Learning Analytics und Canvas LMS - so steigern Hochschulen den Erfolg ihrer Studierenden

PR-Gateway: Vom guten zum optimalen Lernerfolg: Vier Beispiele aus den Hochschulen

Im letzten Beitrag haben wir besprochen, welche Rolle Künstliche Intelligenz und Machine Learning im Learning Analytics spielen. Heute soll es um die Ziele und den Weg zur Learning Analytics-Strategie gehen: Wie können Hochschulen vorgehen, um mit Learning Analytics die Lernerfahrung ihrer Studierenden zu verbessern und damit den Lernerfolg zu steigern?

Von Business Analytics zu Learning Analytics

Learning Analytics hat viele Ähnlichkeiten mit Business Analytics - wenn auch die Zielsetzung zum Teil anders ist. Der Verlust eines Kunden ist für einen Mobilfunkanbieter ein Problem, egal wie lange die Kundenbeziehung schon besteht - für Studierende und damit für Hochschulen hingegen sind Studienfachwechsel in den ersten Semestern weit weniger dramatisch als eine Zwangsexmatrikulation wegen nichtbestandener Prüfungen kurz vor Studienabschluss. Trotzdem ist die Zielsetzung die gleiche: Wie können Ressourcen optimal eingesetzt und Prozesse so strukturiert werden, dass die Ziele erreicht werden? Zur Beantwortung dieser Frage können sich Hochschulen am Analytic Value Escalator orientieren, mit dem Gartner bereits 2012 die verschiedenen Phasen der Wertschöpfung durch Datenanalyse strukturiert hat. So können Hochschulen vor der Umsetzung zunächst in vier Schritten eine umfassende Strategie erarbeiten.

Von der Vergangenheit ...

Die ersten beiden Schritte des Analyseprozesses beschäftigen sich mit der Vergangenheit und dem Status quo:

Schritt 1: Was ist passiert? (Beschreibung/Descriptive Analytics) Zunächst müssen Hochschulen Daten sammeln und zusammenführen. Wie viele Studierende haben einen bestimmten Kurs belegt? Wie häufig und in welchem Umfang haben sie mit den Lernmaterialien interagiert? Wie viele Rückfragen gab es im Diskussionsforum untereinander, wie viele an Tutoren oder Kursleiter? Wie viele Studierende sind zur Prüfung angetreten, und welche Ergebnisse haben sie erzielt?

Schritt 2: Warum ist es passiert? (Diagnose/Diagnostic Analytics) Im Anschluss an die Datensammlung geht es an die Untersuchung der Daten. Hier helfen besonders umfangreiche Stichproben, denn es gibt viele mögliche Erklärungsfaktoren. Haben beispielsweise Lehramtsstudierende in den ersten Semestern besonders schlecht in der Mathematik-Klausur abgeschnitten? War dies in den Vorjahren ebenfalls sö Wenn nein, haben sich die Lehrperson oder die -inhalte geändert? Wenn ja, sieht es in Physik und Chemie ähnlich aus? Wenn ja, wie groß ist die Arbeitsbelastung der Lehramtsstudierenden unter der Woche im Vergleich zu anderen Bachelor-Studierenden? In diesem Schritt kommen Methoden des Machine Learning zum Einsatz, denn Clustering und Netzwerkanalyse decken bisher unbekannte Muster auf. Sind die Einflussfaktoren einmal bekannt, können Hochschulen auch klassische statistische Verfahren wie Regressionen nutzen.

... in die Zukunft

Schritt 3 und 4 fassen die Zukunft und den Gestaltungsspielraum von Hochschulen ins Auge:

Schritt 3: Was wird passieren? (Vorhersage/Predictive Analytics) Sind die Zusammenhänge zwischen den Einflussfaktoren und dem Lernerfolg erfasst, kann es an die Vorhersage gehen. Wie durchfallgefährdet ist ein bestimmter Studierender, wie hoch ist die zu erwartende Durchfallquote für den gesamten Kurs? Diese Antwort können Hochschulen für ein bestimmtes Machine Learning-Verfahren leicht aus den Ergebnissen des zweiten Schritts ableiten. Doch Vorsicht: bei unterschiedlichen Verfahren können für den gleichen Studierenden ganz unterschiedliche Ergebnisse herauskommen. Daher sollten Hochschulen zunächst überprüfen, wie treffsicher ihre Vorhersagen aus den verschiedenen Verfahren sind.

