Publikationen

Leider konnte für diese Suchkombination kein Ergebnis gefunden werden

beeinträchtigt studieren –best2.

Birkelbach, R. (2019).
beeinträchtigt studieren –best2. Daten- und Methodenbericht zur Studierendenbefragung 2016/17 (Version 1.0.0). Hannover: fdz.DZHW.

Hinweise zur Codierung fehlender Werte in der Aufbereitung quantitativer Daten. Version 1.0.

Verbund Forschungsdaten Bildung (Hrsg.) (2019).
Hinweise zur Codierung fehlender Werte in der Aufbereitung quantitativer Daten. Version 1.0. fdbinfo Nr. 6.

DZHW-Absolventenpanel 2005.

Baillet, F., Franken, A., Weber, A. (2019).
DZHW-Absolventenpanel 2005. Daten-und Methodenbericht zu den Erhebungen der Absolvent(inn)enkohorte 2005 (1., 2. und 3. Befragungswelle) (Version 2.0.0). Hannover: fdz.DZHW.

21. Sozialerhebung.

Becker, K., Baillet, F., & Weber, A. (2018).
21. Sozialerhebung. Daten- und Methodenbericht zu der Erhebung der wirtschaftlichen und sozialen Lage der Studierenden 2016. Daten- und Methodenbericht (Version 1.0.0). Hannover: fdz.DZHW.

A Fast Algorithm Based on Apriori Algorithms to Explore the Set of Repetitive Items of Large Transaction Data.

Ghofrani, J., Mohseni M., & Bozorgmehr, A. (2018).
A Fast Algorithm Based on Apriori Algorithms to Explore the Set of Repetitive Items of Large Transaction Data. ICCDA 2018 Proceedings of the 2nd International Conference on Compute and Data Analysis, 13-19.
Abstract

Parallel data mining is utilized to improve the performance of analyzing large databases within a reasonable time frame. Exploring associative rules is an important task in data mining with various practical applications that can be used to explore knowledge in the form of a set of repetitive items or associative rules. Parallel algorithms divide the data superficially and then using different distribution approach, like data distribution, candidate and numerical candidate distribution, extract the set of repetitive items, and ultimately explore strong association laws. In this paper, a parallel algorithm is proposed to explore the collection of repetitive items from big and dense transaction databases.

DZHW-Pro­mo­vier­ten­pa­nel 2014.

Brandt, G., de Vogel, S., Jaksztat, S., Teichmann, C., Lange, K., Scheller, P., Vietgen, S. (2018).
DZHW-Pro­mo­vier­ten­pa­nel 2014. Methoden- und Datenbericht (Version 2.0.0). Hannover: fdz.DZHW.

A conceptual framework for clone detection using machine learning.

Ghofrani, J., Mohseni M., & Bozorgmehr, A. (2018).
A conceptual framework for clone detection using machine learning. 2017 IEEE 4th International Conference on Knowledge-Based Engineering and Innovation (KBEI).
Abstract

Code clones can happen in any software project. One of the challenges is that, code clones come in various forms which makes them hard to detect using standard templates. Due to this variety in structure and form of semantically similar clones, machine learning techniques are required to detect them. Recently in many domains, e.g., natural language processing, deep neural networks drew a lot of attention due to their accuracy. In this paper, we exploit the results of some convolutional neural networks for code summarization to find the code clones. We use the generated descriptions for two code snippets as a metric to measure the similarities between them. We propose a vector similarity measure to calculate a similarity indicator between th

DZHW-Absolventenpanel 2009.

Baillet, F., Franken, A. & Weber, A. (2017).
DZHW-Absolventenpanel 2009. Daten- und Methodenbericht zu den Erhebungen der Absolvent(inn)enkohorte 2009 (1. und 2. Befragungswelle). Hannover: fdz.DZHW.

DZHW Graduate Panel 2009.

Baillet, F., Franken, A. & Weber, A. (2017).
DZHW Graduate Panel 2009. Methoden- und Datenbericht. Hannover: fdz.DZHW.

Panelausfall in der Studierendenkohorte des Nationalen Bildungspanels. Analyse des Ausfallprozesses zwischen der ersten und zweiten telefonischen Befragung.

Liebeskind, U., & Vietgen, S. (2017).
Panelausfall in der Studierendenkohorte des Nationalen Bildungspanels. Analyse des Ausfallprozesses zwischen der ersten und zweiten telefonischen Befragung. NEPS Working Paper No. 70. Bamberg, Deutschland: Leibniz-Institut für Bildungsverläufe, Nationales Bildungspanel.

DZHW-Studienberechtigtenpanel 2008.

Daniel, A., Hoffstätter, U., Huß, B., Scheller, P. (2017).
DZHW-Studienberechtigtenpanel 2008. Methoden- und Datenbericht (Version 1.0.0). Hannover: fdz.DZHW.

DZHW Panel Study of School Leavers with a Higher Education Entrance Qualification 2008.

Daniel, A., Hoffstätter, U., Huß, B., Scheller, P. (2017).
DZHW Panel Study of School Leavers with a Higher Education Entrance Qualification 2008. Methoden- und Datenbericht (Version 1.0.0). Hannover: fdz.DZHW.

Wissenschaft und Familie.

Be¨irović, A., Sembritzki, T., & Thiele, L. (2017).
Wissenschaft und Familie. Daten- und Methodenbericht zur qualitativen Erhebung der WiNbus-Studie 2015 (Version 1.0.0). Hannover: fdz.DZHW.

19. Sozialerhebung.

Hoffstätter, U., Sarcletti, A. (2017).
19. Sozialerhebung. Methoden- und Datenbericht (Version 1.0.0). Hannover: fdz.DZHW.

20. Sozialerhebung.

Daniel, A., Sarcletti, A., Vietgen, S. (2017).
20. Sozialerhebung. Methoden- und Datenbericht (Version 1.0.0). Hannover: fdz.DZHW.

Kontakt

Monika Jungbauer-Gans
Prof. Dr. Monika Jungbauer-Gans Abteilungsleitung 0511 450670-910
Karsten Stephan
Dr. Karsten Stephan Stellv. Abteilungsleitung 0511 450670-415

Projekte

Alle Abteilungsprojekte

Mitarbeiter*innen

Alle Abteilungsmitarbeiter*innen

Publikationen

Alle Abteilungspublikationen

Vorträge und Tagungen

Alle Abteilungsvorträge und -tagungen