Search

Die Verwendung von Hochdurchsatzmethoden zur Sequenzierung von RNA Molekülen ist für verschiedene Anwendungsbereiche verbreitet und wird auch dafür verwendet Transkriptome zu erforschen. Dies zielt zumeist darauf ab, Gene zu identifizieren, die über Proben mit unterschiedlichen biologischen Merkmalen oder unter unterschiedlichen Bedingungen entweder signifikant herunter- oder heraufreguliert sind. Darüber hinaus kann ihre Beteiligung an biologischen Prozessen analysiert werden, um endgültige Schlussfolgerungen zu ziehen. Hierfür stehen viele verschiedene Softwarepakete offen zur Verfügung. Die meisten Softwarepakete, die für die Analyse der generierten Daten verwendet werden könnten, erfordern jedoch Programmierkenntnisse. Um Personen ohne Programmierkenntnisse das Erkunden ihrer Daten zu ermöglichen, wurde die graphische Benutzeroberfläche explomics geschaffen. Durch die Verwendung der Programmiersprache R in Kombination mit dem Paket shiny und anderen bestehenden Paketen, die üblicherweise für Transkriptomdatenanalysen verwendet werden, wurde eine dynamische Anwendung basierend auf reaktiver Programmierung erstellt. Die resultierende graphische Benutzeroberfläche explomics zeichnet sich besonders durch Flexibilität aus und verhindert häufige Fehlerquellen weitgehend. Die Integration der Analysen zur Untersuchung der funktionellen Zuordnungen erweitert den Nutzen der differentiellen Genexpressionsanalyse mit explomics weiter. Personen ohne Programmierkenntnisse werden dabei unterstützt, Arbeitsabläufe und Graphiken anzupassen und zu optimieren. Durch detaillierte Beschreibungen und Benachrichtigungen wird jeder Schritt begleitet. Zudem konnte die Benutzererfahrung durch interaktive Graphiken erheblich verbessert werden. The use of RNA sequencing experiments is common for different application areas and can also be used for transcriptome profiling, which aims to identify genes, which are either significantly down- or upregulated across samples with different biological traits or under different conditions. Moreover, their involvement into biological processes can be analysed to make final conclusions. For this purpose, many different tools are available with open-access. However, most of the tools used for the analysis of the generated data require knowledge of programmatical skills. In order to enable users without programming knowledge to explore their data, the graphical user interface explomics was created. By the use of the programming language R combined with the package shiny and other existing packages commonly used for the analysis of high-throughput RNA sequencing data a dynamic application based on reactive programming was built. The resulting application explomics especially distinguishes in terms of flexibility and mitigates frequent errors from existing tools. The integration of the downstream analyses for functional profiling further expands the usefulness of analysis of differential gene expression with explomics. Users without programming skills are supported to customize workflows and output figures. By use of detailed descriptions and notification messages every step is instructed. With interactive plots, the user experience is considerable improved. Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers Masterarbeit Wien, FH Campus Wien 2022

Die vorliegende Studie überprüft die Faktorenstruktur der Selbstwirksamkeitsskalen im Umgang mit Heterogenität bzw. mit „besonderen“ Schülerinnen und Schülern (SuS) von Kopp (2009) anhand von zwei Datensätzen mit insgesamt 725 Studierenden der Lehrämter Primar- und/oder Sekundarstufe, Gymnasium sowie Sonderpädagogik. Im Ergebnis zeigt sich ein besserer Modellfit für ein alternatives vierfaktorielles Modell. Die Aufteilung in die Faktoren „Adaptive Unterrichtsgestaltung in heterogenen Lerngruppen“ und „Adaptive Unterrichtsgestaltung für SuS mit erhöhtem sonderpädagogischen Förderbedarf“ verweist hierbei auf die viel diskutierte Unterscheidung eines engen und eines weiten Inklusionsbegriffs (vgl. Werning, 2014) auch auf Ebene der Selbstwirksamkeit von Studierenden. Die weiteren Faktoren „Inklusive Lehrerpersönlichkeit“ und „Klassenklima“ folgen der Struktur von Kopp, wenngleich die Neuordnung einiger Items eine stringentere Interpretation ermöglicht und den Modellfit verbessert. An einem dritten Datensatz (n = 456) erfolgt die Validierung der neu entwickelten Kurzskala KUS-HL. Diese bietet zusammenfassend eine ökonomische Alternative zur Messung der Selbstwirksamkeit auch für Gruppen von Studierenden mit unterschiedlichen Lehrämtern. (DIPF/Orig.), This study examines the factor structure of self-efficacy scales dealing with heterogeneity or „special“ pupils developped by Kopp (2009). This is conducted through two sets of data with a total number of 725 students pursuing a teaching degree in the fields of primary and/or secondary school or special needs education. The results show a better model fit for an alternative four-factor model. The division into the factors „Adaptive teaching structure in heterogeneous learning groups“ and „Adaptive teaching structure for pupils with increased special educational needs“ refers to the much discussed distinction between a narrow and a broad concept of inclusion (cf. Werning, 2014), also at the level of students‘ self-efficacy. The other factors, „Inclusive teacher personality“ and „Class atmosphere“, follow Kopp‘s structure, although the reorganization of some items allows a more stringent interpretation and improves the model fit. A third set of data (n = 456) is used to validate the newly developed short scale KUS-HL. In summary, this scale offers an economic alternative to measure self-efficacy even for groups of students with differing teaching degrees. (DIPF/Orig.)