Schritt 4: Wie sollen wir handeln? (Empfehlung/Prescriptive Analytics) Dieser letzte Schritt ist die Königsdisziplin, denn sie leitet aus den vorhergehenden Analysen Handlungsempfehlungen ab. Durch Optimierungsmethoden oder Simulationen können Hochschulen ermitteln, wie sich eine Änderung des aktuellen Vorgehens auf den Lernerfolg auswirkt. Nutzen Studierende eine geringere Arbeitsbelastung beispielsweise, um vermehrt zu arbeiten? Dann wird eine Senkung der Arbeitsbelastung den Lernerfolg kaum steigern, sondern nur die Unterschiede zwischen Studierenden mit unterschiedlichen finanziellen Möglichkeiten vertiefen. Vielleicht hilft stattdessen eine Umstrukturierung des Curriculums: weniger Präsenzveranstaltungen und dafür mehr verpflichtende interaktive Elemente, die Studierende jederzeit und von überall her nutzen können - auch am Wochenende. Anstatt zu spekulieren, kann die Hochschule durch Learning Analytics präzise die Konsequenzen bestimmter Änderungen einschätzen. Und das auch auf ganz individueller Ebene.

Vom guten zum optimalen Lernerfolg: Vier Beispiele aus den Hochschulen

Learning Analytics gehört von jeher zum Geschäft der Hochschulen - denn der Erfolg der Studierenden ist auch der Erfolg der Hochschulen. Doch umfangreiche Datensätze und moderne Analyseverfahren erlauben schnelles und genaues Eingreifen, um den Erfolg ihrer Studierenden jederzeit sicherzustellen. Beispiele gefällig? Ich habe gleich vier! Erstens: Studierende mit besonderen Herausforderungen können frühzeitig identifiziert werden und die entsprechende Unterstützung erhalten - schon vor der Prüfung. Das senkt Durchfallraten und verhindert die Exmatrikulation - besonders für fortgeschrittene Studierende sicherlich der Worst Case. Zweitens: In laufenden Veranstaltungen wird Studierenden abhängig vom Abschneiden im letzten Micro Learning-Element ein personalisierter Lernpfad angeboten, der Motivation und Lernerfolg steigert. Drittens: Sowohl beim einzelnen Lehrveranstaltung und im Programmdesign unterstützt Learning Analytics Lehrende und Programm-Manager bei der Qualitätssicherung und -verbesserung. Dadurch lassen sich knappe Ressourcen besser einteilen: man sieht nicht nur, was sich lohnt, sondern auch was man sich sparen kann. Und viertens: Learning Analytics ermöglicht auch neue und innovative Tests und Benotungsverfahren. Die maschinelle Erstellung und Auswertung von Multiple Choice-Prüfungen ist bereits weit verbreitet. Doch auch textbasierte Prüfungsleistungen wie Seminar- und Abschlussarbeiten sollen zukünftig mithilfe von KI-Algorithmen bewertet werden. Das bringt neue Herausforderungen mit sich - und mit denen wollen wir uns im unserem dritten und letzten Blogpost zu Learning Analytics befassen.

Welche Ziele verfolgen Sie mit Learning Analytics? Vermissen Sie einen wichtigen Punkt? Treten Sie mit uns in Kontakt, denn wir von Canvas suchen den Dialog. Sie können mich auch gerne direkt kontaktieren, meine Kontakdaten finden Sie auf LinkedIn.

Es lebe das Lernen!

Ihr Manuel Nitzsche

Regional Director Instrucutre in DACH
Über Instructure Inc.

Die Canvas Lernplattform wird entwickelt und supported von Instructure (NYSE: INST), einem Software-as-a-Service (SaaS) Unternehmen. Instructure unterstützt Menschen, sich weiterzuentwickeln - vom ersten Schultag bis zum letzten Arbeitstag. Canvas LMS ist Teil einer integrierten Technologie-Plattform, zu der auch Canvas Studio, Canvas Catalog und Canvas Practice gehören. Je nach Anforderungen können Bildungseinrichtungen diese Lösungen einzeln oder im Zusammenspiel nutzen. Instructure hat schon Millionen Lehrende und Lernende von mehr als 4.000 Bildungseinrichtungen und Unternehmen auf der ganzen Welt verbunden. Erfahren Sie mehr über Canvas: https://www.instructure.com/canvas/de/hochschule/plattform/produkte und folgen Sie unserem Blog: https://www.instructure.com/canvas/de/community/blog.
Instructure Global LTD
Manuel Nitzsche
2nd Floor, Kingly Street 25
W1B 5QB London
+49 6151 3961793

https://www.instructure.com/canvas/de/community/blog

Pressekontakt:
Adremcom
Immo Gehde
Hagebuttenweg 12
61231 Bad Nauheim
immo.gehde@adremcom.de
0221 9928 171
http://www.adremcom.de

(Weitere interessante Forum News, Forum Infos & Forum Tipps gibt es hier.)

Zitiert aus der Veröffentlichung des Autors >> PR-Gateway << auf http://www.freie-pressemitteilungen.de. Haftungsausschluss: Freie-PresseMitteilungen.de / dieses News-Portal distanzieren sich von dem Inhalt der News / Pressemitteilung und machen sich den Inhalt nicht zu eigen!

Vom guten zum optimalen Lernerfolg: Vier Beispiele aus den Hochschulen

Im letzten Beitrag haben wir besprochen, welche Rolle Künstliche Intelligenz und Machine Learning im Learning Analytics spielen. Heute soll es um die Ziele und den Weg zur Learning Analytics-Strategie gehen: Wie können Hochschulen vorgehen, um mit Learning Analytics die Lernerfahrung ihrer Studierenden zu verbessern und damit den Lernerfolg zu steigern?

Von Business Analytics zu Learning Analytics

Learning Analytics hat viele Ähnlichkeiten mit Business Analytics - wenn auch die Zielsetzung zum Teil anders ist. Der Verlust eines Kunden ist für einen Mobilfunkanbieter ein Problem, egal wie lange die Kundenbeziehung schon besteht - für Studierende und damit für Hochschulen hingegen sind Studienfachwechsel in den ersten Semestern weit weniger dramatisch als eine Zwangsexmatrikulation wegen nichtbestandener Prüfungen kurz vor Studienabschluss. Trotzdem ist die Zielsetzung die gleiche: Wie können Ressourcen optimal eingesetzt und Prozesse so strukturiert werden, dass die Ziele erreicht werden? Zur Beantwortung dieser Frage können sich Hochschulen am Analytic Value Escalator orientieren, mit dem Gartner bereits 2012 die verschiedenen Phasen der Wertschöpfung durch Datenanalyse strukturiert hat. So können Hochschulen vor der Umsetzung zunächst in vier Schritten eine umfassende Strategie erarbeiten.

Von der Vergangenheit ...

Die ersten beiden Schritte des Analyseprozesses beschäftigen sich mit der Vergangenheit und dem Status quo:

Schritt 1: Was ist passiert? (Beschreibung/Descriptive Analytics) Zunächst müssen Hochschulen Daten sammeln und zusammenführen. Wie viele Studierende haben einen bestimmten Kurs belegt? Wie häufig und in welchem Umfang haben sie mit den Lernmaterialien interagiert? Wie viele Rückfragen gab es im Diskussionsforum untereinander, wie viele an Tutoren oder Kursleiter? Wie viele Studierende sind zur Prüfung angetreten, und welche Ergebnisse haben sie erzielt?

Schritt 2: Warum ist es passiert? (Diagnose/Diagnostic Analytics) Im Anschluss an die Datensammlung geht es an die Untersuchung der Daten. Hier helfen besonders umfangreiche Stichproben, denn es gibt viele mögliche Erklärungsfaktoren. Haben beispielsweise Lehramtsstudierende in den ersten Semestern besonders schlecht in der Mathematik-Klausur abgeschnitten? War dies in den Vorjahren ebenfalls sö Wenn nein, haben sich die Lehrperson oder die -inhalte geändert? Wenn ja, sieht es in Physik und Chemie ähnlich aus? Wenn ja, wie groß ist die Arbeitsbelastung der Lehramtsstudierenden unter der Woche im Vergleich zu anderen Bachelor-Studierenden? In diesem Schritt kommen Methoden des Machine Learning zum Einsatz, denn Clustering und Netzwerkanalyse decken bisher unbekannte Muster auf. Sind die Einflussfaktoren einmal bekannt, können Hochschulen auch klassische statistische Verfahren wie Regressionen nutzen.

