Bachelor-Kolloquium - Cheatsheet.pdf

Eigenständige Entwicklung einer Forschungsfrage

Definition:

Eigenständige Erarbeitung einer klaren, spezifischen und relevanten Forschungsfrage innerhalb der Informatik.

Details:

• Analyse des Forschungsstandes
• Identifikation von Wissenslücken
• Formulierung einer präzisen Frage
• Überprüfung auf Durchführbarkeit
• Berücksichtigung methodischer Ansätze und Ressourcen

Literaturrecherche und Quellenanalyse

Definition:

Prozess des systematischen Suchens, Bewertens und Zusammenfassens von wissenschaftlichen Quellen für eine Forschungsarbeit.

Details:

• Suchmaschinen und Datenbanken verwenden (z.B. Google Scholar, IEEE Xplore)
• Relevanz und Glaubwürdigkeit der Quellen prüfen
• Sekundärliteratur vs. Primärliteratur unterscheiden
• Zitationsstil beachten (z.B. APA, IEEE)
• Quellen richtig dokumentieren und organisieren

Datenanalyse und Interpretation

Definition:

Analyse und Interpretation von Daten, um Muster zu erkennen und fundierte Entscheidungen zu treffen.

Details:

• Datenvorbereitung: Bereinigung und Transformation der Daten
• Deskriptive Statistik: Mittelwert (\textit{mean}), Median, Standardabweichung (\textit{standard deviation})
• Explorative Datenanalyse (EDA): Grafische Darstellung (Histogramme, Boxplots)
• Inferentielle Statistik: Hypothesentests, Konfidenzintervalle
• Regressionsanalyse: Lineare (\textit{linear}), Multiple (\textit{multiple}) Regressionsmodelle
• Interpretation: Schlüsselerkenntnisse, ROI (Return on Investment), Vorhersagen
• Tools: Python (Pandas, NumPy, Matplotlib), R

Visuelle Aufbereitung und Mustererkennung von Daten

Definition:

Visuelle Aufbereitung: Transformation von Daten in visuelle Darstellungen zur einfacheren Interpretation. Mustererkennung: Identifikation von Strukturen, Anomalien oder Regeln in Datensätzen mittels Algorithmen.

Details:

• Visuelle Aufbereitung: Diagramme, Graphen, Heatmaps, Scatterplots
• Mustererkennung: Einsatz von Machine Learning, z.B. Clustering, Klassifikation
• Vorteile: Schnellere Entscheidungsfindung, tiefere Einsichten
• Werkzeuge: Matplotlib, Seaborn, TensorFlow, Scikit-Learn
• Anwendungsbereiche: Data Mining, Bild- und Spracherkennung, Medizin

Rhetorik und Körpersprache in Präsentationen

Definition:

Rhetorik und Körpersprache sind entscheidend für die Wirkung und Überzeugungskraft deiner Präsentation.

Details:

• Rhetorik: Sprachliche Klarheit, überzeugende Argumentation, passende Beispiele und Geschichten einbauen.
• Körpersprache: Offene Haltung, Augenkontakt, gezielte Gestik, und Bewegung in den Raum einbinden.
• Stimme: Lautstärke, Tonlage, und Pausen bewusst einsetzen.
• Vorbereitung: Proben vor dem Vortrag, auf Zeitpunkt und Publikumsgröße achten.

Kritische Reflexion und Feedbackkultur

Definition:

Teil des Bachelor-Kolloquiums in Informatik, bei dem Studierende ihre Arbeit kritisch hinterfragen und Feedback von anderen erhalten und geben.

Details:

• Fördert die Fähigkeit zur Selbstreflexion und Verbesserung der eigenen Arbeit.
• Strukturiertes Feedback von Peers und Betreuern.
• Sachliche und konstruktive Kritik im Vordergrund.
• Verbessert Kommunikationsfähigkeiten und Teamarbeit.

Zeitmanagement und Projektplanung in der Forschung

Definition:

Effiziente Organisation und Planung von Forschungsprojekten, um Ziele fristgerecht und innerhalb des Budgets zu erreichen.

Details:

• Projektphasen planen: Initiierung, Planung, Durchführung, Abschluss
• Zeitplan erstellen: Gantt-Diagramm, Meilensteine festlegen
• Ressourcenmanagement: Budget, Personal, Materialien
• Risiken identifizieren und managen
• Werkzeuge nutzen: Projektmanagement-Software (z.B. Microsoft Project, Trello)
• Regelmäßige Status-Updates und Meetings
• Zeitpuffer einplanen für unerwartete Verzögerungen

Ethik in der Informatik und Forschung

Definition:

Ethik in der Informatik und Forschung befasst sich mit der moralisch und ethisch verantwortbaren Nutzung von Technologie und Daten in der Informatik- und Forschungspraxis.

Details:

• Datenprivatsphäre und Schutz persönlicher Daten
• Fairer und transparenter Umgang mit Algorithmen
• Vermeidung von Diskriminierung und Bias in Daten und Modellen
• Verantwortungsbewusster Einsatz von Künstlicher Intelligenz
• Respektierung von geistigem Eigentum und Urheberrechten
• Vermeidung von Cyberkriminalität