Refine
Year of publication
- 2016 (5) (remove)
Document Type
- Working Paper (5) (remove)
Has Fulltext
- yes (5)
Keywords
Faculty / Organisational entity
Advanced Nursing Practice
(2016)
Der demografische Wandel stellt insbesondere die Gesundheitsversorgung vor große Her-
ausforderungen. Immer mehr ältere, chronisch erkrankte und häufig multimorbide Menschen
stehen immer weniger jüngeren Menschen gegenüber, die sowohl als pflegende Angehörige
als auch als Pflegefachpersonen, Ärzt_innen oder Angehörige anderer Gesundheitsberufe
für die Sicherstellung der pflegerisch-medizinischen Versorgung zur Verfügung stehen. Das an der Hochschule Ludwigshafen am Rhein angesiedelte Teilprojekt „EB – Entwicklung
durch Bildung – Pflege und Gesundheit“ fokussiert sowohl auf die Entwicklung eines hoch-
schulischen Bildungsangebots für Pflegefachpersonen, als auch auf die Konzeption eines
Modells erweiterter gemeindenaher Pflegepraxis für die Region Westpfalz.
Der vorliegende Arbeits- und Forschungsbericht bietet eine Handreichung für Studiengangsentwickler_innen, um sie bei der Erstellung von Kompetenzprofilen zu unterstützen. Zu diesem Zweck werden drei verschiedene Tools der Kompetenzprofilerstellung vorgestellt. Diese umfassen die Stellenanzeigenanalyse, den Curriculumabgleich und Lehrendeninterviews. Diese Tools haben sich als sehr nützlich für die Entwicklung von kompetenzorientierten Studiengängen erwiesen. Die drei Verfahren werden einander gegenübergestellt und Implikationen für die Praxis abgeleitet. Dieser Bericht soll dazu beitragen, bedarfsorientierte Weiterbildungsangebote für die Region zu gestalten.
Mit der Entwicklung und Umsetzung des Kaiserslauterer Open Online Course (KLOOC) „Nachhaltige Entwicklung“ hat sich die TU Kaiserslautern in verschiedener Hinsicht aktuellen Herausforderungen der Hochschulentwicklung gestellt. Im Ergebnis ist es gelungen, ein erstes offenes, online- basiertes Lernangebot zu schaffen und zu erproben, welches für eine breite Öffentlichkeit zugänglich war und auf vielfältige Weise Formen des digitalen Lehrens und Lernens nutzte. Thematisch leistete der KLOOC zudem einen wichtigen Beitrag zur Engagement der TU Kaiserslautern, sich im Rahmen ihrer Strategie „Nachhaltige TU“ für eine nachhaltige Entwicklung einzusetzen.
Der vorliegende Bericht ist das Ergebnis der internen Evaluation des Projektes, in dessen Rahmen die Wirksamkeit des KLOOC systematisch erfasst wurde. Ziel war es, einerseits Potentiale für dessen organisatorische, inhaltliche und didaktische Weiterentwicklung aufzudecken, andererseits die anvisierten Projektziele kritisch zu reflektieren.
Mit Blick auf die Evaluationsdaten ergibt sich auf einen Blick folgendes Bild:
50% der Teilnehmenden kamen aus der Region Westpfalz1.
50% der Teilnehmenden waren berufstätig.
57% der Teilnehmenden waren zwischen 18 und 34 Jahren alt.
75% der Teilnehmenden haben in den letzten 12 Monaten an Wei- terbildungen teilgenommen.
68% der Teilnehmenden schätzten ihre Medienkompetenz als hoch ein.
57% der Teilnehmenden verfügten über einen Hochschulabschluss. Dementsprechend lässt sich vorab zusammenfassend konstatieren, dass
der KLOOC vor dem Hintergrund der Projektziele ein akademisches Bildungsangebot darstellt, dass sowohl neue Zielgruppen (z.B. Berufstätige) erreicht, als auch den Wissenstransfer in die Region fördert. Gleichzeitig ist erkennbar, dass insbesondere jüngere, tendenziell gut gebildete sowie medien- und weiterbildungsaffine Personen am Kurs teilgenommen haben.
This paper presents a method for classifying traffic participants based on high-resolution automotive radar sensors for autonomous driving applications. The major classes of traffic participants addressed in this work are pedestrians, bicyclists and passenger cars. The preprocessed radar detections are first segmented into distinct clusters using density-based spatial clustering of applications with noise (DBSCAN) algorithm. Each cluster of detections would typically have different properties based on the respective characteristics of the object that they originated from. Therefore, sixteen distinct features based on radar detections, that are suitable for separating pedestrians, bicyclists and passenger car categories are selected and extracted for each of the cluster. A support vector machine (SVM) classifier is constructed, trained and parametrised for distinguishing the road users based on the extracted features. Experiments are conducted to analyse the classification performance of the proposed method on real data.
In retail, assortment planning refers to selecting a subset of products to offer that maximizes profit. Assortments can be planned for a single store or a retailer with multiple chain stores where demand varies between stores. In this paper, we assume that a retailer with a multitude of stores wants to specify her offered assortment. To suit all local preferences, regionalization and store-level assortment optimization are widely used in practice and lead to competitive advantages. When selecting regionalized assortments, a tradeoff between expensive, customized assortments in every store and inexpensive, identical assortments in all stores that neglect demand variation is preferable.
We formulate a stylized model for the regionalized assortment planning problem (APP) with capacity constraints and given demand. In our approach, a 'common assortment' that is supplemented by regionalized products is selected. While products in the common assortment are offered in all stores, products in the local assortments are customized and vary from store to store.
Concerning the computational complexity, we show that the APP is strongly NP-complete. The core of this hardness result lies in the selection of the common assortment. We formulate the APP as an integer program and provide algorithms and methods for obtaining approximate solutions and solving large-scale instances.
Lastly, we perform computational experiments to analyze the benefits of regionalized assortment planning depending on the variation in customer demands between stores.