Geflüchtete in der Studienvorbereitung - Individuelle, soziale und institutionelle Faktoren beeinflussen den Erfolg.
Grüttner, M., Schröder, S., Berg, J., Otto, C., & Laska, O. (2020).
Geflüchtete in der Studienvorbereitung - Individuelle, soziale und institutionelle Faktoren beeinflussen den Erfolg.
(DZHW Brief 7|2020). Hannover: DZHW. https://doi.org/10.34878/2020.07.dzhw_brief
|
Binnendifferenzierung der Professur: Analysen zu den sich wandelnden Strukturen des zentralen Stellentypus im deutschen Hochschulsystem.
Sembritzki, T. (2020).
Binnendifferenzierung der Professur: Analysen zu den sich wandelnden Strukturen des zentralen Stellentypus im deutschen Hochschulsystem.
Repositorium der Leibniz Universität Hannover; Hannover; Gottfried Wilhelm Leibniz Universität Hannover; Dissertation.
Abstract
Die Arbeit hat sich der Untersuchung einer zu beobachtenden Binnendifferenzierung der Professur gewidmet. Dies erfolgte aus einer rechts- und sozialwissenschaftliche Fragestellungen und Methoden verbindenden Perspektive. Der inhaltliche Fokus der Arbeit lag zum einen auf der vergleichenden Analyse von LHG ausgewählter Bundesländer sowie des HRG. Zum anderen erfolgte auf Grundlage von Fallstudien ein Vergleich von Universitäten, die verschiedene Varianten der Professur als strategisches Element in Beruf in Berufungsverfahren nutzen. Schließlich wurde herausgearbeitet, welchen Einfluss die hochschulrechtlichen Rahmenbedingungen und die Universitäten dabei auf die Karriere- und Beschäftigungsbedingungen von Stelleninhaber*innen ausüben können.
|
Validation of the Astro dataset clustering solutions with external data.
Donner, P. (2020).
Validation of the Astro dataset clustering solutions with external data.
Scientometrics, in print. https://doi.org/10.1007/s11192-020-03780-3
Abstract
We conduct an independent cluster validation study on published clustering solutions of a research testbed corpus, the Astro dataset of publication records from astronomy and astrophysics. We extend the dataset by collecting external validation data serving as proxies for the latent structure of the corpus. Specifically, we collect (1) grant funding information related to the publications, (2) data on topical special issues, (3) on specific journals’ internal topic classifications and (4) usage data from the main online bibliographic database of the discipline. The latter three types of data are newly introduced for the purpose of clustering validation and the rationale for using them for this task is set out.
|
Studienberechtigte 2012 – Qualifizierungswege und Bildungserträge.
Spangenberg, H., Ohlendorf, D., & Föste-Eggers, D. (2020).
Studienberechtigte 2012 – Qualifizierungswege und Bildungserträge.
(DZHW Brief 6|2020). Hannover: DZHW. https://doi.org/10.34878/2020.06.dzhw_brief
|
Ausstattungs-, Kosten- und Leistungsvergleich Künstlerische Hochschulen 2017.
Jenkner, P., Deuse, C., Dölle, F., Sanders, S., & Winkelmann, G. (2020).
Ausstattungs-, Kosten- und Leistungsvergleich Künstlerische Hochschulen 2017.
(Forum Hochschule 1|2020). Hannover: DZHW.
ISBN ISBN 978-3-86426-063
|
Erfolgreich mit- und voneinander lernen im Benchmarking-Club Musikhochschulen.
Dölle, F., Völz, H.-J., & Müller, J. (2020).
Erfolgreich mit- und voneinander lernen im Benchmarking-Club Musikhochschulen.
Magazin für Hochschulentwicklung 2|2020: Benchmarking; HIS-HE; Hannover; S. 18-19.
|
The social dimension of student life in the European Higher Education Area in 2019. Selected indicators from EUROSTUDENT VII.
Hauschildt, K., Gwosć, C., Schirmer, H., & Cras, F. (2020).
The social dimension of student life in the European Higher Education Area in 2019. Selected indicators from EUROSTUDENT VII.
Hanover, Germany: DZHW.
|
Studieren unter Corona-Bedingungen: Studierende bewerten das erste Digitalsemester.
Lörz, M., Marczuk, A., Zimmer, L., Multrus, F., & Buchholz, S. (2020).
Studieren unter Corona-Bedingungen: Studierende bewerten das erste Digitalsemester.
(DZHW Brief 5|2020). Hannover: DZHW. https://doi.org/10.34878/2020.05.dzhw_brief
|
Current research information systems and institutional repositories: From data ingestion to convergence and merger.
Schöpfel, J., & Azeroual, O. (2020).
Current research information systems and institutional repositories: From data ingestion to convergence and merger.
In Baker, D., & Ellis, L. (Hrsg.), Future Directions in Digital Information, 1st Edition: Predictions, Practice, Participation, 11/2020, (S. 19-37). Sawston, Cambridge: Chandos Publishing. https://doi.org/10.1016/B978-0-12-822144-0.00002-1
ISBN 9780128221440
|
Zur Arbeitssituation des wissenschaftlichen Mittelbaus in Deutschland.
Ambrasat, J. (2020).
Zur Arbeitssituation des wissenschaftlichen Mittelbaus in Deutschland.
In Holderberg, P., & Seipel, C. (Hrsg.), Der wissenschaftliche Mittelbau – Arbeit, Hochschule, Demokratie. [im Erscheinen].
|
Stabilität oder Krisengefahr? Die Finanzierung von Promotionen im Verlauf.
Ambrasat, J., & Martens, B. (2020).
Stabilität oder Krisengefahr? Die Finanzierung von Promotionen im Verlauf.
In Korff, S., & Truschkat, I. (Hrsg.), Übergänge in Wissenschaftskarrieren. [im Erscheinen].
|
Familie, Karriere oder beides? Die spezifischen Vereinbarkeitsprobleme im Wissenschaftsbereich.
Lange, J., & Ambrasat, J. (2020).
Familie, Karriere oder beides? Die spezifischen Vereinbarkeitsprobleme im Wissenschaftsbereich.
In Korff, S., & Truschkat, I. (Hrsg.), Übergänge in Wissenschaftskarrieren. [im Erscheinen].
|
Promotionsnoten – Unter „summa“ gehtʼs nicht?
Adrian, D. (2020).
Promotionsnoten – Unter „summa“ gehtʼs nicht?
in: DUZ Verlags- und Medienhaus GmbH (Hrsg.): OpenD, Berlin: DUZ Verlags- und Medienhaus GmbH.
|
Digitale Bildungspraktiken von Studierenden. Daten- und Methodenbericht zur qualitativen Erhebung der Studie DEPS 2018. Version 1.0.0.
Steinhardt, I., & İkiz-Akıncı, D. (2020).
Digitale Bildungspraktiken von Studierenden. Daten- und Methodenbericht zur qualitativen Erhebung der Studie DEPS 2018. Version 1.0.0.
Kurztext nach Publikationsart und Zitationsstandard.
|
Treatment of Bad Big Data in Research Data Management (RDM) Systems.
Azeroual, O. (2020).
Treatment of Bad Big Data in Research Data Management (RDM) Systems.
Big Data and Cognitive Computing, 4/2020, 29. Basel, Switzerland: MDPI. https://doi.org/10.3390/bdcc4040029
|
