, sampling allies the simplicity of n-best list approaches with the extended view of the distribution that lattice-based approaches benefit from, while avoiding the biases associated with beam search. Our approach is theoretically well-motivated and can give better and more stable results than current state of the art methods.

<p>Cilj &ndash; Cilj istraživanja u okviru doktorske disertacije je razvoj sistema za automatsku polu-nadgledanu klasifikaciju podataka. Sistem bi trebao biti primenljiv na &scaron;irokom spektru domena gde je neophodna klasifikacija podataka, a te&scaron;ko je, ili čak nemoguće, doći do dovoljno velikog i raznovrsnog obučavajućeg skupa podataka<br />Metodologija &ndash; Modeli opisani u disertaciji se baziraju na kombinaciji ko-trening algoritma i tehnika učenja sa grupom hipoteza. Prvi korak jeste obučavanje grupe klasifikatora velike raznolikosti i kvaliteta. Sa ovim ciljem modeli eksploati&scaron;u primenu različitih konfiguracija ko-trening algoritma na isti skup podataka. Prednost ovog pristupa je mogućnost kori&scaron;ćenja značajno manjeg anotiranog obučavajućeg skupa za inicijalizaciju algoritma.<br />Skup nezavisno obučenih ko-trening klasifikatora se kreira generisanjem predefinisanog broja slučajnih podela obeležja polaznog skupa podataka. Nakon toga se, polazeći od istog inicijalnog obučavajućeg skupa, ali kori&scaron;ćenjem različitih kreiranih podela obeležja, obučava grupa ko-trening klasifikatora. Nakon ovoga, neophodno je kombinovati predikcije nezavisno obučenih klasifikatora.<br />Predviđena su dva načina kombinovanja predikcija. Prvi način se zasniva na klasifikaciji zapisa na osnovu većine glasova grupe ko-trening klasifikatora. Na ovaj način se daje predikcija za svaki od zapisa koji su pripadali grupi neanotiranih primera kori&scaron;ćenih u toku obuke ko-treninga. Potom se primenjuje genetski algoritam u svrhu selekcije najpouzdanije klasifikovanih zapisa ovog skupa. Konačno,<br />163<br />najpouzdanije klasifikovani zapisi se koriste za obuku finalnog klasifikatora. Ovaj finalni klasifikator se koristi za predikciju klase zapisa koje je neophodno klasifikovati. Opisani algoritam je nazvan Algoritam Statistike Slučajnih Podela (Random Split Statistics algorithm, RSSalg).<br />Drugi način kombinovanja nezavisno obučenih ko-trening klasifikatora se zasniva na GMM-MAPML tehnici estimacije tačnih klasnih obeležja na osnovu vi&scaron;estrukih obeležja pripisanih od strane različitih anotatora nepoznatog kvaliteta. U ovom algoritmu, nazvanom Integracija Vi&scaron;estrukih Ko-treninranih Klasifikatora (Integration of Multiple Co-trained Classifiers, IMCC), svaki od nezavisno treniranih ko-trening klasifikatora daje predikciju klase za svaki od zapisa koji je neophodno klasifikovati. U ovoj postavci se svaki od ko-trening klasifikatora tretira kao jedan od anotatora čiji je kvalitet nepoznat, a svakom zapisu, za koga je neophodno odrediti klasno obeležje, se dodeljuje vi&scaron;e klasnih obeležja. Na kraju se primenjuje GMM-MAPML tehnika, kako bi se na osnovu dodeljenih vi&scaron;estrukih klasnih obeležja za svaki od zapisa izvr&scaron;ila estimacija stvarnog klasnog obeležja zapisa.<br />Rezultati &ndash; U disertaciji su razvijena dva modela, Integracija Vi&scaron;estrukih Ko-treninranih Klasifikatora (IMCC) i Algoritam Statistike Slučajnih Podela (RSSalg), bazirana na ko-trening algoritmu, koja re&scaron;avaju zadatak automatske klasifikacije u slučaju nepostojanja dovoljno velikog anotiranog korpusa za obuku. Modeli predstavljeni u disertaciji dizajnirani su tako da omogućavaju primenu ko-trening algoritma na skupove podataka bez prirodne podele obeležja, kao i da unaprede njegove performanse. Modeli su na vi&scaron;e skupova podataka različite veličine, dimenzionalnosti i redudantnosti poređeni sa postojećim ko-trening alternativama. Pokazano je da razvijeni modeli na testiranim skupovima podataka postižu bolje performanse od testiranih ko-trening alternativa.