4302 Ergebnisse
Sortierung:
In: Erwachsenenbildung : Vierteljahresschrift für Theorie und Praxis, Band 54, Heft 2, S. 94-96
Dieser Beitrag analysiert die Empfehlungen des Innovationskreises Weiterbildung und stellt diese in einen Zusammenhang mit der Bildungspraxis Erwachsenenbildung vor Ort.
In: Internationaler Standortwettbewerb um Unternehmensgründer, S. 263-267
In: Bildung neu denken! Das Zukunftsprojekt, S. 103-336
In: Forensische Psychiatrie, Psychologie, Kriminologie, Band 13, Heft 4, S. 334-342
ISSN: 1862-7080
In: Weiterbildung an Hochschulen: der Beitrag der DGWF zur Förderung wissenschaftlicher Weiterbildung, S. 241-277
Organisation der wissenschaftlichen Weiterbildung an Hochschulen: DGWF-Empfehlung, beschlossen am 16./17.07.2015 in Oestrich-Winkel; Formate wissenschaftlicher Weiterbildung: DGWF-Empfehlung, beschlossen im Dezember 2010; Perspektiven wissenschaftlicher Weiterbildung in Deutschland aus Sicht der Einrichtungen an Hochschulen: DGWF-Empfehlung, beschlossen am 17.09.2005 in Wien.
In: Kölner Zeitschrift für Soziologie und Sozialpsychologie: KZfSS, Band 73, Heft S1, S. 397-423
ISSN: 1861-891X
ZusammenfassungEmpfehlungssysteme sind Ordnungstechnologien des Digitalen. Sie bestimmen, welche Filme, Songs oder Artikel uns in welcher Reihenfolge angezeigt werden. Oftmals scheinen Empfehlungen zu personalisieren: "Ich sehe etwas ganz anderes als du." Der Artikel zeigt, dass auf der algorithmischen Hinterbühne gerade nicht singularisiert, sondern relationiert wird. Ich beschreibe vier Typen von Empfehlungssystemen, die Nutzerinnen von Webseiten, Streamingdiensten oder Apps auf unterschiedliche Weisen mit anderen Nutzerinnen und Dingen (Filme, Songs, Artikel etc.) in Beziehung setzen. Popularitätsmetriken unterstellen eine pauschale Relevanz für alle; stereotypisierende Verfahren beruhen auf kategorialer Relationierung; inhaltsbasierte Verfahren und Collaborative Filtering relationieren Nutzerinnen und Dinge über Matchings, eine spezifische Variante des Vergleichs, die die paarweisen (Ähnlichkeits‑)Relationen von Nutzerinnen und Dingen vergleichen. In der digitalen Ökonomie dienen Empfehlungssysteme dazu, "good matches" zwischen Unternehmen, Nutzerinnen, Dingen (und Dritten) zu generieren.
In: Internationale Revue für soziale Sicherheit, Band 66, Heft 3-4, S. 221-229
ISSN: 1752-1726
In: Zeitschrift des Deutschen Juristinnenbundes: djbZ, Band 19, Heft 3, S. 103-111
ISSN: 2942-3163
In: Der deutsche Dermatologe: Organ des Berufsverbandes der Deutschen Dermatologen e.V, Band 66, Heft 6, S. 478-478
ISSN: 2196-6354
In: Schweizerische Ärztezeitung: SÄZ ; offizielles Organ der FMH und der FMH Services = Bulletin des médecins suisses : BMS = Bollettino dei medici svizzeri
ISSN: 1424-4004
In: Neurotransmitter, Band 26, Heft S13, S. 12-14
ISSN: 2196-6397
In: Nachhaltigkeitsstrategieentwicklung, S. 283-289
In: Evaluation der Nachhaltigkeit von Entwicklungszusammenarbeit, S. 229-244