Wissensextraktion Clusterbildung mit KNIME

Größe: px
Ab Seite anzeigen:

Download "Wissensextraktion Clusterbildung mit KNIME"

Transkript

1 Hochschule Wismar University of Technology, Business and Design Fakultät für Ingenieurwissenschaften Wissensextraktion Clusterbildung mit KNIME von: Gunnar Keuer Mike Gehrhardt

2 Aufgabenstellung Mit dem Data-Mining Tool KNIME 1 (Konstanz Information Miner) soll ein Datensatz untersucht werden. Dieser Datensatz beruht auf Befragungen von Studenten der Hochschule Wismar und beinhaltet, in verschiedenen Kategorien unterteilt, Fragen über die Hochschule, die Stadt Wismar und zur Person. Ziel ist es herauszufinden, ob es einen Zusammenhang gibt zwischen den absolvierten Semestern der Studenten und ihrer Zufriedenheit gegenüber der Hochschule Wismar. Lassen sich Thesen wie: Je länger Studenten studieren, desto unzufriedener werden sie aus dieser Umfrage mit Zahlen belegen? 1 KINME

3 Inhalt Inhalt 1 Beschreibung des Datensatzes Inhalt des Fragebogens Bewertung des Datensatzes Skalierte Fragen weiß nicht Option Undefinierte Felder Datenvorverarbeitung Daten einlesen in KNIME Datenauswahl Data Mining Clusterbildung mit Weka SimpleKMeans Clusteranzahl: Clusteranzahl: Zufriedenheit berechnen mit Java Snippet Node Clusterbildung mit k-means für Semester & Zufriedenheit k-means ohne Behandlung der fehlerhaften Werte k-means nach Ersetzen der fehlerhaften Werte durch Null k-means ohne Reihen mit fehlerhaften Werten k-means mit wiederhergestellten Centroiden und ohne fehlerhafte Reihen Interpretation Bilderverzeichnis

4 Beschreibung des Datensatzes 1 Beschreibung des Datensatzes 1.1 Inhalt des Fragebogens Der vorliegende Datensatz, in Form einer Excel-Tabelle, umfasst die Befragung von 211 Studenten der Hochschule Wismar. Die Inhalte des Fragebogens sind in sieben Kategorien unterteilt. [1] Organisation (10 Themen) [2] Ausstattung / Infrastruktur (10 Themen) [3] Verwaltung (5 Themen) [4] Freizeit (3 Themen) [5] Stadt und Umgebung (9 Themen) [6] Gesamturteil über Wismar, HS Wismar (2 Themen) [7] Persönliche Angaben, wie Studiengang, Alter, Semester.. (6 Fragen) In Kategorie 1 bis 5 werden je 10 bis 3 Themen aufgelistet. Je Thema werden die gleichen zwei Fragen gestellt. Die Fragen lauten: [1] "Wie wichtig ist dir dieser Punkt?" [2] "Wie beurteilst du diesen Punkt?" Diese beiden skalierten Fragen 2 können mittels Ankreuzen von Feldern beantwortet werden. Es gibt pro Frage sechs Möglichkeiten zur Antwort. Auf Frage eins kann mit "sehr wichtig" (Note 1) bis "völlig unwichtig" (Note 5) eingegangen werden. Frage zwei wird beantwortet mit "sehr gut" (Note 1) bis "sehr schlecht" (Note 5). Außerdem gibt es die Möglichkeit beide Fragen mit "weiß nicht" zu beantworten. In Kategorie 6 kann nur die zweite Frage ("Wie beurteilst du diesen Punkt?") beantwortet werden. 2 Marktpsychologie. Skalierte Fragen 4