<br />Praktična primena &ndash; Razvijeni modeli imaju &scaron;iroku mogućnost primene u svim domenima gde je neophodna klasifikacija podataka, a anotiranje podataka dugotrajno i skupo. U disertaciji je prikazana i primena razvijenih modela u nekoliko konkretnih<br />164<br />situacija gde su modeli od posebne koristi: detekcija subjektivnosti, vi&scaron;e-kategorijska klasifikacija i sistemi za davanje preporuka.<br />Vrednost &ndash; Razvijeni modeli su korisni u &scaron;irokom spektru domena gde je neophodna klasifikacija podataka, a anotiranje podataka dugotrajno i skupo. Njihovom primenom se u značajnoj meri smanjuje ljudski rad neophodan za anotiranje velikih skupova podataka. Pokazano je da performanse razvijenih modela prevazilaze performanse postojećih alternativa razvijenih sa istim ciljem relaksacije problema dugotrajne i mukotrpne anotacije velikih skupova podataka.</p> / <p>Aim &ndash; The research presented in this thesis is aimed towards the development of the system for automatic semi-supervised classification. The system is designed to be applicable on the broad spectrum of practical domains where automatic classification of data is needed but it is hard or impossible to obtain a large enough training set.<br />Methodology &ndash; The described models combine co-training algorithm with ensemble learning with the aim to overcome the problem of co-training application on the datasets without the natural feature split. The first step is to create the ensemble of co-training classifiers. For this purpose the models presented in this thesis apply different configurations of co-training on the same training set. Compared to existing similar approaches, this approach requires a significantly smaller initial training set.<br />The ensemble of independently trained co-training classifiers is created by generating a predefined number of random feature splits of the initial training set. Using the same initial training set, but different feature splits, a group of co-training classifiers is trained. The two models differ in the way the predictions of different co-training classifiers are combined.<br />The first approach is based on majority voting: each instance recorded in the enlarged training sets resulting from co-training application is classified by majority voting of the group of obtained co-training classifiers. After this, the genetic algorithm is applied in order to select the group of most reliably classified instances from this set. The most reliable instances are used in<br />167<br />order to train a final classifier which is used to classify new instances. The described algorithm is called Random Split Statistic Algorithm (RSSalg).<br />The other approach of combining single predictions of the group of co-training classifiers is based on GMM-MAPML technique of estimating the true hidden label based on the multiple labels assigned by multiple annotators of unknown quality. In this model, called the Integration of Multiple Co-trained Classifiers (IMCC), each of the independently trained co-training classifiers predicts the label for each test instance. Each co-training classifier is treated as one of the annotators of unknown quality and each test instance is assigned multiple labels (one by each of the classifiers). Finally, GMM-MAPML technique is applied in order to estimate the true hidden label in the multi-annotator setting.<br />Results &ndash; In the dissertation the two models are developed: the Integration of Multiple Co-trained Classifiers (IMCC) and Random Split Statistic Algorithm (RSSalg). The models are based on co-training and aimed towards enabling automatic classification in the cases where the existing training set is insufficient for training a quality classification model. The models are designed to enable the application of co-training algorithm on datasets that lack the natural feature split needed for its application, as well as with the goal to improve co-training performance. The models are compared to their co-training alternatives on multiple datasets of different size, dimensionality and feature redundancy. It is shown that the developed models exhibit superior performance compared to considered co-training alternatives.<br />Practical application &ndash; The developed models are applicable on the wide spectrum of domains where there is a need for automatic classification and training data is insufficient. The dissertation presents the successful application of models in several concrete situations where they are highly<br />168<br />beneficial: subjectivity detection, multicategory classification and recommender systems.<br />Value &ndash; The models can greatly reduce the human effort needed for long and tedious annotation of large datasets. The conducted experiments show that the developed models are superior to considered alternatives.</p>

