Bachelorarbeit
Filtern
Erscheinungsjahr
- 2018 (24) (entfernen)
Dokumenttyp
- Bachelorarbeit (24) (entfernen)
Sprache
- Deutsch (24) (entfernen)
Schlagworte
- Astrophysik (1)
- Augmented Reality (1)
- Bildverarbeitung (1)
- Computergrafik (1)
- Computervisualistik (1)
- Extended Reality (1)
- Fell (1)
- Fell Rendering (1)
- Fluidsimulation (1)
- Frame-Semantik (1)
- GPGPU (1)
- Haare (1)
- Innenarchitektur (1)
- Musik (1)
- Politische Kommunikation (1)
- Politolinguistik (1)
- Rendering (1)
- Sterne (1)
- Virtual Reality (1)
- fur rendering (1)
- politische Sprachverwendung (1)
- politolinguistische Lexikanalyse (1)
- politolinguistische Wahlprogrammanalyse der Alternative für Deutschland (1)
Entwicklung eines Social Collaboration Analytics Dashboard-Prototyps für Beiträge von UniConnect
(2018)
Seit der vergangenen Dekade steigt die Nutzung von sogenannten Enterprise Collaboration Systems (ECS) in Unternehmen. Diese versprechen sich mit der Einführung eines solchen zur Gattung der Social Software gehörenden Kollaborationssystems, die menschliche Kommunikation und Kooperation der eigenen Mitarbeiter zu verbessern. Durch die Integration von Funktionen, wie sie aus Social Media bekannt sind, entstehen große Mengen an Daten. Darunter befinden sich zu einem erheblichen Teil textuelle Daten, die beispielsweise mit Funktionen wie Blogs, Foren, Statusaktualisierungen oder Wikis erstellt wurden. Diese in unstrukturierter Form vorliegenden Daten bieten ein großes Potenzial zur Analyse und Auswertung mittels Methoden des Text Mining. Die Forschung belegt dazu jedoch, dass Umsetzungen dieser Art momentan nicht gebräuchlich sind. Aus diesem Grund widmet sich die vorliegende Arbeit diesem Mangel. Ziel ist die Erstellung eines Dashboard-Prototyps, der sich im Rahmen von Social Collaboration Analytics (SCA) mit der Auswertung von textuellen Daten befasst. Analyseziel ist die Identifikation von populären Themen, die innerhalb von Communities oder communityübergreifend von den Plattformnutzern in den von ihnen erstellten Beiträgen aufgegriffen werden. Als Datenquelle wurde das auf IBM Connections aufbauende ECS UniConnect ausgewählt. Dieses wird vom University Competence Center for Collaboration Technologies (UCT) an der Universität Koblenz-Landau betrieben. Grundlegend für die korrekte Funktionsweise des Dashboards sind mehrere Java-Klassen, deren Umsetzungen auf verschiedenen Methoden des Text Mining basieren. Vermittelt werden die Analyseergebnisse im Dashboard durch verschiedene Diagrammarten, Wordclouds und Tabellen.
In dieser Arbeit werden auf der Basis des aktuellen Forschungsstandes der Politolinguistik die Relevanz und Erklärungsmöglichkeiten politolinguistischer Analysen für das Verständnis der Sprachverwendung und Sprachprägung in der Politik am Beispiel der rechtspopulistischen Rhetorik der Alternative für Deutschland thematisiert. Die Arbeit folgt im Allgemeinen der Fragestellung, inwiefern die Politolinguistik die Sprachverwendung in der Politik und die dort entstehenden, sprachlichen Prägungen lexikalisch analysieren und mithilfe der politolinguistischen Lexikanalyse die durch politische Akteure vermittelten, politischen Intentionen offenlegen kann. Im Besonderen wird sich daran die Frage anschließen, auf welche Weise sich mit den Analysewerkzeugen der politolinguistischen Lexikanalyse das Kurzwahlprogramm der Alternative für Deutschland zur Bundestagswahl 2017 im Hinblick auf ihre rechtspopulistische Rhetorik untersuchen lässt und dortige, lexikalische Prägungsversuche der AfD identifiziert werden können.
Am Schluss der Arbeit steht Erkenntnisfortschritt, der eine deskriptive Erörterung der Relevanz und Möglichkeiten politolinguistischer Lexikanalysen sowie ihrer Werkzeuge für die Untersuchung politischer Sprachverwendung und durch Wortprägungen offenbarter Intentionen beinhaltet, dabei explizit sowohl etablierte als auch neuere Erkenntnisse des Forschungsfeldes miteinbezieht und diese im Hinblick auf die Anwendbarkeit zur Erforschung rechtspopulistischer Rhetorik reflektiert.
Die vorliegende Arbeit beschreibt die Entwicklung eines OpenGL-basierten Tools zur Visualisierung von Hohlräumen in Proteinen, welche während eines statischen Dockings beobachtet werden können. Ziel ist es, anhand von Informationen über Abstände zwischen Proteinen und Liganden, Schluss- folgerungen über Interaktionen zu ziehen, um daraus Ansätze für die Entwicklung künstlicher Liganden zu gewinnen. Zunächst wird auf chemische Grundlagen eingegangen, die das Thema motivieren und für das Verständnis der Thematik und der genutzten Algorithmen wichtig sind. Des Weiteren wird bestehende Software vorgestellt, die ähnliche Sachverhalte löst. Anschließend werden die Voraussetzungen zur Entwicklung des Programmes genannt, woraufhin dieses detailliert beschrieben wird. Zum Abschluss wird das Tool in Hinblick auf Performance und Nutzen evaluiert und ein zusammenfassendes Fazit getroffen, in dem sich das Programm als gute Hilfe für bestehende Forschungen und gute Basis für weitere, tiefergehende Forschungsprojekte erweist.
Algorithmische Komposition
(2018)
Algorithmische Komposition ist ein interdisziplinärer Forschungsbereich, der die beiden Bereiche Musik und Wissenschaft miteinander verknüpft. Der Computer wird in den Mittelpunkt des Kompositionsprozesses gestellt und komponiert mithilfe eines Algorithmus Musik. In dieser Arbeit wird die Algorithmische Komposition unter Verwendung der biologisch inspirierten Algorithmen Lindenmayer-System und Zellulärer Automat untersucht. Dabei werden ausgewählte Verfahren vorgestellt, implementiert und evaluiert, die die erzeugten Daten der Algorithmen in ein sinnvolles musikalisches Ergebnis transformieren.