... in die Zukunft

Schritt 3 und 4 fassen die Zukunft und den Gestaltungsspielraum von Hochschulen ins Auge:

Schritt 3: Was wird passieren? (Vorhersage/Predictive Analytics) Sind die Zusammenhänge zwischen den Einflussfaktoren und dem Lernerfolg erfasst, kann es an die Vorhersage gehen. Wie durchfallgefährdet ist ein bestimmter Studierender, wie hoch ist die zu erwartende Durchfallquote für den gesamten Kurs? Diese Antwort können Hochschulen für ein bestimmtes Machine Learning-Verfahren leicht aus den Ergebnissen des zweiten Schritts ableiten. Doch Vorsicht: bei unterschiedlichen Verfahren können für den gleichen Studierenden ganz unterschiedliche Ergebnisse herauskommen. Daher sollten Hochschulen zunächst überprüfen, wie treffsicher ihre Vorhersagen aus den verschiedenen Verfahren sind.

Schritt 4: Wie sollen wir handeln? (Empfehlung/Prescriptive Analytics) Dieser letzte Schritt ist die Königsdisziplin, denn sie leitet aus den vorhergehenden Analysen Handlungsempfehlungen ab. Durch Optimierungsmethoden oder Simulationen können Hochschulen ermitteln, wie sich eine Änderung des aktuellen Vorgehens auf den Lernerfolg auswirkt. Nutzen Studierende eine geringere Arbeitsbelastung beispielsweise, um vermehrt zu arbeiten? Dann wird eine Senkung der Arbeitsbelastung den Lernerfolg kaum steigern, sondern nur die Unterschiede zwischen Studierenden mit unterschiedlichen finanziellen Möglichkeiten vertiefen. Vielleicht hilft stattdessen eine Umstrukturierung des Curriculums: weniger Präsenzveranstaltungen und dafür mehr verpflichtende interaktive Elemente, die Studierende jederzeit und von überall her nutzen können - auch am Wochenende. Anstatt zu spekulieren, kann die Hochschule durch Learning Analytics präzise die Konsequenzen bestimmter Änderungen einschätzen. Und das auch auf ganz individueller Ebene.

Vom guten zum optimalen Lernerfolg: Vier Beispiele aus den Hochschulen

Learning Analytics gehört von jeher zum Geschäft der Hochschulen - denn der Erfolg der Studierenden ist auch der Erfolg der Hochschulen. Doch umfangreiche Datensätze und moderne Analyseverfahren erlauben schnelles und genaues Eingreifen, um den Erfolg ihrer Studierenden jederzeit sicherzustellen. Beispiele gefällig? Ich habe gleich vier! Erstens: Studierende mit besonderen Herausforderungen können frühzeitig identifiziert werden und die entsprechende Unterstützung erhalten - schon vor der Prüfung. Das senkt Durchfallraten und verhindert die Exmatrikulation - besonders für fortgeschrittene Studierende sicherlich der Worst Case. Zweitens: In laufenden Veranstaltungen wird Studierenden abhängig vom Abschneiden im letzten Micro Learning-Element ein personalisierter Lernpfad angeboten, der Motivation und Lernerfolg steigert. Drittens: Sowohl beim einzelnen Lehrveranstaltung und im Programmdesign unterstützt Learning Analytics Lehrende und Programm-Manager bei der Qualitätssicherung und -verbesserung. Dadurch lassen sich knappe Ressourcen besser einteilen: man sieht nicht nur, was sich lohnt, sondern auch was man sich sparen kann. Und viertens: Learning Analytics ermöglicht auch neue und innovative Tests und Benotungsverfahren. Die maschinelle Erstellung und Auswertung von Multiple Choice-Prüfungen ist bereits weit verbreitet. Doch auch textbasierte Prüfungsleistungen wie Seminar- und Abschlussarbeiten sollen zukünftig mithilfe von KI-Algorithmen bewertet werden. Das bringt neue Herausforderungen mit sich - und mit denen wollen wir uns im unserem dritten und letzten Blogpost zu Learning Analytics befassen.

Welche Ziele verfolgen Sie mit Learning Analytics? Vermissen Sie einen wichtigen Punkt? Treten Sie mit uns in Kontakt, denn wir von Canvas suchen den Dialog. Sie können mich auch gerne direkt kontaktieren, meine Kontakdaten finden Sie auf LinkedIn.

Es lebe das Lernen!

Ihr Manuel Nitzsche

Regional Director Instrucutre in DACH
Über Instructure Inc.

