Refine
Document Type
- Bachelor Thesis (2)
- Article (1)
Has Fulltext
- yes (3)
Is part of the Bibliography
- no (3)
Keywords
- Monitoring (3) (remove)
Die vorliegende Bachelor-Arbeit beschäftigt sich mit den Aspekten des Social Media Marketings. Dazu gehören die strategische Planung, das Monitoring sowie Richtlinien zum Umgang mit dem Medium und mit Krisen, die gemeinsam den Rahmen des Engagements im Social Web bilden. Die Verfasserin zeigt die grundlegenden Eigenschaften des Mediums Social Web und seiner Plattformen auf. Der Dialog und der Austausch sind zentraler Bestandteil von Social Media. Zudem behandelt die Arbeit die Notwendigkeit eines Social Media Engagements für Unternehmen und welche Voraussetzungen die Basis bilden. Einzelne Aspekte werden durch Beispiele aus der Praxis veranschaulicht sowie Thesen mit Statistiken und Aussagen von Experten belegt. Am Ende der Arbeit gibt die Verfasserin einen Ausblick auf die mögliche Wandlung von Social Media sowie die mobile Nutzung des Social Web und die daraus resultierenden Veränderungen.
Unter Crowdsensing versteht man Anwendungen, in denen Sensordaten kollaborativ von einer Menge von Freiwilligen erhoben werden. So kann Crowdsensing eingesetzt werden um die Luftqualität an Orten zu messen, an denen keine fest installierten Sensoren verfügbar sind. In Crowdsensing-Systemen müssen die Teilnehmer koordiniert und die Messdaten verarbeitet werden, um relevante Daten zu erhalten. Im Rahmen der Abschlussarbeit wurde ein System konzipiert und prototypisch umgesetzt, das auf einem Raspberry Pi (unter Einsatz geeigneter Sensoren) Sensordaten erhebt und mit der Complex Event Processing Technologie verarbeitet.
Monitoring of clinical trials is a fundamental process required by regulatory agencies. It assures the compliance of a center to the required regulations and the trial protocol. Traditionally, monitoring teams relied on extensive on-site visits and source data verification. However, this is costly, and the outcome is limited. Thus, central statistical monitoring (CSM) is an additional approach recently embraced by the International Council for Harmonisation (ICH) to detect problematic or erroneous data by using visualizations and statistical control measures. Existing implementations have been primarily focused on detecting inlier and outlier data. Other approaches include principal component analysis and distribution of the data. Here we focus on the utilization of comparisons of centers to the Grand mean for different model types and assumptions for common data types, such as binomial, ordinal, and continuous response variables. We implement the usage of multiple comparisons of single centers to the Grand mean of all centers. This approach is also available for various non-normal data types that are abundant in clinical trials. Further, using confidence intervals, an assessment of equivalence to the Grand mean can be applied. In a Monte Carlo simulation study, the applied statistical approaches have been investigated for their ability to control type I error and the assessment of their respective power for balanced and unbalanced designs which are common in registry data and clinical trials. Data from the German Multiple Sclerosis Registry (GMSR) including proportions of missing data, adverse events and disease severity scores were used to verify the results on Real-World-Data (RWD).