5 Beschreibung des Datensatzes Kategorie 7 bezieht sich auf persönliche Daten des Befragten. Hier beantwortet der Auszufüllende eine Reihe unterschiedlicher Fragen. Diese W-Fragen (welchen Studiengang, welches Semester, aus welchem Bundesland ) gliedern sich in Fragen mit Einzel- und Mehrfachauswahl 3. Die Fragen mit den möglichen Antworten lauten: Welchen Studiengang belegst du? [1] Design [2] Innenarchitektur [3] Kommunikationsdesign [4] Arch. Light Design [5] Architektur [6] Bauingenieurwesen [7] Pflege des Bauerbes [8] Int. Cruise Ship Management [9] Wirtschaftsrecht [10] Wirtschaftsinformatik [11] Betriebswirtschaft [12] Umwelt/ Verfahrenstechnik [13] Maschinenbau [14] Multimediatechnik [15] Elektrotechnik [16] In welchem Semester bist du?. 3 Marktpsychologie, Fragen mit Einfachauswahl oder Mehrfachauswahl 5

6 Beschreibung des Datensatzes Abschluss mit: [1] Bachelor [2] Diplom [3] Master Aus welchem Bundesland kommst du? [1] Baden-Würt. [2] Bayern [3] Berlin [4] Brandenburg [5] Bremen [6] Hamburg [7] Hessen [8] Meck.-Vorp. [9] Niedersachsen [10] Nordrhein-West. [11] Rheinland-Pfalz [12] Sachsen [13] Sachsen-Anhalt [14] Saarland [15] Schleswig-Holstein [16] Thüringen [17] Ausland 1.2 Bewertung des Datensatzes Skalierte Fragen Die Kategorien 1 bis 6 werden mittels einer Skala beantwortet. Es gibt fünf Möglichkeiten eine Bewertung abzugeben (Note 1, sehr gut bis Note 5, sehr schlecht). Da eine ungerade Skaleneinteilung gewählt wurde, gibt es die Möglichkeit eine neutrale Antwort (Note 3, weder gut noch schlecht) abzugeben. Der Befragte muss hier, im Gegensatz zu einer graden Anzahl der Skalenelemente, keine eindeutige Bewertung abgeben. Unter Umständen muss darauf geachtet werden, dass nicht übermäßig das neutrale Feld angekreuzt wurde, da die betreffende Datenreihe dann nur eingeschränkte Aussagerelevanz besitzt und unter Umständen das Ergebnis der ernsthaften 6

7 Beschreibung des Datensatzes Antworten anderer Reihen verfälscht. Die Verwendung einer mittleren Antwortoption hat somit sowohl Nach- als auch Vorteile weiß nicht Option Eine zusätzliche sechste Möglichkeit besteht in der Beantwortung der beiden Fragen mit "weiß nicht". Diese Antwort kann mehrere Schlüsse nach sich ziehen 5. Gegebenenfalls kommt der Befragte zu keinem endgültigen Entschluss. Er nutzt diese Auswahlmöglichkeit nach einer gewissen Nachdenkzeit als Ausgang, um dieses Frage zu umgehen. Der Befragte kann auch eine Irrelevanz-Antwort mit weiß nicht geben, da er diese Frage für nicht erachtenswert betrachtet. Eine dritte Möglichkeit besteht darin, dass der Befragte eine Protestantwort gibt und mit der Option weiß nicht seinen Widerstand ausdrückt. Gleiches ist möglich wenn gehäuft neutrale Bewertungen (Note 3) abgegeben werden. Unter Umständen ist weiß nicht mit mir egal zu übersetzen, was in den skalierten Fragen der Option Note 3 (neutral) gleich kommt Undefinierte Felder Der Fragebogen wurde in Form von zwei DIN-A4 Seiten ausgegeben. Der Befragte kreuzte mit einem Stift die Antworten an und im Folgenden mussten diese Informationen in die EDV übernommen werden. Da keine weiteren Angaben zur Übertragung vorhanden sind, kann davon ausgegangen werden, dass die Daten per Hand in die vorliegende Excel-Tabelle eingetragen wurden. Damit besteht die Möglichkeit, dass sich fehlerhafte Eintragungen einschleichen. Bei 211*82=17302 Feldern ist dies sehr wahrscheinlich. In der Tabelle dürfen für die ersten sechs Kategorien nur folgende Werte auftauchen: [1] (sehr wichtig / sehr gut) [2] (wichtig / gut) 4 Marktpsychologie, Mittlere Alternative bei Auswahlstufen von skalierten Fragen 5 Der Fragebogen, Antwortkategorie 7

