1 - Initial full text publications (except theses)

"Warum nehmen bildungsferne Zielgruppen bzw. weiterbildungsbenachteiligte Personen nur selten oder häufig gar nicht an Weiterbildung teil?“ So lautet die Forschungsfrage einer Hamburger Regionalstudie (Laufzeit Mai 2021 bis März 2024), deren zentralen Erkenntnisse in der Handreichung präsentiert werden. Seit langem ist in der Adressaten-, Zielgruppen- und Teilnehmendenforschung der Erwachsenenbildung/Weiterbildung bekannt, dass längst nicht alle Menschen den gesellschaftlichen Erwartungen des lebenslangen Lernens nachkommen (können). Unterschiede im Teilnahmeverhalten zeigen sich aufgrund von Faktoren wie Bildungsstand, Milieuzugehörigkeit, berufliche Tätigkeit, Geschlecht, Alter und Migrationsgeschichte. Doch die Fokussierung auf soziodemographische Faktoren allein reicht nicht aus, um individuelles Teilnahmeverhalten hinreichend begründen zu können. Weitere strukturelle, organisatorische und subjektive Aspekte sowie deren vielfältigen Verschränkungen können eine nicht zu unterschätzende einschränkende wie auch förderliche Rolle hinsichtlich individueller Entscheidungen für die (Nicht-)Teilnahme an formaler Weiterbildung spielen. Dies zeigen eindrücklich die Ergebnisse dieser regionalen Studie. Die Studie beruht auf einem qualitativ-explorativen, subjektwissenschaftlich orientierten Forschungsdesign. Für eine stärkere Rückbindung in das Praxisfeld der Weiterbildung und Bildungsberatung wurden vorläufige empirische Ergebnisse Betroffenen wie Expertinnen und Experten der Praxis rückgespiegelt und diskutiert. Gemeinsam wurden theoretisch begründete, praxisorientierte Handlungsempfehlungen erarbeitet. Die Handreichung umfasst im ersten Teil einen Überblick zum wissenschaftlichen Kontext der Studie, zu bildungspolitischen Zielsetzungen und zum Stand der Adressaten-, Zielgruppen- und Teilnehmerforschung der Erwachsenenbildung. Teil zwei beinhaltet Darlegungen zum Forschungsvorgehen sowie die Präsentation der zentralen Forschungsergebnisse und -erkenntnisse. Im dritten Teil folgen Ableitungen für die Praxis, die sich auf verschiedene Handlungsbereiche und -arenen der Weiterbildungsarbeit mit benachteiligten Zielgruppen beziehen. Sie beinhalten Vorschläge und Ideen sowie theoriegeleitete Reflexionsbezüge für ein professionelles Handeln auf der Mikro- und Mesoebene.

Cyber Physical Systems are characterized by their ability to adapt and learn from their environment. Applications include advanced condition monitoring, predictive maintenance, diagnosis tasks, and many other areas. All these applications have in common that Machine Learning and Artificial Intelligence are the key technologies. However, applying ML and AI to CPS poses challenges such as limited data, less understood algorithms, and the need for high algorithm reliability. These topics were a focal point at the 7th ML4CPS - Machine Learning for Cyber-Physical Systems Conference in Berlin, held from the 20th to the 21st, where industry and research experts discussed current advancements and new developments.

A collection of functional quantiles offers a comprehensive portrayal of an individual's distinct physical activity patterns, characterizing the distributions of activity at specific time points over a defined duration. However, the potential to present such a collection as a unified, complete activity surface for each individual remains unexplored in current literature. In this paper, we rectify this shortcoming by proposing functional quantile surface estimation (FQSE), a methodology designed to calculate fully parameterized activity surfaces at the participant level. We embed practical and theoretical requirements by imposing constraints that guarantee non-negativity and non-crossing properties in the direction of the quantile order, respectively. We achieve this by employing a dimensionality reduction algorithm that enforces non-negativity throughout and incorporates a parametric spline-based score structure that is monotonic across different quantile levels. We assess the proposed methodology in terms of the precision and stability of the estimated quantile surfaces. Our findings indicate that our estimations are not only more rational but also more accurate compared to alternative approaches.