Empfehlungs-Algorithmus

BiblioMap

Diese SVG-Grafik fensterfüllend anzeigen

Synonyme

Empfehlungs-Algorithmus, Empfehlungsdienst, recommender system

Bemerkungen

Empfehlungssysteme sind also klassische Anwendungen, die auf Big Data beruhen. Sie gehören definitiv auch zur großen Klasse von Verfahren des maschinellen Lernens. Diese Verfahren zeichnen sich dadurch aus, dass sie aus Daten der Vergangenheit Schlüsse ziehen und in einer geeigneten Struktur ablegen, um für zukünftige Daten Entscheidungen zu treffen. Aue Methoden des maschinellen Ler- nens wiederum gehören zum weiten Feld der künstlichen Intelligenz

Von Katharina A. Zweig im Buch Ein Algorithmus hat kein Taktgefühl (2019) im Text Big data und data mining

Häufig co-zitierte Personen

Michael
Seemann

Mark
Granovetter

Sangeet Paul
Choudary

Marshall W. Van
Alstyne

Geoffrey G.
Parker

Statistisches Begriffsnetz

Erwähnungen auf anderen Websites im Umfeld von Beat Döbeli Honegger

Website	Webseite	Datum
Wiki zum Dagstuhl-Dreieck	Empfehlungs-Algorithmen	06.10.2020

Zitationsgraph

Diese SVG-Grafik fensterfüllend anzeigen

Zitationsgraph (Beta-Test mit vis.js)