8 Beschreibung des Datensatzes [3] (neutral / neutral) [4] (unwichtig / schlecht) [5] (völlig unwichtig / sehr schlecht) [x] (weiß nicht / weiß nicht) In der gesamten Excel-Tabelle ist kein x für die Ankreuzoption weiß nicht zu finden. Stattdessen tritt gehäuft die Null auf. Es ist somit davon auszugehen, dass bei dem Übertragen der Fragebögen das x durch eine 0 ersetzt wurde. Desweiteren sind Felder in der Tabelle frei gelassen worden oder mit einem Strich versehen. Auch für diese Eintragungen gibt es keine Beschreibung. Da diese Inhalte aber nur vereinzelnd auftreten, müssen sie später gesondert behandelt werden. Möglicherweise sind sie mit der Option weiß nicht gleichzusetzen. 8

9 Datenvorverarbeitung 2 Datenvorverarbeitung Der Datensatz liegt als Excel-Tabelle vor. Mit einem aktuellen Microsoft Excel kann die Tabelle geöffnet werden. Excel wird nur benutzt um die Daten in eine.csv Datei abzulegen. Dies erleichtert das weitere Verarbeiten, da die Daten nun in einem Microsoft unabhängigen Format gespeichert sind. Jedes Feld ist über ein Semikolon getrennt. Alle weiteren Schritte werden mit KNIME (Konstanz Information Miner) vorgenommen. 2.1 Daten einlesen in KNIME Im ersten Schritt in KNIME wird mittels einer File Reader Node die neu erzeugte.csv Datei eingelesen. In der Konfiguration der Node muss der Pfad angegeben und weitere einfache Einstellungen vorgenommen werden. Wichtig ist es die IDs der Zeilen einzulesen und das Kopffeld einer jeden Spalte. Weiterhin muss hier das Semikolon als Trennzeichen übernommen werden. Die File Table Option gibt die Möglichkeit zur Einsicht des Datensatzes. Nun wird über einen Column Filter in der nächsten Node die leere Interviewer Spalte und die Reihe mit der Nummerierung (1.1 W; 1.1 B; 1.2 W; 1.2 B ) gelöscht. Das Ergebnis sind 82 Spalten und 211 Reihen mit denen gearbeitet werden kann. Der Datentyp aller Spalten ist Integer. 2.2 Datenauswahl Ziel ist es herauszufinden ob es einen Zusammenhang gibt zwischen den absolvierten Semestern der Studenten und ihrer Zufriedenheit gegenüber der Hochschule Wismar. Infolge dessen sind alle Fragen zur Stadt Wismar, über Kulturangebote und Events herauszufiltern. Das betrifft die gesamte Kategorie 4 (Freizeit) und Kategorie 5 (Stadt und Umgebung). In Kategorie 6 (Gesamturteil) wird die Frage über das Gesamturteil der Stadt Wismar entfernt. Eine weitere Column Filter Node nimmt diese Einstellungen vor und entfernt die angesprochenen Spalten. Die Spaltenanzahl ist nun von 82 auf 57 gesunken. Eine weitere prinzipielle Vorverarbeitung, wie das Behandeln der undefinierten Felder, wird je nach Bedarf später durchgeführt. 9

10 Data Mining 3 Data Mining 3.1 Clusterbildung mit Weka SimpleKMeans Zu Beginn soll herausgefunden werden, ob es eine Sinn macht die Studenten nach ihren absolvierten Semestern zu Gruppieren. Die entsprechende Spalte enthält Werte von 1 bis 8 Semester. Über eine weitere Column Filter Node wird der Datensatz für die Weka SimpleKMeans Node vorbereitet. Da die Weka Node alle vorhandenen Spalten in die Bearbeitung einfließen lässt müssen alle Spalten, bis auf die der Semester, entfernt werden. Für den KMeans Algorithmus wird die Anzahl der gesuchten Cluster vorgegeben. Zunächst werden über ein initiales Clustering die Cluster bestimmt. Dann wird der jeweilige Mittelpunkt eines Clusters berechnet. Die daraus entstandenen Centroiden repräsentieren das jeweilige Cluster. Iterativ werden die Centroiden neu berechnet und verschoben, bis Cluster entstehen, welche relativ gut voneinander abgetrennt sind Clusteranzahl: 4 Im ersten Schritt wird eine Clusteranzahl von vier vorgegeben. Dies würde die Semesteranzahl auf die Hälfte reduzieren. Über die Option Weka Node View sind die Ergebnisse, siehe Abbildung 1, zu begutachten. Von den vier Clustern gibt es nur eins, in welches Werte integriert sind, die vom Mittelpunkt abweichen. Cluster 0 enthält ausschließlich alle Studenten des zweiten Semesters. In dieses Cluster fallen 98 der Befragten, was 46% entspricht. Cluster 1 enthält alle Studenten des vierten Semesters. Mit 84 Mitgliedern ist dies das zweitstärkste Cluster (40%). In Cluster 2 sind Studenten aus verschiedenen Semestern. Der Durchschnitt liegt bei 6.43 mit einer Abweichung von In dieser Gruppe sind 13% der Befragten, was 28 Studenten bedeutet. Cluster 3 enthält eine Person im ersten Semester (unter 1%). Da es ein Cluster gibt, welches nahezu keine Werte enthält ist es sinnvoll die Clusteranzahl zu überdenken. Eine Sorter Node gibt Aufschluss darüber, welche Studenten im Cluster 2 vertreten sind. Über die Configure Option der Node können einige Einstellungen vorgenommen werden. Das Ergebnis: Cluster 2 enthält 6 Prof. Dr. J. Cleve, Wissensextraktion / Data Mining, Clustering mit kmeans, Seite

11 Data Mining sowohl Studenten aus dem 8. als auch aus dem 6. Semester, was zu einem Mittel von 6.43 führt. Abbildung 1 Weka KMeans Clusterbildung der Semesteranzahl Clusteranzahl: 3 Die Clusteranzahl wird nun reduziert, um das nahezu leere Cluster auf die anderen aufzuteilen. Die Weka SimpleKMeans Node wird dementsprechend neu konfiguriert und ausgeführt. Das Ergebnis sind folgende drei Cluster nach zwei Durchläufen: 11

12 Data Mining Cluster centroids: Cluster 0 Mean/Mode: Std Devs: Cluster 1 Mean/Mode: 4 Std Devs: 0 Cluster 2 Mean/Mode: Std Devs: Clustered Instances 0 99 ( 47%) 1 84 ( 40%) 2 28 ( 13%) Cluster 3 wurde nun in Cluster 0 mit integriert. Es gibt folgende Aufteilung: Cluster 0: Studenten im 1. und 2. Semester (Studienstarter) Cluster 1: Studenten im 4. Semester (Mitten im Studium) Cluster 2: Studenten im 6. und 8. Semester (Kurz vor Studienabschluss) Abbildung 2 KNIME Workflow: Clusterbildung mit Weka SimpleKMeans Abbildung 2 zeigt den finalen KNIME Workflow, vom Einlesen der Daten bis zur Gruppierung der Semesterspalte in 3 Cluster. Die entstandenen 3 Cluster dienen nun als Ausgangsbasis für die weitere Berechnung und werden so beibehalten. 12

