TY - CHAP AB - Sind „soziale Medien“ überhaupt ein Thema für die Geschichtswissenschaft? Ja, denn die längere Geschichte der Digitalisierung, in der die „sozialen Medien“ einzuordnen sind, zählt bereits über 80 Jahre. Konrad Zuse und andere Ingenieure entwickelten seit 1941 die ersten Digitalcomputer, Unternehmer*innen, Wissenschaftler*innen und Staatenlenker*innen setzten diese seit den 1950er Jahren für ihre Zwecke ein, die Zivilgesellschaft adaptierte sie in den darauffolgenden Dekaden – all das prägte die sozio-digitale Landschaft der späteren „sozialen Medien“. Als unmittelbar „nach dem Boom“ etwa um 1970 zahlreiche Industriegesellschaften einen strukturellen Wandel in Wirtschaft, Gesellschaft und Politik durchlebten, war eine Antwort darauf die vermehrte Digitalisierung und Vernetzung. Daraus entwickelte sich die 1990er Jahre als markante Dekade von World Wide Web, Google und Chatdiensten. Die Entwicklung der „sozialen Medien“ ist also unter anderem in eine ökonomische und gesellschaftliche Entwicklung der Aufmerksamkeitsökonomie und in die längeren Veränderungen von Wirtschafts- und Gesellschaftsordnungen der Ausdifferenzierung und partiellen Individualisierung seit den 1960er Jahren einzuordnen. Dadurch lässt sich besser verstehen, welche Prämissen ihnen zugrunde lagen, welche Möglichkeitsräume und Probleme sich daraus ergaben und warum sie die heutige Öffentlichkeit in einer bestimmten Art und Weise dominieren – ohne sie jedoch zu determinieren. AU - Schmitt, Martin ID - 52511 KW - Digitalgeschichte KW - Soziale Medien KW - Technikgeschichte KW - World Wide Web KW - Digitalisierung T2 - Soziale Medien – wie sie wurden, was sie sind TI - Die Vorgeschichte der „sozialen Medien“. Über die Träume digitaler Vergemeinschaftung und freier Kommunikation ER - TY - JOUR AU - Ried, Dennis ID - 51686 IS - 1 JF - Die Tonkunst TI - Die Werkdatensätze von Henze-Digital als Ansätze für ein digitales Werkverzeichnis VL - 18 ER - TY - CONF AU - Hu, Lijie AU - Habernal, Ivan AU - Shen, Lei AU - Wang, Di ED - Graham, Yvette ED - Purver, Matthew ID - 52827 T2 - Findings of the Association for Computational Linguistics: EACL 2024, St. Julian’s, Malta, March 17-22, 2024 TI - Differentially Private Natural Language Models: Recent Advances and Future Directions ER - TY - JOUR AU - Herbert, Franziska AU - Becker, Steffen AU - Buckmann, Annalina AU - Kowalewski, Marvin AU - Hielscher, Jonas AU - Acar, Yasemin AU - Dürmuth, Markus AU - Sasse, M. Angela AU - Zou, Yixin ID - 47275 JF - IEEE Symposium on Security and Privacy. IEEE, New York, NY, USA TI - Digital Security -- A Question of Perspective. A Large-Scale Telephone Survey with Four At-Risk User Groups ER - TY - BOOK AB - Das Herausgeberwerk präsentiert aktuelle Forschungsergebnisse und praktische Erkenntnisse aus dem Bereich von digitalen Plattformen und Ökosystemen im Business-to-Business-Kontext. Dabei liegt der Schwerpunkt auf empirischen und konzeptionellen Beiträgen. Neben Grundlagen, Enablern und Fallstudien werden ebenso mögliche Vorgehensweisen zur Entwicklung von Plattformen behandelt. Praktikerinnen und Praktiker aus den Bereichen Management, Strategische Planung und Business Development erhalten Impulse, um Digitale Plattformen und Ökosysteme erfolgreich voranzutreiben und so Potenziale innerhalb ihres Unternehmens zu realisieren. Forschende, Lehrende und Studierende aus den Bereichen Digitale Plattformen und Ökosysteme aus dem Business-to-Business-Kontext dienen die Beiträge als Anregung für intensive Diskussionen. ED - Schallmo, Daniel R. A. ED - Kundisch, Dennis ED - Lang, Klaus ED - Hasler, Daniel ID - 48640 TI - Digitale Plattformen und Ökosysteme im B2B-Bereich - Fallstudien, Ansätze, Technologien und Tools ER - TY - JOUR AB - athematische Kompetenzen digital zu fördern und digitale Kompetenzen mathematisch zu fördern – dies ist eine Forderung der neuen Bildungsstandards mit Blick auf eine Bildung in der digitalen Welt. Gerade das Potenzial digitaler Medien für das fachliche Lernen wurde in vielen Studien bestätigt. Eine sinnvoll gestaltete Einbettung digitaler Medien bietet die Chance, allen fünf Prinzipien eines guten Unterrichts gerecht zu werden: Verstehensorientierung, Durchgängigkeit, kognitive Aktivierung, Lernendenorientierung & Adaptivität und Kommunikationsförderung. Die flächendeckende Nutzung digitaler Medien etabliert