Wissenschaftstheorie an der LMU München

Karteikarten und Zusammenfassungen für Wissenschaftstheorie an der LMU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Wissenschaftstheorie an der LMU München.

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Inwiefern kann man von Theorie erwarten in der Praxis anwendbar zu sein?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Was versteht man unter Machine Learning?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Welche Implikationen hat "Big Data" und "Big Data Analytics" für die Forschung?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Was versteht man unter Machine Learning?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Welche technologischen Eckpfeiler stützen die digitale Transformation der Gesellschaft?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Was versteht man unter "Big Data Analytics"?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Welche Wissenschaftlichen Kriterien und Hemmnisse gibt es zur Bewertung von Gestaltungsansätzen?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Welche Normativen Kriterien gibt es zur Bewertung von Gestaltungsansätzen?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Welche Effizienzkriterien gibt es zur Bewertung von Gestaltungsansätzen?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Nach welchen Kriterien kann man Gestaltungsansätze bewerten?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Was versteht man im Bezug auf die Ableitung theoretischer Erkenntnisse für die praktische Verwendung unter der Ableitungsproblematik?

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Beispiel für ein Experiment:
--> Frage: Werden bestimmte Gruppen (Frauen, Ausländer etc.) am
Arbeitsmarkt diskriminiert?

Welche Selektionsprobleme könnten hier auftreten? Welchen Lösungsvorschlag gäbe es?

Kommilitonen im Kurs Wissenschaftstheorie an der LMU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Wissenschaftstheorie an der LMU München auf StudySmarter:

Wissenschaftstheorie

Inwiefern kann man von Theorie erwarten in der Praxis anwendbar zu sein?

Theorien liefern für konkrete praktische Probleme eine Hilfestellung (und zwar insoweit es ihnen gelingt, die Bewegungskräfte des Geschehens richtig zu beschreiben), sie sollten aber nicht mit Ratschlägen, Verhaltensrezepten oder Handlungsanweisungen verwechselt werden.

–> Theoretiker befassen sich nicht mit der Verbesserung der Praxis. Es geht Ihnen vielmehr um eine Verbesserung der Erkenntnis.

Theorien sind von Natur aus unpraktisch.

  • um bestimmte Wirkmechanismen zu verstehen, vereinfachen Theorien bewusst und treffen teils abstrakte/wirklichkeitsferne Annahmen
    • Auch mit abstrakten und ggfs. falschen Annahmen sind gute Vorhersagen möglich
  • Keine Theorie kann alles erklären –> beschränkt hinsichtlich ihrer praktischen Verwertbarkeit & Erkenntnisleistung

Wissenschaftstheorie

Was versteht man unter Machine Learning?

Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt, sondern es „erkennt“ Muster und Gesetzmäßigkeiten in den Lerndaten. –> So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern

Man unterscheidet zwischen zwei Arten von maschinellem Lernen: Überwachtes (“supervised”) und
unüberwachtes (“unsupervised”)

Wissenschaftstheorie

Welche Implikationen hat "Big Data" und "Big Data Analytics" für die Forschung?
  • Übergang von Regierungsumfragen mit kleinen Stichprobengrößen hin zur Verfügbarkeit von administrativen Daten über die gesamte bzw. nahezu gesamte Population.
  • Zunehmende Verfügbarkeit von ökonomischen Daten aus dem Privatsektor erhöht Granularität (viele Unterelemente) von statistischen Auswertungen und ermöglicht Echtzeitauswertungen
  • Ökonomische Theorien behalten wichtige Rolle bei der Auswertung von großzahligen Datensätzen mit komplexen Strukturen
    • man könnte argumentieren, dass es mit Big Data keine Notwendigkeit mehr für irgendwelche mechanischen Erklärungen gibt –> noch nicht
  • Durch zunehmend große Datenmengen und verbesserte Analysetools können auch quantitative Daten für induktive Forschungsaktivitäten und -ziele genutzt werden
    • Bisher war Induktion mehr mit qualitativer Forschung verbunden
  • Aufkommen von Maschinellem Lernen (Machine learning)

Wissenschaftstheorie

Was versteht man unter Machine Learning?

Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht. Das heißt, es werden nicht einfach die Beispiele auswendig gelernt, sondern es „erkennt“ Muster und Gesetzmäßigkeiten in den Lerndaten. –> So kann das System auch unbekannte Daten beurteilen (Lerntransfer) oder aber am Lernen unbekannter Daten scheitern

Man unterscheidet zwischen zwei Arten von maschinellem Lernen: Überwachtes (“supervised”) und
unüberwachtes (“unsupervised”)

Wissenschaftstheorie

Welche technologischen Eckpfeiler stützen die digitale Transformation der Gesellschaft?
  • Zwei technologische Eckpfeiler
    1. Digitization: Conversion of an analogue signal conveying information (e.g. sound, image, printed text) to binary bits, enabling the usage of digital data (i.e. processing, storing, filtering, tracking, identification, duplication and transmission) on a global basis
    2. Interconnection: The Internet has led to growing interconnections that allow this to occur globally, at an increasing speed and at low costs
  • Exponentiell wachsende Computerleistung treibt die digitale Transformation zusätzlich voran
  • Konsequenz: Zunehmende große Datenmengen (“Big Data”)

Wissenschaftstheorie

Was versteht man unter "Big Data Analytics"?

Set aus Techniken und Werkzeugen die dazu benutzt werden, um große Datenmengen, die durch die verstärkte Digitalisierung, verstärktes monitoring menschlicher Aktivität & das IoT entstehen, zu interpretieren und zu verarbeiten.
Es kann verwendet werden, um Beziehungen abzuleiten, Abhängigkeiten herzustellen und Vorhersagen über Ergebnisse und Verhaltensweisen zu treffen. Unternehmen, Regierungen und Einzelpersonen können zunehmend auf beispiellose Datenmengen zugreifen, um Entscheidungen in Echtzeit zu treffen. Big Data Analytics ermöglicht das Kombinieren einer Vielzahl von Informationen aus verschiedenen Quellen und damit maschinelles Lernen, alsTreiber künstlicher Intelligenz.

Wissenschaftstheorie

Welche Wissenschaftlichen Kriterien und Hemmnisse gibt es zur Bewertung von Gestaltungsansätzen?
  • Wissenschaftlichkeit
    • Qualität der Begründung
    • Transparenz
    • Diskurs
  • Voraussetzungen und Hemmnisse
    • Ressourcenprobleme
    • Steuerungsprobleme
    • Störpotentiale
    • Soziale Einbettung

Wissenschaftstheorie

Welche Normativen Kriterien gibt es zur Bewertung von Gestaltungsansätzen?
  • Ziel- und Mittelbewertung
    • Die Technologie des Bösen ist böse
    • Der Zweck heiligt die Mittel nicht
    • Beispiele:
      • Ziel: Diskriminierung im Arbeitsmarkt wird überwiegend abgelehnt
      • Mittel: Körperliche Gewalt gegen Diskriminierer ist ebenso abzulehnen

  • Risikoakzentuierung
    • Technologien, die mit erheblichen Risiken verbunden sind, müssen kritisch hinterfragt werden
    • Beispiel:
      • Atomenergie ist hochgradig effizient, aber ebenso riskant

  • Kontrollierbarkeit und Reversibilität
    • Fragt, ob ein Instrumenteneinsatz in seinen Wirkungen eingedämmt und zurückgeführt werden kann
    • Beispiel:
      • Zusagen an einzelne Mitarbeiter werden zum Präzedenzfall; Rücknahme wird generell negativ erlebt

  • Erprobung
    • Instrumente sollten vor ihrem Einsatz erprobt werden
    • Beispiel:
      • Pilotprojekte; Tests mit Freiwilligen

  • Partizipation
    • Einbindung der Betroffenen führt zu größerer Akzeptanz der Technologie
    • Beispiel:
      • Leistungsbeurteilungssystem sollte von den Führungskräften und den Beurteilten akzeptiert werden

Wissenschaftstheorie

Welche Effizienzkriterien gibt es zur Bewertung von Gestaltungsansätzen?
  • Zweckeignung
    • Führt Mitteleinsatz zum Ziel? Effizienzkriterium
    • Beispiel: Eine Bonuszahlung führt zu mehr Anstrengung
  • Ökonomie
    • Ressourcenminimierung bei konstantem Ziel, bzw. Zielmaximierung bei gegebenem Ressourceneinsatz
    • Beispiel: Feedback führt mit geringeren Kosten zu mehr Anstrengung als ein Bonus
  • Realisierbarkeit
    • Das Instrument kann eingesetzt werden und kann faktische Kraft entfalten
    • Beispiel: Bonus ist legal; Führungskraft ist ausreichend geschult, um angemessen Feedback zu geben
  • Situationsadäquanz
    • Wirkungen unterscheiden sich situativ
    • Beispiel: Boni lassen sich effektiver umsetzen, wenn Ergebnisse gut gemessen werden können
  • Nebenwirkungen und Folgeprobleme
    • Die Auswahl einer Lösung hat immer die Abwahl einer alternativen Lösung zur Konsequenz
    • Beispiel: Feedback anstelle des Bonus führt zu Enttäuschung bei allen, die mit dem Zusatzeinkommen gerechnet haben

Wissenschaftstheorie

Nach welchen Kriterien kann man Gestaltungsansätze bewerten?

Drei Arten von Bewertungskriterien:

  1. Effizienzkriterien
    • Fragen nach der Ökonomie und Wirksamkeit des Handelns
  2. Normative Kriterien
    • Praktisches Handeln verändert die Welt und man sollte sich Rechenschaft darüber geben, ob man sie mit seinen Handlungen wirklich verbessert.
  3. Wissenschaftlichkeit
    • Einbettung/Begründung in wissenschaftlicher Erkenntnis

Wissenschaftstheorie

Was versteht man im Bezug auf die Ableitung theoretischer Erkenntnisse für die praktische Verwendung unter der Ableitungsproblematik?

Eine unmittelbare Ableitungtheoretischer Erkenntnisse für die praktische Verwendung ist nicht ohne weiteres möglich.
–> Komplex

Theoretische Aussagen können einfach tautologisch in technologische Aussagen überführt werden:

  • Theoretische Aussage: Wenn Manager am Unternehmensergebnis beteiligt werden, dann verhalten sie sich im Sinne des Prinzipals
  • Technologische Aussage: Wenn Manager sich im Sinne des Prinzipals verhalten sollen, dann sind sie am Unternehmensergebnis zu beteiligen!
  • –> Bis hierhin lediglich Logische Umformung der Aussage

Damit man dann aber die Normative Aussage: „Manager sollten am
Unternehmensergebnis beteiligt werden.“ treffen kann, müssen Zusatzannahmen getroffen werden:

  • Definitionsprobleme
    • Was genau ist eine Beteiligung am Unternehmensergebnis?
      Aktienoptionen? Phantom stocks? Wie lange sollen diese gehalten werden?
  • Messprobleme
    • Wie soll das Unternehmensergebnis gemessen werden? Umsatz? Aktienkurs? Marktanteil? EVA? EBIT? Zufriedenheit der Stakeholder
  • Situationsadäquanz
    • Theorien sind allgemein, Situationen aber spezifisch. Was in einer besonderen Situation angebracht ist, ist Auslegungssache.

Wissenschaftstheorie

Beispiel für ein Experiment:
--> Frage: Werden bestimmte Gruppen (Frauen, Ausländer etc.) am
Arbeitsmarkt diskriminiert?

Welche Selektionsprobleme könnten hier auftreten? Welchen Lösungsvorschlag gäbe es?
  • Klassische Befragungen erzeugen sozial erwünschtes Antwortverhalt

  • Vorwiegend faire/nicht-diskriminierende Arbeitgeber nehmen entsprechenden Befragungen teil

  • Arbeitnehmer wissen de facto oft nicht, ob diskriminiert wird oder nicht, sodass sie keine valide Auskunft erteilen können

Lösungsvorschlag: Z.B. Experiment mit fiktiven Lebensläufen

  •  Fiktive, identische Lebensläufe werden erstellt; das interessieren Merkmal wird systematisch variiert; anschließend werden die CVs  an Unternehmen versendet, wobei die versendete Version zufällig variiert wird

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Wissenschaftstheorie an der LMU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Betriebswirtschaftslehre an der LMU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur LMU München Übersichtsseite

Makro

Strategic Marketing

Selected Topics in Organizational Behavior

Electronic Commerce (Digital Business)

Management and Economics of Network Industries (Technology and Innovation)

Managing the Front End of Innovation (Technology & Innovation)

Marketing & Strategy

Recht

Management of digital technologies

Managing the Front End of Innovation

Management and Economics of Platforms

Technik des betrieblichen Rechnungswesens

Mikroökonomie

Unternehmensrechnung

Statistik

Digital Media & Business

Kommunikationswissenschaften

Einführung in die PR

Unternehmensrechnung

Externes Rechnungswesen

Privatrecht

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für Wissenschaftstheorie an der LMU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback