Publikationen

Hier finden Sie von Know-Center MitarbeiterInnen verfasste wissenschaftliche Publikationen

2018

Fessl Angela, Wesiak Gudrun, Pammer-Schindler Viktoria

Transfer of Theoretical Knowledge into Work Practice: A Reflective Quiz for Stroke Nurses.

Knowledge Management in Digital Change, North, K; Maier, R.; Haas. O;, Springer, Cham, 2018

Buch
Managing knowledge in periods of digital change requires not only changes in learning processes but also in knowledge transfer. For this knowledge transfer, we see reflective learning as an important strategy to keep the vast body of theoretical knowledge fresh and up-to-date, and to transfer theoretical knowledge to practical experience. In this work, we present a study situated in a qualification program for stroke nurses in Germany. In the seven-week study, 21 stroke nurses used a quiz on medical knowledge as an additional learning instrument. The quiz contained typical quiz questions (“content questions”) as well as reflective questions that aimed at stimulating nurses to reflect on the practical relevance of the learned knowledge. We particularly looked at how reflective questions can support the transfer of theoretical knowledge into practice. The results show that by playful learning and presenting reflective questions at the right time, participants reflected and related theoretical knowledge to practical experience.
2017

Breitfuß Gert, Kaiser Rene, Kern Roman, Kowald Dominik, Lex Elisabeth, Pammer-Schindler Viktoria, Veas Eduardo Enrique

i-Know Workshops 2017

CEUR Workshop Proceedings for i-know 2017 conference, CEUR , CEUR, Graz, Austria, 2017

Buch
Proceedings of the Workshop Papers of i-Know 2017, co-located with International Conference on Knowledge Technologies and Data-Driven Business 2017 (i-Know 2017), Graz, Austria, October 11-12, 2017.
2015

Kravcik Milos, Mikroyannidis Alexander, Pammer-Schindler Viktoria, Prilla Michael , Ullmann T.D.

Proceedings of the 5th Workshop on Awareness and Reflection in Technology Enhanced Learning.  In conjunction with the 10th European Conference on Technology Enhanced Learning: Design for Teaching and Learning in a Networked World

ARTEL 2015 Awareness and Reflection in Technology Enhanced Learning , 2015

Buch
2008

Pammer-Schindler Viktoria, Ley Tobias, Lindstaedt Stefanie

tagr: Unterstützung in kollaborativen Tagging-Umgebungen durch Semantische und Assoziative Netzwerke

Good Tags Bad Tags - Social Tagging in der Wissensorganisation, Gaiser, B., Hampel, T., Panke, S., Waxmann Verlag, 2008

Buch
2008

Kern Roman, Granitzer Michael, Pammer-Schindler Viktoria

Extending Folksonomies for Image Tagging

WIAMIS 2008 , Special Session on Multimedia Metadata Management & Retrieval, IEEE Computer Society, Klagenfurt, 2008

Buch

Fruhwirth Michael, Breitfuß Gert, Pammer-Schindler Viktoria, Thalmann Stefan

Wissensrisiken beim Design von datenbasierten Geschäftsmodellen identifizieren

Springer

Buch
Unternehmen wie Google oder Amazon haben auf beeindruckende Weise die Wirkung und Bedeutung datenbasierter Geschäftsmodelle aufgezeigt. Im Zuge einer steigenden Bewusstseinsbildung für diesen Trend und der zunehmenden Digitalisierung, versuchen mehr und mehr Unternehmen datenbasierte Geschäftsmodelle zu erstellen. Dies geschieht dabei häufig als Ergänzung zu traditionellen Geschäftsmodellen und erfolgt im Rahmen eines Geschäftsmodell-Innovationsprozesses. Dabei stellt sich zunächst einmal die Frage, inwieweit man diesen Prozess unterstützen kann? Ansätze die für allgemeine Geschäftsmodellinnovationen, wie z.B. der Business Model Canvas, entwickelt wurden sind hier natürlich grundsätzlich anwendbar. Bei näherer Betrachtung stellt man jedoch fest, dass datenbasierte Geschäftsmodelle besondere Eigenschaften haben und diese eine erweiterte Betrachtung erfordern.Eine spezielle Herausforderung dabei ist es, Wissensrisiken zu erkennen: Die Grundlage von datenbasierten Geschäftsmodellen sind Daten. Durch moderne Sensorik und große Speicher- und Datenverarbeitungskapazitäten können diese Datensätze sehr umfangreich sein. Mit Hilfe von modernen Datenanalysewerkzeugen können aus solchen Datensätzen kritische Erkenntnisse gewonnen werden und damit möglicherweise wettbewerbskritisches Wissen nach Außen geraten. Da es nicht trivial ist zu erkennen welches Wissen aus welchen Daten gewonnen werden kann, stellt dieses Szenario ein schwer zu kalkulierendes Risiko datenbasierter Geschäftsmodelle dar. Im Rahmen des Designprozesses von datenbasierten Geschäftsmodellen sollten jedoch Risiken und Vorteile eines möglichen Geschäftsmodells möglichst transparent sein. Denn nur auf einer möglichst umfassenden Analyse und Transparenz kann eine gute Entscheidung getroffen werden.Im vorliegenden Buchkapitel wird anhand einer Fallstudie eines global tätigen großen Unternehmens in der Automobilbranche 1) eine systematische Vorgehensweise für die Entwicklung eines datengetriebenen Geschäftsmodell in Ergänzung zu einem bestehenden, wissensintensiven Unternehmen beschrieben, 2) dadurch veranschaulicht welche Lücken bestehende Werkzeuge für Geschäftsmodell-Entwicklung in Bezug auf datengetriebene Geschäftsmodelle haben, und 3) eine Visualisierung von Geschäftsmodellen vorgestellt, die die gezielte Identifikation von Wissensrisiken ermöglicht.Die vorgeschlagene, und in der Fallstudie bereits erfolgreich erprobte, Visualisierung stellt eine interaktions-basierte Darstellung eines Geschäftsmodells dar. In dieser werden Wissensgrenzen dargestellt, über diese kein Kern-Wissen, sondern nur Daten und von Daten bzw. Wissen abgeleitete Werte (z.B. Vorhersagen) fließen sollen. Diese Visualisierung ist Diskussions- und Entscheidungsgrundlage um für jeden Fluss von Werten über diese Wissensgrenze hinweg dieses in der Entwurfsphase sicherzustellen, bzw. entsprechende Rahmen- und Handlungsrichtlinien für die Umsetzungsphase des Geschäftsmodells zu entwickeln
Kontakt Karriere

Hiermit erkläre ich ausdrücklich meine Einwilligung zum Einsatz und zur Speicherung von Cookies. Weiter Informationen finden sich unter Datenschutzerklärung

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close