Zeitleiste

32 Erwähnungen

CSCL-Kompendium - Lehr- und Handbuch zum computerunterstützen kooperativen Lernen (Jörg M. Haake, Gerhard Schwabe, Martin Wessner) (2004)
- Koordinationswerkzeuge zur Bildung von Lerngruppen (Tim Reichling, Andreas Becks, Oliver Bresser, Volker Wulf) (2004)
Creating New Learning Experiences on a Global Scale - Second European Conference on Technology Enhanced Learning, EC-TEL 2007, Crete, Greece, September (Erik Duval, Ralf Klamma, Martin Wolpers) (2007)
- Personalized Links Recommendation Based on Data Mining in Adaptive Educational Hypermedia Systems (Cristóbal Romero, Sebastián Ventura, Jose Antonio Delgado, Paul De Bra) (2007)
- Using MotSaRT to Support On-Line Teachers in Student Motivation (Teresa Hurley, Stephan Weibelzahl) (2007)
WikiSym 2007 (2007)
- Recommenders Everywhere - The WikiLens Community-Maintained Recommender System (Dan Frankowski, Shyong K. (Tony) Lam, Shilad Sen, F. Maxwell Harper, Scott Yilek, Michael Cassano, John Riedl)
Technology Support for Self-Organized Learners - Proceedings of TSSOL 2008, Salzburg, Austria, May 26, 2008 (Marco Kalz, Rob Koper, Veronika Hornung-Prähauser, Michaela Luckmann) (2008)
- 7. Effects of the ISIS Recommender System for navigation support in Self-Organised Learning Networks (Hendrik Drachsler, Hans Hummel, Rob Koper)
Putting Recommendations on the Map - Visualizing Clusters and Relations (Emden R. Gansner, Yifan Hu, Stephen G. Kobourov, Chris Volinsky) (2009)
Empfehlungen im Web - Konzepte und Realisierungen (Sandra Schön, Tobias Bürger, Wolf Hilzensauer, Cornelia Schneider, Diana Wieden-Bischof) (2010)
What are Learning Analytics? (George Siemens) (2010)
SIGCSE 2011 - Proceedings of the 42nd ACM technical symposium on Computer science education, SIGCSE 2011, Dallas, TX, USA, March 9-12, 2011 (Thomas J. Cortina, Ellen Lowenfeld Walker, Laurie A. Smith King, David R. Musicant) (2011)
- e-learning experience using recommender systems (Jesús Bobadilla, Antonio Hernando, Angel Arroyo) (2011)
Mich kriegt ihr nicht! - Gebrauchsanweisung zur digitalen Selbstverteidigung (Steffan Heuer, Pernille Tranberg) (2012)
DeLFI 2013 (Andreas Breiter, Christoph Rensing) (2013)
- Meet2Learn - Eine mobile Applikation zur Unterstützung von Lerngruppen (Anna Philipp, Jannis Dorlöchter, Johannes Nanninga, Helena Reimann, Andreas Ruck, Adam Giemza, Heinz Ulrich Hoppe) (2013)
DeLFI 2014 Workshops - Proceedings of DeLFI Workshops 2014 co-located with 12th e-Learning Conference of the German Computer Society (DeLFI 2014), Freiburg, Germany, September 15, 2014 (Christoph Rensing, Stephan Trahasch) (2014)
- A Recommender System for Didactical Approaches in Software Engineering Education (Michael Koch, Dieter Landes) (2014)
- Data Models in Learning Analytics (Vlatko Lukarov, Mohamed Amine Chatti, Hendrik Thüs, Fatemeh Salehian Kia, Arham Muslim, Christoph Greven, Ulrik Schroeder) (2014)
Leben mit dem Tamagotchi-Gefühl (Bernhard Pörksen) (2014)
Total berechenbar - Wenn Algorithmen für uns entscheiden (Christoph Dröser) (2016)
Kultur der Digitalität (Felix Stalder) (2016)
DeLFI 2016 - Die 14. E-Learning Fachtagung Informatik (Ulrike Lucke, Andreas Schwill, Raphael Zender) (2016)
- Interest-based Recommendation in Academic Networks using Social Network Analysis (Peyman Toreini, Mohamed Amine Chatti, Hendrik Thues, Ulrik Schroeder)
Algorithmuskulturen - Über die rechnerische Konstruktion der Wirklichkeit (Robert Seyfert, Jonathan Roberge) (2017)
Data for the People - Wie wir die Macht über unsere Daten zurückerobern (Andreas Weigend) (2017)
Lügen im Netz - Wie Fake News, Populisten und unkontrollierte Technik uns manipulieren (Ingrid Brodnig) (2017)
SIGCSE 2018 - Proceedings of the 49th ACM Technical Symposium on Computer Science Education, SIGCSE 2018, Baltimore, MD, USA, February 21-24, 2018 (Tiffany Barnes, Daniel D. Garcia, Elizabeth K. Hawthorne, Manuel A. Pérez-Quiñones) (2018)
- AutoQuiz - A Personalized, Adaptive, Test Practice System (Abstract Only) (Zhiping Xiao, Siqi Li, Zachary A. Pardos) (2018)
(Un)berechenbar? - Algorithmen und Automatisierung in Staat und Gesellschaft (Resa Mohabbat Kar, Basanta Thapa, Peter Parycek) (2018)
EdMedia 2018 (2018)
- A graph-based recommender system for training groups in the professional context (Laurie Acensio, Frédéric Hoogstoel, Luigi Lancieri)
Realitätsschock - Zehn Lehren aus der Gegenwart (Sascha Lobo) (2019)
Ein Algorithmus hat kein Taktgefühl - Wo künstliche Intelligenz sich irrt, warum uns das betrifft und was wir dagegen tun können (Katharina A. Zweig) (2019)
- 4. Big data und data mining
- 6. Maschinelles Lernen versus Mensch (2:0)
Die Macht der Plattformen - Politik in Zeiten der Internetgiganten (Michael Seemann) (2021)
Klick - Wie wir in einer digitalen Welt die Kontrolle behalten und die richtigen Entscheidungen treffen (Gerd Gigerenzer) (2021)
- 2. Was KI am besten kann - Das Prinzip der stabilen Welt
Machine Learning for Teachers - Evaluation und Entwicklung von Lehr- und Lernmaterialien zum Thema Künstliche Intelligenz für Lehrpersonen ab Sekundarstufe 1 (Thomas Zurfluh) (2022)
Youtube ignoriert die Wünsche der Nutzerinnen und Nutzer (Simon Hurtz) (2022)
Hello World 22 - Teaching & AI (2023)
AI Snake Oil - What Artificial Intelligence Can Do, What It Can’t, and How to Tell the Difference (Arvind Narayanan, Sayash Kapoor) (2024)