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