13 Data Mining 3.2 Zufriedenheit berechnen mit Java Snippet Node Da nun die Studenten in 3 signifikante Gruppen (Studienstarter, Mitten im Studium, Kurz vor Studienabschluss) eingeteilt sind muss die Zufriedenheit berechnet werden. Dazu wird der Ausgangsdatensatz weiter selektiert. In Kategorie 1 (Organisation), 2 (Ausstattung / Infrastruktur) und 3 (Verwaltung) geben die Studenten ihre Bewertungen zur Hochschule Wismar ab. Zum einen geben sie bekannt, wie wichtig ihnen der Punkt ist und zum anderen, wie sie ihn Beurteilen. Da nur die Beurteilungen wichtig sind werden erneut über eine Column Filter Node alle Spalten zur Wichtigkeit entfernt. Als Ergebnis bleiben 32 Spalten, welche Beurteilungen und persönliche Informationen der 211 Befragten enthalten. Um eigene Funktionen in KNIME einzubinden und die Felder des Datensatzes zu manipulieren gibt es die Möglichkeit Java-Programmcode einzufügen. Dies passiert über die Java Snippet Node. Über die Option Configure gelangt man in die Eingabe-Dialogbox für den Java Code. Das dort eingefügte Programm arbeitet sich durch Zeilen und kann in einer neuen Spalte am Ende das Ergebnis einfügen. Alternativ kann auch eine Spalte ersetzt werden. Findet eine Auswertung zeilenübergreifend statt wird mit globalen Variablen gearbeitet. Es soll nun der Durchschnitt aus allen Beurteilungen berechnet werden. Dies wird mit einem kleinen Programm umgesetzt. // Berechnung der Gesamtzufriedenheit pro Zeile double i=0; i= (double) ($Beurteilung 1$ + $Beurteilung 2$ + ) / Anzahl der Beurteilungen; return i; Das vollständige Java-Programm ist in der Java Snippet Node zu finden. Die Java Snippet Node erzeugt eine neue Spalte Zufriedenheit mit dem Datentyp Double. Dort sind die Mittelwerte der Beurteilungen enthalten. Zu beachten ist, dass hier für korrekte Mittelwerte explizit auf den Datentyp Double gecastet werden muss, da sonst die Werte gerundet werden. 13

14 Data Mining Abbildung 3 Neue Spalte: Gesamtzufriedenheit pro Person Die neue Spalte, grün umrandet, siehe Abbildung 3, enthält die errechneten Werte. Möglich sind Inhalte von 1 (sehr zufrieden) bis 5 (sehr unzufrieden). Dies ist die erste Spalte mit dem Datentyp Double in dieser Tabelle. Leider gibt es einige Felder in den Beurteilungen, welche keine Integerwerte enthalten. Sofern ein Feld frei gelassen wurde oder es einen Strich beinhaltet ersetzt KNIME den Inhalt mit einem Fragezeichen und kann folglich keine Werte für die Spalte Zufriedenheit errechnen (siehe Abbildung 3, roter Pfeil). Die fehlenden Werte werden im Folgenden besonders beachtet. 3.3 Clusterbildung mit k-means für Semester & Zufriedenheit k-means ohne Behandlung der fehlerhaften Werte Im ersten Schritt wurde die Anzahl der sinnvollen Cluster berechnet. Als zweites folgte die Berechnung der Gesamtzufriedenheit je Reihe. Nun soll überprüft werden ob es einen Zusammenhang zwischen den Semester-Clustern und der Zufriedenheit gibt. Dazu werden erneut Cluster gebildet, nun aber die Daten der Zufriedenheit mit hinzugezogen. Im ersten Versuch werden die fehlerhaften Felder, welche mit einem? markiert sind nicht gesondert betrachtet. Die benötigten Berechnungen führt die k- Means Node durch. Zu finden ist sie in der Node Repository unter Mining > Clustering > k-means. Über die Option Configure gelangt der Anwender in die Dialogbox um festzulegen, welche Spalten in die Berechnung einfließen sollen. Es 14

15 Data Mining werden alle Spalten entfernt und nur die Spalte Semester und die neu erstellte Spalte Zufriedenheit hinzugefügt. Execute führt die Node aus. Der Eintrag Cluster View zeigt die Ergebnisse an, siehe Abbildung 4. Abbildung 4 k-means ohne Behandlung der fehlerhaften Felder Zu sehen sind die ähnlichen Cluster aus dem Kapitel 3.1 der Weka SimpleKMeans Node. Neu hinzu gekommen sind die Werte über die Zufriedenheit. Alle Studenten des ersten und zweiten Semesters sind in Cluster 0 zu finden. Insgesamt 99 Reihen. Für diese Gruppe wurde eine Gesamtzufriedenheit von 2,04 berechnet. Die 84 Studenten der zweiten Gruppe sind im vierten Semester. Ihre berechnete Zufriedenheit liegt bei 2,16. Studenten des Semesters sechs und acht sind in Cluster 2 zusammengefasst. Ihre durchschnittliche Zufriedenheit wurde mit 2,26 berechnet. Daraus kann abgeleitet werden, dass mit zunehmendem Semester die Beurteilung der Studenten, und damit ihre Zufriedenheit, schlechter wird. Von Semester zwei zu Semester vier gibt es einen Unterschied von 0,12 Punkten, was 0,06 Punkte pro Semester entsprechen würde. Der Unterschied von Semester vier bis Semester 6,5 beläuft sich auf 0,10 Punkten, was 0,04 Punkte Verschlechterung pro Semester bedeutet. Abbildung 5 zeigt den KNIME Workflow für die Berechnung der Cluster mittels des K- Means Algorithmus ohne gesonderte Behandlung der fehlerhaften Werte. Die Daten werden über die File Reader eingelesen und mit verschiedenen Filtern bearbeitet, Die Java Snippet Node fügt die neue Spalte Zufriedenheit hinzu. Die k-means Berechnungen werden in der grünen Node durchgeführt. 15

16 Data Mining Abbildung 5 K-Means Workflow k-means nach Ersetzen der fehlerhaften Werte durch Null In Kapitel wurde auf die Felder mit undefiniertem Inhalt eingegangen. Bislang waren diese Felder Teil der Berechnung und somit bestand eine Möglichkeit, dass diese Felder auch die Ergebnisse negativ beeinflussen. Um das Ergebnis aus Kapitel zu verifizieren wird die k-means Berechnung wiederholt. Hinzu kommt eine Fehlerbehandlung der unbekannten Werte. In Abbildung 6 ist der KNIME Workflow dargestellt. Abbildung 6 K-Means Workflow mit Ersetzen der unbekannten Werte Hinzu gekommen ist eine neue Node. Die Missing Value Node gibt dem Anwender die Möglichkeit bestimmte Werte zu ersetzen. Über die Configure Option lassen sich Einstellungen vornehmen. In allen Integer-Spalten sollen die fehlenden Werte durch eine Null ersetzt werden. Diese Änderung betritt die Berechnung der Zufriedenheit, daher muss die Node vor der Java Snippet Node integriert werden Die Gegenüberstellung des neuen Ergebnis der k-means Node ist in Abbildung 7 zu sehen. 16

17 Data Mining Abbildung 7 Links: ohne Fehlerbehandlung, Rechts mit "Missing Value" Node In der Zuweisung der Reihen zu den Clustern gab es keine Veränderung. Links sind die bekannten Ergebnisse aus Kapitel zu sehen. Rechts die neuen Werte, welche das Ersetzen der unbekannten Felder mit Null beinhalten. Es sind neue Reihen verwertbar geworden. Da in die Berechnung nun einige neue Felder eingegangen sind hat sich die Zufriedenheit leicht verändert. Die neuen Reihen haben die Zufriedenheit in allen drei Clustern gesenkt. Dies lässt darauf schließen, dass die neu verfügbar gemachten Reihen überdurchschnittlich schlechte Bewertungen beinhalten. Der Abwärtstrend mit aufsteigenden Semestern ist dennoch deutlich zu erkennen k-means ohne Reihen mit fehlerhaften Werten Das Ergebnis aus der ersten k-means Clusterbildung wurde in der zweiten Berechnung bestätigt. Da jedoch Werte ersetzt wurden und es keine Informationen darüber gibt wie die fehlenden Werte zustande kamen, wird eine dritte Berechnung durchgeführt. Nun werden die Ausgangswerte nicht verändert. Alle Reihen mit fehlerhaften Angaben werden aussortiert. Abbildung 8Aussortieren fehlerhafter Reihen: k-means Workflow Abbildung 8 zeigt den KNIME Workflow der erneuten k-means Berechnung. Die Sorter Node wurde verwendet um abzuschätzen wie viele Reihen entfernt werden 17

