Publikationen

The effectiveness of embedding methods is crucial for optimizing text classification performance in Automated Machine Learning (AutoML). However, selecting the most suitable pre-trained model for a given task remains challenging. This study introduces the Corpus-Driven Domain Mapping (CDDM) pipeline, which utilizes a domain-annotated corpus of pre-fine-tuned models from the Hugging Face Model Hub to improve model selection. Integrating these models into AutoML systems significantly boosts classification performance across multiple datasets compared to baseline methods. Despite some domain recognition inaccuracies, results demonstrate CDDM’s potential to enhance model selection, streamline AutoML workflows, and reduce computational costs.

Die Trendumfrage Forschungsdateninfrastrukturen 2024 (Umfrage FDI 2024) ist Teil der Begleitforschung zu den Nationalen Forschungsdateninfrastruktur (NFDI)-Basisdiensten (Base4NFDI). Die Umfrage FDI 2024 erfasst die Wahrnehmung, Nutzung und Bewertung bestehender und neuer Dateninfrastrukturen und Dienste in der deutschen Forschungslandschaft. Der Fokus liegt auf der Perspektive der (potenziellen) Nutzenden.

I explain that -capture program drop- is useless in ado-files. While it prevents errors in do-files when redefining programs in memory, it either isn't executed or results in an error in ado-files. Moreover, in ado-files with local subroutines, -capture program drop- can mistakenly remove unrelated programs from memory.

Die DZHW-Wissenschaftsbefragung 2023 ist eine Onlinebefragung des hauptberuflichen wissenschaftlich-künstlerischen Personals an deutschen Universitäten und gleichgestellten Hochschulen mit Promotionsrecht. Sie wird als Trendstudie zur Erforschung der Arbeits- und Forschungsbedingungen an deutschen Universitäten und gleichgestellten Hochschulen in regelmäßigen Abständen wiederholt. Die DZHW-Wissenschaftsbefragung 2023 wurde von Januar bis März 2023 durchgeführt. Die Befragten blicken also retrospektiv auf ihre Arbeits- und Forschungsbedingungen während der Covid-19-Pandemie sowie auf ihre aktuelle postpandemische Situation. Die vorherigen Wissenschaftsbefragungen fanden [..] Vollständiger Abstract: https://doi.org/10.21249/DZHW:scs2023:1.0.1

Despite the increasing use of the statistical programming language R in statistics and data analysis (SDA), its implementation in communication science education is limited. Experiences, recommendations, and a critical exchange are therefore scarce. The following contribution addresses this very gap. At the Department of Journalism and Communication Research of the Hanover University of Music, Drama and Media, we have transitioned the SDA education to R. We share our concept and demonstrate its success. The results of an online survey indicate that students perceived most teaching elements as helpful, recognizing both opportunities and challenges. We present key learnings designed to assist others in integrating R into SDA education.

Das Projekt Berufungsverfahren unter Beobachtung (BerBeo) ist ein vom Bundesministerium für Bildung und Forschung (BMBF) gefördertes Forschungsprojekt, das vom Deutschen Zentrum für Hochschul- und Wissenschaftsforschung GmbH (DZHW) durchgeführt wurde. Das Projekt untersuchte die (Verfahrens-)Qualitätssicherung in Berufungsverfahren an deutschen (staatlichen) Hochschulen durch Berufungsbeauftragte. Unter Berufungsbeauftragten werden dabei Personen verstanden, die für die prozedurale Qualitätssicherung von Berufungsverfahren verantwortlich sind und – je nach Ausgestaltung ihrer Stelle – ggf. weitere Aufgaben zur entscheidungsvorbereitenden Unterstützung von [...] Vollständiger Abstract: https://doi.org/10.21249/DZHW:berbeo:1.0.0

Auf der Basis einer Analyse maximal kontrastierender Fälle (Hochschulen, Fächer) wurde untersucht, wie sich der Wandel des Berufungsverfahrens auf das Verhältnis der beteiligten Akteur*innen und ihr Enactment institutioneller Logiken auswirkt. Dazu wurden acht Universitäten und vier Fachhochschulen unterschiedlichen Profils ausgewählt. Die Analyse konzentriert sich auf die Fächer Soziologie/Sozialwissenschaften (Universitäten und Fachhochschulen), Maschinenbau (Universitäten und Fachhochschulen), Physik (Universitäten) und Medizin (Universitäten), um fächerspezifische Unterschiede (bzgl. Aufgaben, Arbeitsprozessen, Ausstattung der Professur, disziplinärer [...] Vollständiger Abstract: https://doi.org/10.21249/DZHW:lib2016:2.0.0

Die DZHW-Wissenschaftsbefragung 2023 ist eine Onlinebefragung des hauptberuflichen wissenschaftlich-künstlerischen Personals an deutschen Universitäten und gleichgestellten Hochschulen mit Promotionsrecht. Sie wird als Trendstudie zur Erforschung der Arbeits- und Forschungsbedingungen an deutschen Universitäten und gleichgestellten Hochschulen in regelmäßigen Abständen wiederholt. Die DZHW-Wissenschaftsbefragung 2023 wurde von Januar bis März 2023 durchgeführt. Die Befragten blicken also retrospektiv auf ihre Arbeits- und Forschungsbedingungen während der Covid-19-Pandemie sowie auf ihre aktuelle postpandemische Situation. [...] Vollständiger Abstract: https://doi.org/10.21249/DZHW:scs2023:1.0.0

Die Forschungsdateninfrastruktur „Higher Education Analytical Data System“ (HEADS) ist ein nachhaltiges, flexibles und ausbaufähiges digitales Informationssystem, das die Befragungsergebnisse und Bildungsindikatoren des DZHW webbasiert zugänglich macht und perspektivisch als gemeinsames Portal für die Präsentation der Ergebnisse aller DZHW-Befragungen dient. Für verschiedene Stakeholder und die interessierte Fachöffentlichkeit sind die Ergebnisse in unterschiedlichen Formaten abrufbar. Das aufgebaute technische Gesamtsystem besteht aus zwei Infrastrukturelementen: (1) einem webbasierten Informationsportal und (2) einem Teilbereich des geplanten DZHW-DataWarehouses sowie des HEADS-Berichtssystems für die DZHW-Befragungsstudien.