Für diese Masterarbeit wurde ein Datenanalyse-Tool mit R entwickelt, um schnell und effizient ein erstes Verständnis für die Struktur und die Vorhersagekraft eines (beliebigen) Datensatzes gewinnen zu können. Dieses Tool wurde für die SHS VIVEON AG, einen Business- und IT-Dienstleister für Kundenmanagement, entwickelt und soll das Data Science-Team der Firma dabei unterstützen, eine erste explorative Datenanalyse eines Kunden-Datensatzes durchzuführen. Die wesentlichen Ansprüche an die Software waren einerseits funktionale Vielseitigkeit (Visualisierung, Clustering, Klassifikationsverfahren, usw.) und andererseits eine intuitiven Benutzeroberfläche. Folgende Punkte werden in dieser Arbeit besprochen: Zunächst werden die Bedürfnisse des Data Science-Teams während der Einarbeitung in einen neuen Datensatz dargestellt. Anschließend wird ein Überblick über die statistischen und analytischen Methoden im Umgang mit Daten in einem Unternehmenskontext gegeben und über die einzelnen Schritte der Softwareentwicklung (einschließlich der Anforderungen der SHS VIVEON AG und der Ergebnisse der Usability-Tests) berichtet. Abschließend wird der Leser durch eine Beispielanalyse eines nicht-proprietären Datensatzes geführt. Zusammengefasst zeigt diese Masterarbeit den Hintergrund, das Design und die Implementierung der Software und erklärt sowohl ihre technischen als auch ihre interaktiven Funktionen. Schließlich beschreibt sie, wie die Benutzer die Software ändern und verbessern können, wenn zukünftige weitere Anforderungen an die Software identifiziert werden sollten. A data analysis tool was developed using R in order to quickly and efficiently gain an initial understanding of the structure and predictive power of a dataset. This tool was developed for SHS VIVEON AG, a business and IT solution provider for customer management, and is meant to enable the firm’s Data Science team to perform initial exploratory data analysis of a client’s dataset. The two key drivers in the design of the software were versatility in the functions (visualization, clustering, classification, etc.) and an intuitive interface. This work will do the following: outline the needs of the firm’s Data Science team when faced with a new dataset, review the statistical and analytic methods for engaging with data in a business setting, recount the steps taken to create the tool in question (including the full considerations of SHS VIVEON AG and the results of usability testing), and take the reader through a step-by-step mock analysis of a non-proprietary dataset. Overall, the current work shows the background, design, and implementation of this software, explaining both its technical and interactive features. Finally, it points to ways that users can modify and improve upon the software if other requirements are identified in the future.

Cities are responsible for the predominant share of anthropogenic environmental pressures. Recently, consistent methodologies to measure the metabolism of cities have been developed in order to enhance comparability between case studies and enable cross-city comparisons at the macro-scale. This comparison illustrated potential factors and drivers explaining macro-scale differences between cities. However, such studies rely on very few data points and look at cities as homogenous entities omitting their complex functioning. When looking at the relationships between urban characteristics and metabolic flows at smaller spatial scales, drivers appear to be different than in macroscopic analyses, pointing towards the importance of taking microscale urban heterogeneity into account. The aim of this paper is to improve our understanding of these effects by analyzing the relationship between energy use and various urban indicators at a microscale level for ten cities (Brussels, Buenos Aires, Cape Town, Chicago, Glasgow, London, Los Angeles, Milan, New York City and San Francisco)., SCOPUS: cp.p, info:eu-repo/semantics/published