Die Canvas Lernplattform wird entwickelt und supported von Instructure (NYSE: INST), einem Software-as-a-Service (SaaS) Unternehmen. Instructure unterstützt Menschen, sich weiterzuentwickeln - vom ersten Schultag bis zum letzten Arbeitstag. Canvas LMS ist Teil einer integrierten Technologie-Plattform, zu der auch Canvas Studio, Canvas Catalog und Canvas Practice gehören. Je nach Anforderungen können Bildungseinrichtungen diese Lösungen einzeln oder im Zusammenspiel nutzen. Instructure hat schon Millionen Lehrende und Lernende von mehr als 4.000 Bildungseinrichtungen und Unternehmen auf der ganzen Welt verbunden. Erfahren Sie mehr über Canvas: https://www.instructure.com/canvas/de/hochschule/plattform/produkte und folgen Sie unserem Blog: https://www.instructure.com/canvas/de/community/blog.
Instructure Global LTD
Manuel Nitzsche
2nd Floor, Kingly Street 25
W1B 5QB London
+49 6151 3961793

https://www.instructure.com/canvas/de/community/blog

Pressekontakt:
Adremcom
Immo Gehde
Hagebuttenweg 12
61231 Bad Nauheim
immo.gehde@adremcom.de
0221 9928 171
http://www.adremcom.de

(Weitere interessante Forum News, Forum Infos & Forum Tipps gibt es hier.)

Zitiert aus der Veröffentlichung des Autors >> PR-Gateway << auf http://www.freie-pressemitteilungen.de. Haftungsausschluss: Freie-PresseMitteilungen.de / dieses News-Portal distanzieren sich von dem Inhalt der News / Pressemitteilung und machen sich den Inhalt nicht zu eigen!

Links sortieren nach: Titel (A\D) Datum (A\D) Bewertung (A\D) Popularität (A\D)

E-Learning @ wikipedia.org
Beschreibung: E-Learning im Internet-Lexikon Wikipedia!
Hinzugefügt am: 25.09.2009 Besucher: 2228 Link bewerten Kategorie: E-Learning Infos

eLearning-Infos u.m. bei lernstellen.de
Beschreibung: Infos zum Thema eLearning, insbesondere Moocs, Tools, WBTs etc.
Außerdem stellt Lernstellen.de weitere Lernplattformen und eLearnings vor!
Hinzugefügt am: 10.06.2016 Besucher: 1252 Bewertung: 1.00 (5 Stimmen) Link bewerten Kategorie: E-Learning Infos

Diese Forum-Threads bei E-Learning-Infos.de könnten Sie auch interessieren:

Lockdown und E-Learning (Lara34, 14.04.2021)

E-Learning in Deutschland? (Aaron1, 17.08.2018)

E-Learning auf neuer Ebene (Aaron1, 24.03.2018)

Gibt es in Dresden Kurse für E-Learning? (Dora39, 26.05.2019)

TU Dresden und e-learning (Hans-Peter, 08.08.2016)

Adobe eLearning Suite (Heinz-int, 02.02.2015)

Aktuelle Tipps interessanter E-Learning Events (Klaus, 30.08.2018)

Empfehlenswerte E-Learning Tagungen & Kongresse (Klaus, 19.06.2023)

Deutschlandweite e-Learning Tipps (Bernd, 04.08.2015)

Anerkannte E-Learning Studien-Abschlüsse (HildeBL, 14.07.2015)

Diese Forum-Posts bei E-Learning-Infos.de könnten Sie auch interessieren:

Eine Taktik, die in unserem kleinen Unternehmen einen erheblichen Unterschied gemacht hat, ist die konsequente Anwendung einer intelligenten [url=https://blog.atradius.de/tipps-zur-liquiditaetsplanung ... (Traver, 26.03.2024)

Eines wundert mich an der Ganzen Sache, vor ein paar Jahren war E-Learning in aller Munde, heute spricht kein Mensch mehr darüber. Na vielleicht unsere Politiker nachdem sie mitbekommen haben da ... (Ortwin59, 31.12.2019)

Oh je, klingt nach viel Papierkrieg! Sag ihr mal dass sie Tinte sparen soll, das geht wenn man seine Schrift am Gerät wechselt: https://www.tintencenter.com/tinte-sparen/ sonst wird sie ja arm. Od ... (E-Pauker, 14.08.2019)

Wir sind schließlich bei e-learning hier. Also wie wäre es mit ein paar Apps? Eine Möglichkeit wäre dies: https://www.germanarticles.net/how-to-decline-german-adjectives/ (eher an Erwachsene gericht ... (Foreplarks, 04.12.2018)

