Logo des Repositoriums

Auflistung nach Schlagwort "RapidMiner"

1 - 2 von 2
  • Zeitschriftenartikel
    Analyse von Studienverläufen mit Process-Mining-Techniken
    (HMD Praxis der Wirtschaftsinformatik: Vol. 55, No. 4, 2018) Buck-Emden, Rüdiger; Dahmann, Franz-Dominik
    Studenten an Hochschulen und Universitäten haben bei der Gestaltung ihrer Studienverläufe meistens viele Freiheitsgrade. Begrenzt werden diese Freiheiten durch das Curriculum, das bestimmte Rahmenbedingungen für den Studienverlauf einer Fachrichtung festlegt und Empfehlungen bzw. Vorgaben macht, welche Veranstaltungen in welchem Semester besucht werden sollen. In der Praxis weichen viele Studenten von den Empfehlungen des Curriculums ab. Dies führt zu einer Vielzahl individueller Studienverläufe, von denen jeder einzelne mehr oder weniger erfolgreich sein kann (z. B. in Hinblick auf das Erreichen des angestrebten Abschlusses, auf die erzielte Abschlussnote oder auf die benötigte Studiendauer). Für eine an erfolgreichen Studienverläufen orientierte Weiterentwicklung von Curricula und zugehörigen Studienberatungen fehlen den Verantwortlichen an Hochschulen und Universitäten nicht selten detaillierte Erkenntnisse über das konkrete Studienverhalten und über erfolgreiche bzw. weniger erfolgreiche Studienverlaufsmuster. Durch Process-Mining-Techniken wie Bubble-Chart-Analysen, Fuzzy Mining und Inductive Visual Mining können die Verantwortlichen Transparenz bei der Auswertung von Studienverläufen gewinnen und darauf aufbauend gezielte Maßnahmen einleiten. Students at universities usually enjoy a high level of freedom to shape their course of studies. Only the curriculum is the limit, which defines rules and suggests courses to be taken in certain semesters. In practice, many students deviate from these suggestions, leading to a plethora of individual schedules which may be more or less successful (with regards e. g. to achieved degree, final rates, and time to graduation). University officials in charge of evolving and enhancing curricula as well as student advisory services often do not have detailed knowledge regarding student’s specific behavior as well as successful and less successful study schedules. Here process mining techniques like bubble chart analytics, fuzzy mining, and inductive visual mining can fill the gap and provide transparency as foundation for dedicated measures.
  • Zeitschriftenartikel
    Kleine Barrieren für große Analysen – Eine Untersuchung der Eignung aktueller Plattformen für Self-Service Data Mining
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 5, 2019) Badura, Daniel; Schulz, Michael
    Um das Potential der stetig wachsenden Datenmengen in verschiedenen Geschäfts- und Gesellschaftsbereichen verstärkt zur Erkenntnisgewinnung und Entscheidungsunterstützung nutzen zu können, wäre es hilfreich, Big-Data-Analysemethoden für einen größeren Anwenderkreis zugänglich zu machen. Dies kann entweder durch eine stärkere Vermittlung von Datenkompetenzen aus Anwendersicht oder durch eine Vereinfachung der Methoden, insbesondere durch weitere Automatisierung der Prozesse oder Algorithmen mit geringer Komplexität aus Anwendungssicht geschehen. Zu letzteren gehören unter anderem Entscheidungsbäume, da die verwendeten Algorithmen leicht nachvollziehbar und die Analyseergebnisse zudem grafisch darstellbar sind. Für die in dieser Arbeit vorgestellte Versuchsreihe wurden sie daher als Anhaltspunkt für die Etablierbarkeit von Self-Service Data Mining verwendet. In den Plattformen IBM SPSS Modeler, RapidMiner, KNIME und Weka wurden auf einer einheitlichen Datengrundlage Klassifikationsmodelle erstellt und diese in Bezug auf ihre Genauigkeit und Komplexität miteinander verglichen. Die Ergebnisse deuten darauf hin, dass die Plattformen im Hinblick auf diese beiden Punkte unterschiedliche Stärken und Schwächen im Analyseprozess aufweisen. Gegenwärtig gibt es bereits vielversprechende Ansätze zur Erweiterung des potentiellen Nutzerkreises von Big-Data-Analysen, jedoch sind diese noch nicht flächendeckend etabliert. To further harness the potential of the growing volume of available data in different areas of business and society, it would be helpful if big data analytics could be made available to a larger group of users. This can be achieved either through an increase in general data literacy or a simplification of the process, especially through further automation or more easily comprehensible algorithms. Decision trees are an example of the latter, since analytical results can be represented in visual form. For the trials presented in this article, they were used as a reference point for the feasibility of self-service analytics. Classification models were constructed in the platforms IBM SPSS Modeler, RapidMiner, KNIME and Weka and were compared with regards to their accuracy and comprehensibility. The results indicate that the platforms possess different strengths and weaknesses at different steps of the process. Currently, there are already some promising self-service solutions, but they are not yet widely established.