Open Access

Diese Dissertation widmet sich der Untersuchung, inwieweit das bestehende Haftungsrecht den neuen Anforderungen im Kontext autonomer Fahrzeuge gerecht wird. Im Zentrum der Analyse stehen die Zurechenbarkeit von Entscheidungen selbstlernender Systeme, die sich daraus ergebenden Beweislastprobleme sowie die Belastbarkeit klassischer Haftungskonzepte. Ergänzend werden relevante europarechtliche Entwicklungen in die Betrachtung einbezogen. Darauf aufbauend entwickelt die Autorin einen Vorschlag für einen zeitgemäßen normativen Rahmen, der sowohl dem Schutz potenziell Geschädigter als auch den Besonderheiten autonom agierender technischer Systeme Rechnung trägt.

Das niedersachsenweite Zukunftslabor Gesundheit entwickelt Methoden und Werkzeuge für eine bessere Gesundheitsversorgung und -forschung. Dabei steht die sichere gemeinsame Nutzung von Gesundheitsdaten – von elektronischen Behandlungsdaten bis hin zu Sensorik in patientennaher Umgebung – für innovative praxisnahe Lösungen im Zentrum. Angebote umfassen Beratung, digitale Kompetenzvermittlung und technische Lösungen.

Der Begriff Neuromythen kennzeichnet falsche bzw. durch Vereinfachung verfälschte Darstellungen neurowissenschaftlicher Forschungsergebnisse im wissenschaftlichen Diskurs, in der öffentlichen Wahrnehmung und in pädagogischen Praxisfeldern. Bislang vorliegende Befunde belegen das Vorherrschen von Neuromythen in pädagogischen Kontexten. Düvel et al. (2017) haben erstmals die Prävalenz und Prädiktoren von musikbezogenen Neuromythen vergleichend bei Musiklehrenden und Musik-Lehramtsstudierenden im Paradigma der Signalentdeckungstheorie ermittelt. Daran anschließend fragt unsere Replikation (N = 439) nach etwaigen Veränderungen der Diskriminationsleistung von Musik-Lehramtsstudierenden in Bezug auf musikbezogene und allgemeine Thesen zu neurowissenschaftlichen Befunden (Neuromythen und Neurofakten) und auch im Vergleich mit Studierenden anderer Studienfächer sowie im Vergleich mit der studentischen Stichprobe der Referenzstudie. Die Ergebnisse der Replikation zeigen, dass Musik-Lehramtsstudierende, Studierende anderer Lehramtsfächer und Studierende anderer Studiengänge keine signifikanten Unterschiede dahingehend aufweisen, wie gut sie musikbezogene oder allgemeine Neuromythen und Neurofakten als wissenschaftlich belegt oder wissenschaftlich nicht belegt beurteilen können. Im Vergleich mit der Referenzstudie ist die Diskriminationsleistung der Musik-Lehramtsstudierenden in der Replikation signifikant geringer; auch konnten die in der Referenzstudie ermittelten Prädiktoren (Anzahl gelesener Medien, bisherige Studiendauer) nicht repliziert werden. Um die Ausformung und Akzeptanz von Neuromythen im Studium weiterführend zu ergründen, sollten neben individuellen Hintergründen und Interessen auch Lehr- und Studieninhalte sowie die Vermittlung von Bedeutungen und Funktionsweisen des Gehirns und kognitiver Prozesse in der Beschäftigung mit Musik (Hören, Machen, Lernen) untersucht werden.

Die in diesem Findbuch vorgestellten Schriftgutbestände des Filminstituts Hannover beziehen sich auf mehr als 11.500 Filme der gesamten Filmgeschichte und umfassen insgesamt rund 100.000 Schriftstücke. Zumeist handelt es sich dabei um Ausschnitte aus Zeitungen sowie aus Fach- und Publikumszeitschriften, darüber hinaus umfasst der Bestand in hohem Maße auch Filmprogramme, Pressemappen, Produktions- und Verleihinformationen, Arbeitshilfen sowie weitere Formen grauer Literatur. Klassische Kinoproduktionen bilden den Hauptteil des vertretenen Materials, aber auch Dokumentarfilme sowie einige wenige Amateurfilme sind berücksichtigt.

Automated question generation holds great promise in many fields, such as education, to reduce the workload and automate an otherwise tedious task. However, major challenges remain regarding the quality of generated questions. To identify and address these challenges generated questions are evaluated either automatically or manually. While several automated metrics, mostly based on the comparison with a gold standard, exist, their usefulness is limited and human evaluation is often used for more accurate assessment. Our research generates questions using several models and methods, including fine-tuning, zero-shot and few-shot. We compare model performance by classifying the generated questions using a multi-label approach. This approach evaluates by sorting generated questions into zero or more binary problem classes and attempting to identify different problems with the generated questions. Our results show that different models tend to generate questions that fit into different problem classes. Additionally, the problem classification evaluation is capable of recognizing these differences and weighing the classes for the models accordingly, creating model-specific distribution characteristics.