E-Learning kann man nur mit jungen und dynamischen Menschen machen. Welchen Altersdurchschnitt haben deutsche Lehrer? Mehr muss man dazu gar nicht sagen. (Otto76, 16.07.2018)

Da war wohl nichts mehr mit E-Learning. Es kommt die Meldung -Apache Server at www.tuhh.de Port 443 Hat sich wahrscheinlich nicht durchgesetzt. (Alwin03, 30.10.2017)

Fakt ist doch eines, E-learning kann nur zur Unterstüzung beim Erlernen eines Stoffes. Oder eben beim Wissenscheck vor einer Prüfung. Wenn ich aber einen IQ wie Knäckebrot habe nutzt das beste E ... (Godfrid, 06.07.2017)

Wie nicht anders zu erwarten, hat einen dieser \"Awards\" die Bundesagentur für Arbeit gewonnen. Das ist jetzt kein Gag. Es lebe die Arbeitslosenindustrie... http://www.elearning-journal.de/ind ... (DaveD, 21.06.2016)

Ich wohne in Dresden und bekomme sehr genau mit was unsere Staatsregierung mit den sächsischen Lehren und Dozenten so veranstaltet. Das fängt an bei befristeten Arbeitsverträgen und hört auf bei de ... (Ralphi-K, 31.03.2016)

Kommt immer darauf an was du lernen willst. Gehirnchirurg durch kostenloses e-learning wird es wohl kaum geben. Aber schau mla hier... http://www.webkolleg.de/angebote/gratisangebote.html (Sven-Juli, 28.02.2016)

Diese News bei E-Learning-Infos.de könnten Sie auch interessieren:

Software-Plattform ebnet Weg für KI und maschinelles Lernen (PR-Gateway, 16.04.2024)
Plattformökonomie als Basis für Business Intelligence (BI)

Das COSCOM ECO-System garantiert eine Plattformökonomie als Basis für Business Intelligence (BI).

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Optimierungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff ...

Entdecken Sie den Schnittpunkt von KI, Netzwerken und Sicherheit bei der Extreme Connect vom 22. bis 25. April 2024 (PR-Gateway, 15.04.2024)
Erleben Sie die neuesten Innovationen im Netzwerkbereich als Teilnehmende - ob virtuell oder persönlich - und lassen Sie sich von Vordenkern inspirieren, verbessern Sie Ihre Kenntnisse und lernen Sie von Branchenexperten.

FRANKFURT A.M./MORRISVILLE, N.C., 15. April 2024 - Extreme Networks, Inc. (Nasdaq: EXTR), informiert heute über die Details zur bekannten jährlichen Nutzerkonferenz Schutz vor Smishing: CybeReady erweitert Trainingsplattform um SMS-Phishing-Simulationen (PR-Gateway, 15.04.2024)
Individuelles Cybersecurity Training gegen SMS-Phishing

15. April 2024 - CybeReady, ein Anbieter von Security Awareness Trainings, gibt die Erweiterung seiner Cybersecurity-Trainingsplattform bekannt. Das neue Modul "Smishing Simulations & Learning" ergänzt ab sofort die Social Engineering Suite. Aufgrund der Zunahme SMS-basierter Phishing-Angriffe sollen Mitarbeiter verstärkt auf die Gefahren betrügerischer Textnachrichten aufmerksam gemacht werden. Das neue Tool fördert daher die Er ...

Borussia Dortmund und Extreme Networks bringen Wi-Fi 6E-fähiges Netzwerk in Deutschlands größtes Stadion (PR-Gateway, 09.04.2024)
Flexible, skalierbare und sichere Wireless- und Fabric-Lösungen sorgen für eine modernisierte Infrastruktur im Stadion, ein besseres Fan-Erlebnis und höhere Betriebseffizienz

FRANKFURT A.M./MORRISVILLE, N.C., 09. April 2024 - Extreme Networks, Inc. (Nasdaq: EXTR), ein führender Anbieter cloudbasierter Netzwerklösungen, gibt heute bekannt, dass seine innovativen Wireless- und Analytics-Lösungen für die Implementierung bei Boru ...

Mitgliedsbeiträge für XING und LinkedIn sind steuerlich absetzbar (PR-Gateway, 02.04.2024)

Knapp die Hälfte aller Beschäftigten ist in Deutschland laut der aktuellen Gallup-Studie im Job unzufrieden und auf der Suche nach etwas Passenderem. Wer vielfältig sucht und sich engagiert, hat bessere Chancen auf seinen Traumjob. Für die Jobsuche können nicht nur Online-Jobportale mit konkreten Stellenangeboten genutzt werden. Networking-Portale wie XING oder LinkedIn dringen immer mehr in den Stellenmarkt ein. XING ist mit seinen 21,5 Millionen Nutzern auf den deutschsprachigen Ra ...

Vorteile von Digitalisierung und Automatisierung mittels Webentwicklung (PR-Gateway, 21.03.2024)
Moderne Webtechnologien transformieren Geschäftsprozesse - Effizienz, Flexibilität und Wettbewerbsfähigkeit im Fokus

Karlsruhe / Frankfurt, 21. März 2024 - Die fortschreitende Digitalisierung und Automatisierung von Geschäftsprozessen wird zu einem wichtigen Erfolgsfaktor für viele Unternehmen. Webentwicklung und moderne Webtechnologien können hierzu entscheidend beitragen. Im Vergleich zur klassischen Softwareentwicklung und On-Premises-Lösungen bieten sie oftmals deutliche Vorteile. ...

Extreme Networks ist Leader im Gartner® Magic Quadrant? for Enterprise Wired and Wireless LAN Access Infrastructure 2024 (PR-Gateway, 13.03.2024)
Zum sechsten Mal in Folge als Leader für Umsetzung und ganzheitliche Vision ausgezeichnet

FRANKFURT A.M./MORRISVILLE, N.C., 13. März 2023 - Extreme Networks, Inc. (Nasdaq: EXTR), ein führender Anbieter cloudbasierter Netzwerklösungen, ist zum sechsten Mal in Folge als Leader im KI gegen Diskriminierung: Milwaukee deckt mit SAS ungleiche Behandlung durch Behörden auf (prmaximus, 17.05.2022)
Heidelberg, 17. Mai 2022 -- SAS, einer der weltweit führenden Anbieter von Lösungen für Analytics und künstliche Intelligenz (KI), unterstützt Milwaukee, Wisconsin, bei der Bekämpfung von Diskriminierung. Der US-Bezirk analysiert mit KI von SAS Prozesse rund um Zwangsvollstreckungen im Hinblick auf eine potenzielle rassistisch motivierte Ungleichbehandlung von Bürgern. SAS Viya in der Microsoft Azure Cloud schafft die Voraus ...

SAS Data Ethics Practice: Neue Initiative in Sachen 'Responsible Innovation (prmaximus, 12.05.2022)
Heidelberg, 12. Mai 2022 -- SAS, einer der weltweit führenden Anbieter von Lösungen für Analytics und künstliche Intelligenz (KI), startet eine neue Initiative für mehr Verantwortung bei der Nutzung von Daten: SAS Data Ethics Practice soll dafür sorgen, dass der Einsatz von KI und Machine Learning stets in einem Rahmen erfolgt, der das Wohl von Mensch und Planet in den Mittelpunkt stellt.

"Responsible Innovation" umfasst unter anderem wichtige Themen wie Responsible AI, Algorithmen oder B ...

SAS in der Cloud: Starke Branchenlösungen und strategische Partnerschaften (prmaximus, 11.05.2022)
Heidelberg, 11. Mai 2022 - SAS, einer der weltweit führenden Anbieter von Lösungen für Analytics und künstliche Intelligenz (KI), setzt konsequent auf eine leistungsstarke Cloud-Analytics-Plattform und KI-getriebene Cloud-first-Branchenlösungen. Mit Erfolg, wie das Umsatzwachstum zeigt: Trotz der Pandemie stieg der weltweite Cloud-Umsatz von SAS im Jahr 2021 um 19 Prozent. Vor diesem Hintergrund baut das Unternehmen sein bereits breit gefächertes Branchenportfolio mit Lösungen für Life Sciences, ...

Werbung bei E-Learning-Infos.de:

Learning Analytics und Canvas LMS - so steigern Hochschulen den Erfolg ihrer Studierenden

E-Learning-Infos.de: News, Infos & Tipps zum eLearning

E-Learning-Infos.de - Tipps, Infos & News rund um's Thema eLearning !



E-Learning-Infos.de: News, Infos & Tipps zum eLearning	Seiten-Suche:


E-Learning-Infos.de <-Startseite Anmelden oder Einloggen