18 Data Mining müssen. Insgesamt sind 15 Reihen mit einem? versehen. Diese werden mit der Row Splitter Node aussortiert. Die k-means Node berechnet die Werte, welche in Abbildung 9 zu sehen sind. Abbildung 9 Rechts: Neue k-means Clusterbildung ohne fehlerhafte Reihen Die erneute Berechnung der Cluster zeigt ein unvermutetes Ergebnis. Die Centroiden haben sich stark verschoben und die Werte sind weder zum Stützen noch zur Widerlegung verwertbar. Offensichtlich wurden die Studenten des vierten Semesters in Cluster 2 eingeordnet. Cluster 0 und Cluster 1 beinhalten wahrscheinlich ausschließlich Studenten des ersten und zweiten Semesters k-means mit wiederhergestellten Centroiden und ohne fehlerhafte Reihen Die Entfernung der Reihen mit unbekannten Feldern hat das Gleichgewicht der Clusterbildung gestört. Die Werte sind weder zur Widerlegung noch zur Verifizierung der bisherigen Ergebnisse einsetzbar. Abbildung 10 zeigt den neuen KNIME Workflow. Nun wird gezielt darauf geachtet, dass die Studenten in den jeweiligen Gruppen sind. Die erste Row Splitter Node entfernt alle Reihen, welche fehlende Werte beinhalten. Die zwei folgenden Row Splitter Nodes separieren die Studenten des ersten und zweiten Semesters. Über eine Concatenate Node werden die Daten wieder verdichtet und der k-means Berechnung für das Cluster 0 zugeführt. Die vierte Row Splitter Node teilt die verbliebenden Reihen in zwei Gruppen auf. Ausgang 0 Filtered beinhaltet alle Studenten des vierten Semesters. Ausgang 1 Filtered out (unterer Ausgang) enthält alle Studenten des sechsten und achten Semesters. Entsprechende k- Means Noden berechnen die Zufriedenheit für die Studenten der jeweiligen Cluster. Somit ist sichergestellt, dass in den jeweiligen Clustern nur die Studenten der Semester vorhanden sind, wie in den ersten beiden Berechnungen. 18

19 Data Mining Abbildung 10 Workflow: Berechnung der Centroiden mit k-means.abbildung 11 zeigt das Ergebnis der Berechnung der k-means Noden. Deutlich ist zu erkennen, dass Studenten des ersten und zweiten Semesters wieder dem Cluster 0 (Cluster View 0:45) zugeordnet wurden. In diesem Cluster fehlen 9 Reihen aufgrund der Aus-sortierung. Cluster 1 (Cluster View 0:51) enthält die Studenten des vierten Semesters. Hier reduzierten sich die Reihen von 84 auf 79. Cluster View 0:47 zeigt die Studenten des sechsten und achten Semesters. In diesem Cluster gab es eine Reihe mit fehlenden Angaben. Der Trend der abfallenden Zufriedenheit ist auch hier deutlich zu erkennen und stützt die bisherigen Ergebnisse. Abbildung 11 k-means Cluster 19

20 / Interpretation 4 Interpretation Abbildung 12 Finale Auswertung der korrekten drei Durchläufe In Abbildung 12 sind alle Erbennisse der k-means Durchläufe mit Semester und Zufriedenheit dargestellt, welche das Ergebnis stützen oder widerlegen können. Cluster View 0:8 (oben rechts) zeigt die Clusterbildung ohne Behandlung der unbekannten Felder. Cluster View 0:19 (unten rechts) zeigt die Clusterbildung nachdem die unbekannten Felder mit dem wahrscheinlichten Wert, einer Null für die Option weiß nicht, ersetzt wurden. Cluster 0 repräsentiert alle Studienanfänger (Studenten des ersten und zweiten Semesters). Cluster 1 mit 84 Reihen stellt die Studenten des vierten Semesters dar. Cluster 2 beinhaltet alle Studenten im sechsten und achten Semester und repräsentiert die Studenten kurz vor ihrem Abschluss. