Projektstudium - M.WIWI-BWL.0059
Termine und Themen
Termine Wintersemester 2019/20
| Was | Fristen und Termine |
|---|---|
| Themenveröffentlichung | am 12.08.2019 - 13:00 Uhr >> Allgemeine Informationen zum organisatorischem Ablauf << |
| Einarbeitung ins Thema | bis 30.09.2019 |
| Spätester Starttermin | 01.10.2019 |
| Anmeldung im FlexNow | bis 18.10.2019 |
| Zwischenpräsentation | Anfang Januar |
| Abschlusspräsentation | Spätestens Anfang März |
| Abgabe der Dokumentation | Spätestens Ende März |
Bewerbung
- Idealerweise melden sich komplette Projektteams direkt per E-Mail beim Betreuer für eine verbindliche Bewerbung
- Einzelpersonen können Interesse äußern und werden an unvollständige Teams vermittelt
- Sollten Sie sich für Themen verschiedener Betreuer interessieren, schreiben Sie bitte eine E-Mail mit Ihren Themen-Präferenzen an alle Betreuer!
- Die Themen werden nach First-Come-First-Served-Prinzip vergeben und nach der Vergabe ausgegraut
Themen im WiSe 2019/20
Bitte vor der Bewerbung lesen: Detaillierte Projektbeschreibungen für das Wintersemester 2019/20
| Betreuer | Nr. | Thema |
|---|---|---|
| J. Busse | 1 | Konzeption und prototypische Implementierung eines webbasierten Autorenwerkzeuges zur entscheidungsunterstützten Gestaltung und Bereitstellung von multimedialem Micro Content |
| A. Lange | 2 | Empirische Untersuchung zum Einsatz IT-gestützter Lernformate für die kaufmännische Aus- und Weiterbildung in Unternehmen |
| R. Meyer von Wolff | 3 | Konzeption und prototypische Implementierung eines Chatbots für den Mitarbeiter Self-Service am Beispiel des Dienstreiseprozesses |
| H. Wesseloh | 4 | Empirische Analyse von Spielertypen in der Studierendenschaft und deren Präferenzen in Bezug auf Game-Design-Elemente |
| H. Wesseloh & S. Zenker |
5 | Konzeption und prototypische Entwicklung einer gamifizierten Smartwatch-Applikation für das betriebliche Gesundheitsmanagement |
| S. Zenker | 6 | Evaluationsstudie zum Einsatz eines Smartwatch-basierten mobilen Informationssystems zur Prozessunterstützung in der Praxis |
| M. Ziaeetabar | 7 | Challenges and Solutions to Machine Learning-Based Emotion Analysis of Textual data |