© Pint of Science, 2025. Alle Rechte vorbehalten.
Erfahrt bei unserem ersten Vortrag, wie mithilfe von Datentracking wichtige Erkenntnisse über menschliches Lernverhalten gewonnen werden können.
Im zweiten Talk geht es um ein Deep-Learning-Modell, das es erlaubt, Kohlendioxidemissionen im Immobiliensektor zu schätzen.
19:00 bis 22:00 Uhr, Einlass 18:30
Snacks werden bereitgestellt.
Im zweiten Talk geht es um ein Deep-Learning-Modell, das es erlaubt, Kohlendioxidemissionen im Immobiliensektor zu schätzen.
19:00 bis 22:00 Uhr, Einlass 18:30
Snacks werden bereitgestellt.
Die Macht der Datenspuren: Wie Tracking-Daten die Bildungsforschung revolutionieren
Jonas Trautner
(Speaker)
Trackingdaten, die während des Lernens auf Lernplattformen generiert werden, geben Lehrenden und Forschenden wertvolle Einblicke in das Verhalten der Lernenden, ihre Lernmuster und Schwierigkeiten. So können wir das Lernverhalten objektiv messen und sind nicht auf Selbstauskünfte der Befragten angewiesen. An der Universität Regensburg entwickeln wir gerade eine App für die Stimmgesundheit von Lehrkräften. Uns interessiert, welchen Einfluss die Nutzung der App auf Stimmgesundheit und Stresserleben hat. Mithilfe von Tracking-Daten können wir objektiv beurteilen, wie lange die App genutzt wurde.
Ein Deep-Learning-Modell zur Schätzung von CO2-Emissionen im Immobiliensektor
Ben Höhn
(Speaker)
Benedikt Gloria
(Speaker)
Wir stellen ein Deep-Learning-Modell zur Schätzung von Kohlendioxidemissionen (CO2) im Immobiliensektor vor. Das Modell, das Bildklassifizierungstechniken verwendet, wurde trainiert, um CO2-Emissionen auf der Grundlage öffentlich verfügbarer Bilder von Gebäuden und ihren entsprechenden CO2-Emissionen zu schätzen. Derzeit gibt es nur wenige Informationen über die geschätzten CO2-Emissionen im Immobiliensektor. Unser Modell hat das Potenzial, diese Lücke zu schließen und wertvolle Einblicke in den CO2-Fußabdruck des Immobiliensektors zu liefern.
© die Mitwirkenden OpenStreetMap