Die digitale Transformation stärkt die Notwendigkeit selbstgesteuerten Lernens in der beruflichen Weiterbildung und gibt dieser Lernform neue Impulse. Um ihre aktuelle Relevanz und Umsetzung in der Bildungspraxis näher zu beleuchten, wurde im BMBF-geförderten Vorhaben 'Weiterbildung selbstorganisiert! Entwicklung einer Weiterbildungsdidaktik für selbstorganisierte Lernprozesse' u. a. der Status Quo des selbstgesteuerten Lernens in zwei exemplarisch ausgewählten Weiterbildungsinstitutionen untersucht. Zur Erhebung von triangulierbaren Daten wurden eine Dokumentenanalyse, eine qualitative Befragung des Koordinations- und Leitungspersonals und eine quantitative Befragung von Lehrenden und Kursteilnehmenden in beiden Institutionen durchgeführt. Ein besonderes Augenmerk der Untersuchungen lag jeweils auf den Rahmenbedingungen, die selbstgesteuertes Lernen ermöglichen, fördern oder erschweren können und auf dem Einsatz von Methoden, didaktischen Prinzipien und digitalen Medien zur Unterstützung von selbstgesteuerten Lernprozessen. Die Ergebnisse der Teilerhebungen werden im vorliegenden Forschungsbericht präsentiert, diskutiert und mit Blick auf die Beantwortung der zentralen Forschungsfragen zusammengeführt. Daraus werden Handlungsempfehlungen für die zukünftige Gestaltung der Rahmenbedingungen für selbstgesteuertes Lernen in Weiterbildungsinstitutionen abgeleitet. Abschließend werden Forschungsdesiderata formuliert, die anknüpfende Forschungsvorhaben aufgreifen sollten.:1 Einleitung 1.1 Selbstgesteuertes Lernen in der beruflichen Weiterbildung 1.2 Exkurs: Die Berufliche Weiterbildung 1.3 Kurzbeschreibung der zwei exemplarisch untersuchten Weiterbildungsinstitutionen 1.3.1 Bildungszentrum eines regionalen Berufsverbandes 1.3.2 Volkshochschule 2 Forschungsstand 2.1 Vergleichsstudien zur Umsetzung selbstgesteuerten Lernens in Weiterbildungsinstitutionen 2.1.1 Landesinstitut für Schule und Weiterbildung Soest 2.1.2 SeGeL 2.2 Rahmenbedingungen für selbstgesteuertes Lernen 2.2.1 Übergreifende institutionelle Faktoren 2.2.2 Institutionelle Bedingungen 2.2.3 Übersicht der für selbstgesteuertes Lernen erforderlichen Rahmenbedingungen 2.3 Methoden, didaktische Prinzipien und Medien für selbstgesteuertes Lernen 2.3.1 Methoden für selbstgesteuertes Lernen 2.3.2 Didaktische Prinzipien des selbstgesteuerten Lernens 2.3.3 Digitale Medien für selbstgesteuertes Lernen 3 Dokumentenanalyse 3.1 Erhebungsmethode Dokumentenanalyse 3.2 Bestimmung des Ausgangsmaterials 3.3 Durchführung der Dokumentenanalyse 3.3.1 Vorbereitung 3.3.2 Kodierung und Auswertung mittels strukturierender Inhaltsanalyse 3.3.3 Kodierung und Auswertung mittels evaluativer Inhaltsanalyse 3.4 Ergebnisse der Dokumentenanalyse 3.4.1 Selbstverständnis der Institutionen 3.4.2 Mitarbeitende 3.4.3 Entwicklung/ Planung eines neuen Kurses 3.4.4 Durchführung eines Kurses 3.4.5 Organisatorische Rahmenbedingungen 3.4.6 Gewährleistung der Qualitätsstandards 3.4.7 Lerndimensionen 3.5 Diskussion der Ergebnisse der Dokumentenanalyse 3.5.1 Status Quo der Rahmenbedingungen in den zwei exemplarisch untersuchten Weiterbildungseinrichtungen 3.5.2 Methodische Limitation der Dokumentenanalyse 4 Befragung des Koordinations- und Leitungspersonals 4.1 Erhebungsmethoden 4.1.1 Interviews mit Expertinnen und Experten 4.1.2 Gruppendiskussion 4.1.3 Stichprobe 4.2 Messinstrument: Leitfaden 4.3 Durchführung 4.3.1 Vorbereitung & Durchführung 4.3.2 Auswertung 4.4 Ergebnisse 4.4.1 Status Quo des selbstgesteuerten Lernens in den Einrichtungen 4.4.2 Rahmenbedingungen 4.4.3 Nächste Schritte 4.5 Diskussion der Ergebnisse der Befragung des Leitungs- und Koordinationspersonals 4.5.1 Status Quo der Rahmenbedingungen selbstgesteuerten Lernens in den zwei exemplarisch untersuchten Weiterbildungsinstitutionen 4.5.2 Grenzen und Herausforderungen des selbstgesteuerten Lernens in Weiterbildungsinstitutionen 4.5.3 Methodische Limitation der qualitativen Interviews 5 Dozierenden- und Teilnehmendenbefragung 5.1 Erhebungsmethode 5.1.1 Schriftliche Befragung 5.1.2 Stichprobe 5.2 Messinstrumentarien 5.3 Durchführung 5.3.1 Vorbereitung und Durchführung 5.3.2 Auswertung 5.4 Ergebnisse 5.4.1 Beschreibung der Befragten 5.4.2 Selbstgesteuertes Lernen in Kursen der beruflichen Weiterbildung 5.4.3 Methoden des selbstgesteuerten Lernens in Kursen der beruflichen Weiterbildung 5.4.4 Medieneinsatz in Kursen der beruflichen Weiterbildung 5.4.5 Didaktische Prinzipien in Kursen der beruflichen Weiterbildung 5.4.6 Abschluss 5.5 Diskussion der Ergebnisse der Dozierenden- und Teilnehmendenbefragung 5.5.1 Status Quo des selbstgesteuerten Lernens in den zwei exemplarisch untersuchten Weiterbildungseinrichtungen 5.5.2 Methodische Limitationen der quantitativen Befragung 6 Zusammenführung der Ergebnisse 6.1 Vergleich des Status Quo des selbstgesteuerten Lernens in den zwei exemplarisch untersuchten Weiterbildungsinstitutionen 6.1.1 Allgemeine Eckdaten der Weiterbildungsinstitutionen 6.1.2 Rahmenbedingungen für selbstgesteuertes Lernen in den Weiterbildungsinstitutionen 6.1.3 Selbstgesteuertes Lernen in den Weiterbildungsinstitutionen 6.2 Vergleich der Ergebnisse mit dem Forschungsstand 6.2.1 Rahmenbedingungen für selbstgesteuertes Lernen 6.2.2 Methoden, die selbstgesteuertes Lernen unterstützen können 6.2.3 Didaktische Prinzipien, die selbstgesteuertes Lernen unterstützen können 6.2.4 Digitale Medien, die selbstgesteuertes Lernen unterstützen können 6.3 Rückbezug zu den Forschungsfragen 6.3.1 Teilfrage 1: Status Quo der Rahmenbedingungen des selbstgesteuerten Lernens 6.3.2 Teilfrage 2: Anforderungen der Teilnehmenden an berufliche Weiterbildungsangebote 6.3.3 Teilfrage 3: Didaktische Prinzipien, Methoden und mediale Szenarien für selbstgesteuertes Lernen 7 Ausblick: Handlungsempfehlungen und Desiderata 7.1 Handlungsempfehlungen 7.2 Forschungsdesiderata 8 Bibliographie / The digital transformation strengthens the need for self-directed learning in continuing vocational education and training and gives new impetus to this form of learning. In order to shed more light on its current relevance and implementation in educational practice, the BMBF-funded project 'Weiterbildung selbstorganisiert! Entwicklung einer Weiterbildungsdidaktik für selbstorganisierte Lernprozesse' (Self-organised continuing education! Development of continuing education didactics for self-organised learning processes), the status quo of self-directed learning was investigated in two selected continuing education institutions. To collect triangulated data, a document analysis, a qualitative survey of coordination and management staff and a quantitative survey of teachers and course participants were conducted in both institutions. In each case, special attention was paid to the framework conditions that can enable, promote or impede self-directed learning and to the use of methods, didactic principles and digital media to support self-directed learning processes. The results of the sub-surveys are presented, discussed and summarised in this research report with a view to answering the central research questions. From this, recommendations for action are derived for the future design of the framework conditions for self-directed learning in continuing education institutions. Finally, research desiderata are formulated that should be taken up by related research projects.:1 Einleitung 1.1 Selbstgesteuertes Lernen in der beruflichen Weiterbildung 1.2 Exkurs: Die Berufliche Weiterbildung 1.3 Kurzbeschreibung der zwei exemplarisch untersuchten Weiterbildungsinstitutionen 1.3.1 Bildungszentrum eines regionalen Berufsverbandes 1.3.2 Volkshochschule 2 Forschungsstand 2.1 Vergleichsstudien zur Umsetzung selbstgesteuerten Lernens in Weiterbildungsinstitutionen 2.1.1 Landesinstitut für Schule und Weiterbildung Soest 2.1.2 SeGeL 2.2 Rahmenbedingungen für selbstgesteuertes Lernen 2.2.1 Übergreifende institutionelle Faktoren 2.2.2 Institutionelle Bedingungen 2.2.3 Übersicht der für selbstgesteuertes Lernen erforderlichen Rahmenbedingungen 2.3 Methoden, didaktische Prinzipien und Medien für selbstgesteuertes Lernen 2.3.1 Methoden für selbstgesteuertes Lernen 2.3.2 Didaktische Prinzipien des selbstgesteuerten Lernens 2.3.3 Digitale Medien für selbstgesteuertes Lernen 3 Dokumentenanalyse 3.1 Erhebungsmethode Dokumentenanalyse 3.2 Bestimmung des Ausgangsmaterials 3.3 Durchführung der Dokumentenanalyse 3.3.1 Vorbereitung 3.3.2 Kodierung und Auswertung mittels strukturierender Inhaltsanalyse 3.3.3 Kodierung und Auswertung mittels evaluativer Inhaltsanalyse 3.4 Ergebnisse der Dokumentenanalyse 3.4.1 Selbstverständnis der Institutionen 3.4.2 Mitarbeitende 3.4.3 Entwicklung/ Planung eines neuen Kurses 3.4.4 Durchführung eines Kurses 3.4.5 Organisatorische Rahmenbedingungen 3.4.6 Gewährleistung der Qualitätsstandards 3.4.7 Lerndimensionen 3.5 Diskussion der Ergebnisse der Dokumentenanalyse 3.5.1 Status Quo der Rahmenbedingungen in den zwei exemplarisch untersuchten Weiterbildungseinrichtungen 3.5.2 Methodische Limitation der Dokumentenanalyse 4 Befragung des Koordinations- und Leitungspersonals 4.1 Erhebungsmethoden 4.1.1 Interviews mit Expertinnen und Experten 4.1.2 Gruppendiskussion 4.1.3 Stichprobe 4.2 Messinstrument: Leitfaden 4.3 Durchführung 4.3.1 Vorbereitung & Durchführung 4.3.2 Auswertung 4.4 Ergebnisse 4.4.1 Status Quo des selbstgesteuerten Lernens in den Einrichtungen 4.4.2 Rahmenbedingungen 4.4.3 Nächste Schritte 4.5 Diskussion der Ergebnisse der Befragung des Leitungs- und Koordinationspersonals 4.5.1 Status Quo der Rahmenbedingungen selbstgesteuerten Lernens in den zwei exemplarisch untersuchten Weiterbildungsinstitutionen 4.5.2 Grenzen und Herausforderungen des selbstgesteuerten Lernens in Weiterbildungsinstitutionen 4.5.3 Methodische Limitation der qualitativen Interviews 5 Dozierenden- und Teilnehmendenbefragung 5.1 Erhebungsmethode 5.1.1 Schriftliche Befragung 5.1.2 Stichprobe 5.2 Messinstrumentarien 5.3 Durchführung 5.3.1 Vorbereitung und Durchführung 5.3.2 Auswertung 5.4 Ergebnisse 5.4.1 Beschreibung der Befragten 5.4.2 Selbstgesteuertes Lernen in Kursen der beruflichen Weiterbildung 5.4.3 Methoden des selbstgesteuerten Lernens in Kursen der beruflichen Weiterbildung 5.4.4 Medieneinsatz in Kursen der beruflichen Weiterbildung 5.4.5 Didaktische Prinzipien in Kursen der beruflichen Weiterbildung 5.4.6 Abschluss 5.5 Diskussion der Ergebnisse der Dozierenden- und Teilnehmendenbefragung 5.5.1 Status Quo des selbstgesteuerten Lernens in den zwei exemplarisch untersuchten Weiterbildungseinrichtungen 5.5.2 Methodische Limitationen der quantitativen Befragung 6 Zusammenführung der Ergebnisse 6.1 Vergleich des Status Quo des selbstgesteuerten Lernens in den zwei exemplarisch untersuchten Weiterbildungsinstitutionen 6.1.1 Allgemeine Eckdaten der Weiterbildungsinstitutionen 6.1.2 Rahmenbedingungen für selbstgesteuertes Lernen in den Weiterbildungsinstitutionen 6.1.3 Selbstgesteuertes Lernen in den Weiterbildungsinstitutionen 6.2 Vergleich der Ergebnisse mit dem Forschungsstand 6.2.1 Rahmenbedingungen für selbstgesteuertes Lernen 6.2.2 Methoden, die selbstgesteuertes Lernen unterstützen können 6.2.3 Didaktische Prinzipien, die selbstgesteuertes Lernen unterstützen können 6.2.4 Digitale Medien, die selbstgesteuertes Lernen unterstützen können 6.3 Rückbezug zu den Forschungsfragen 6.3.1 Teilfrage 1: Status Quo der Rahmenbedingungen des selbstgesteuerten Lernens 6.3.2 Teilfrage 2: Anforderungen der Teilnehmenden an berufliche Weiterbildungsangebote 6.3.3 Teilfrage 3: Didaktische Prinzipien, Methoden und mediale Szenarien für selbstgesteuertes Lernen 7 Ausblick: Handlungsempfehlungen und Desiderata 7.1 Handlungsempfehlungen 7.2 Forschungsdesiderata 8 Bibliographie

1 INTRODUCTION Since learning management systems (LMSs) are offering a great variety of channels and workspaces to facilitate information sharing and communication among learners during learning process, many educational organizations have adopted a specific LMS into their educational context. A LMS is a software that handles learning tasks such as creating course catalogs, registering students, providing access to course components, tracking students within courses, recording data about students, and providing reports about usage and outcomes to teachers [1]. LMSs include several applications such as OLAT, WebCT, Moodle, ATutor, Ilias, and Claroline. However, LMSs can be utilized to integrate a wide range of multimedia materials, blogs, forums, quizzes, and wikis. Therefore, the researchers suggest that studying the influence of technology usage on end-users, especially students, is fundamental in learning and teaching environment. Despite educational organizations routinely make decisions regarding the best pedagogical approaches for supporting students’ performance, there is very little research on the impact of LMSs on learning outcomes [2]. Indeed, a considerable number of studies were conducted to examine the adoption of various LMSs, whereas little researches focused on understanding how educational institutes can enhance learning and teaching process through a particular LMS [3]. Consistent with this, the researchers found virtually no research on investigating the relationship between LMSs usage and attitude toward learning. [...]

The overall theme of this thesis is the electronic training of employees (volunteers) in Czech non-school organizations. The main objects are the organizations' satisfaction with e-learning methods, benefits and obstacles that organizations face while implementing and using e-learning and forms of e-learning that are distinctive for Czech non-school environment. The theoretical part of the thesis is dedicated first to explaining the term "e-learning" and followed by its brief history. Subsequently, different approaches to classification of e-learning are summed up. One of the chapters follows the work of David A. Kolb - especially his theory of experiential learning including learning styles and their use in the development of e-learning in organization. In the practical part of the thesis the current state of e-learning in the Czech non-school organizations is explored (with the use of a survey). First, the methodology is presented, followed by an analysis of collected data and answering of seven stated research questions with the goal to clarify different aspects of the use of e-learning in Czech non-school organizations. Powered by TCPDF (www.tcpdf.org)

1 INTRODUCTION Since learning management systems (LMSs) are offering a great variety of channels and workspaces to facilitate information sharing and communication among learners during learning process, many educational organizations have adopted a specific LMS into their educational context. A LMS is a software that handles learning tasks such as creating course catalogs, registering students, providing access to course components, tracking students within courses, recording data about students, and providing reports about usage and outcomes to teachers [1]. LMSs include several applications such as OLAT, WebCT, Moodle, ATutor, Ilias, and Claroline. However, LMSs can be utilized to integrate a wide range of multimedia materials, blogs, forums, quizzes, and wikis. Therefore, the researchers suggest that studying the influence of technology usage on end-users, especially students, is fundamental in learning and teaching environment. Despite educational organizations routinely make decisions regarding the best pedagogical approaches for supporting students’ performance, there is very little research on the impact of LMSs on learning outcomes [2]. Indeed, a considerable number of studies were conducted to examine the adoption of various LMSs, whereas little researches focused on understanding how educational institutes can enhance learning and teaching process through a particular LMS [3]. Consistent with this, the researchers found virtually no research on investigating the relationship between LMSs usage and attitude toward learning. [...]

Durch die Schaffung von Lernangeboten in der Zivilgesellschaft bietet Service Learning die Möglichkeit, neben der praktischen Erprobung von zuvor theoretisch erworbenem Wissen auch Formen bürgerlichen Engagements erfahrbar werden zu lassen. Auf diese Weise können in der Lehrer_innenbildung Kenntnisse und Fertigkeiten vermittelt werden, welche durch den sonst in der universitären Lehramtsausbildung üblichen Lernort Hochschule allein nicht transportiert werden könnten. Der vorliegende Artikel skizziert zwei Fallbeispiele hochschuldidaktischer Praxis der Umsetzung von Service Learning in der ersten Phase der Lehrer_ innenbildung, um dessen potentiellen Mehrwert für die Lehramtsausbildung zu veranschaulichen.

As the emergence of new technologies are continuously disrupting the way in which organizations function and develop, the majority of initiatives within Learning and Development (L&amp;D) are far from fully effective. The purpose of this study was to conduct an exploratory case study to investigate how automation and AI technologies could improve corporate learning within financial services companies. The study was delimited to study three case companies, all primarily operating in the Nordic financial services industry. The exploratory research was carried out through a literature review, several indepth interviews as well as a survey for a selected number of research participants. The research revealed that the current state of training within financial services is characterized by a significant amount of manual and administrative work, lack of intelligence within decision-making as well as a non-existing consideration of employee knowledge. Moreover, the empirical evidence similarly reveled a wide array of opportunities for adopting automation and AI technologies into the respective learning workflows of the L&amp;D organization within the case companies. / I takt med att företag kontinuerligt anammar nya teknologier för att förbättra sin verksamhet, befinner sig utbildningsorganisationer i ett märkbart ineffektivt stadie. Syftet med denna studie var att genomföra en explorativ fallstudie gällande hur finansbolag skulle kunna införa AI samt automatisering för att förbättra sin utbildningsorganisation. Studien var begränsat till att undersöka tre företag, alla med verksamhet i den nordiska finansbranschen. Den explorativa delen av studien genomfördes med hjälp av en litteraturstudie, flertal djupgående intervjuer samt en enkät för ett begränsat antal deltagare i forskningsprocessen. Forskning påvisade att den existerade utbildningsorganisationen inom finansbolag är starkt präglat av ett överflöd av manuellt och administrativt arbete, bristande intelligens inom beslutsprocesser samt en bristande hänsyn för existerande kunskapsnivåer bland anställda. Studien påvisade därtill en mängd möjligheter att införa automatisering samt AI för att förbättra utbildningsflödena inom samtliga deltagande bolag i fallstudien.

This book focuses on an evaluation of technical, economical, and personal aspects of e-learning deployment in a theoretical plane and in the specific environment of the bank ČSOB, a. s. The thesis begins by an introduction of the term e-learning and a brief description of main properties and characteristics of this new trend in a field of not only corporate education. Special attention is devoted to an assessment of business benefits and cots of education; every aspect is analyzed and compared both for the classical brick and mortar classroom instructor led education and for the e-learning. The thesis introduces two mathematical models for assessing an effectiveness of e-learning deployment. Theoretical concepts are applied to data from a real course which was run in one of the main Czech banks ČSOB, a. s. Last part briefly examines the concepts and benefits of SCORM standard package and its support in the SAP LS 600 system.