sich bislang nur zögerlich. Aber wie können wir Lehrkräfte stärken, digitale Medien sinnvoll einzusetzen? Wir möchten hier die Bandbreite der Möglichkeiten an Beispielen verdeutlichen, ihren Einsatz motivieren und Wege für einen guten Unterricht aufzeigen. AU - Barzel, Bärbel AU - Greefrath, Gilbert AU - Nagel, Mareike AU - Hoffmann, Max ID - 51841 JF - mathematik lehren TI - Digitalisierung als Chance für alle Prinzipien guten Unterrichts VL - 242 ER - TY - CHAP AU - Domke, Marius AU - Fröhlich, Nadine AU - Eickelmann, Birgit AU - Pink, Sara ED - Herzig, B. ED - Eickelmann, Birgit ED - Schwabl, F. ED - Schulze, J. ED - Niemann, Jan ID - 51128 T2 - Lehrkräftebildung in der digitalen Welt – zukunftsorientierte Forschungs- und Praxisperspektiven TI - Digitalisierungsbezogene Lehrkräftebildung als Gegenstand internationaler Schulleistungsstudien ER - TY - JOUR AB - We present a convolutional framework which significantly reduces the complexity and thus, the computational effort for distributed reinforcement learning control of dynamical systems governed by partial differential equations (PDEs). Exploiting translational equivariances, the high-dimensional distributed control problem can be transformed into a multi-agent control problem with many identical, uncoupled agents. Furthermore, using the fact that information is transported with finite velocity in many cases, the dimension of the agents’ environment can be drastically reduced using a convolution operation over the state space of the PDE, by which we effectively tackle the curse of dimensionality otherwise present in deep reinforcement learning. In this setting, the complexity can be flexibly adjusted via the kernel width or by using a stride greater than one (meaning that we do not place an actuator at each sensor location). Moreover, scaling from smaller to larger domains – or the transfer between different domains – becomes a straightforward task requiring little effort. We demonstrate the performance of the proposed framework using several PDE examples with increasing complexity, where stabilization is achieved by training a low-dimensional deep deterministic policy gradient agent using minimal computing resources. AU - Peitz, Sebastian AU - Stenner, Jan AU - Chidananda, Vikas AU - Wallscheid, Oliver AU - Brunton, Steven L. AU - Taira, Kunihiko ID - 40171 JF - Physica D: Nonlinear Phenomena TI - Distributed Control of Partial Differential Equations Using Convolutional Reinforcement Learning VL - 461 ER - TY - CONF AU - Afroze, Lameya AU - Merkelbach, Silke AU - von Enzberg, Sebastian AU - Dumitrescu, Roman ID - 49354 T2 - ML4CPS 2023 TI - Domain Knowledge Injection Guidance for Predictive Maintenance ER - TY - CONF AB - Neural machine translation (NMT) is a widely popular text generation task, yet there is a considerable research gap in the development of privacy-preserving NMT models, despite significant data privacy concerns for NMT systems. Differentially private stochastic gradient descent (DP-SGD) is a popular method for training machine learning models with concrete privacy guarantees; however, the implementation specifics of training a model with DP-SGD are not always clarified in existing models, with differing software libraries used and code bases not always being public, leading to reproducibility issues. To tackle this, we introduce DP-NMT, an open-source framework for carrying out research on privacy-preserving NMT with DP-SGD, bringing together numerous models, datasets, and evaluation metrics in one systematic software package. Our goal is to provide a platform for researchers to advance the development of privacy-preserving NMT systems, keeping the specific details of the DP-SGD algorithm transparent and intuitive to implement. We run a set of experiments on datasets from both general and privacy-related domains to demonstrate our framework in use. We make our framework publicly available and welcome feedback from the community. AU - Igamberdiev, Timour AU - Vu, Doan Nam Long AU - Kuennecke, Felix AU - Yu, Zhuo AU - Holmer, Jannik AU - Habernal, Ivan ED - Aletras, Nikolaos ED - De Clercq, Orphee ID - 52842 T2 - Proceedings of the 18th Conference of the European Chapter of the Association for Computational Linguistics: System Demonstrations TI - DP-NMT: Scalable Differentially Private Machine Translation ER -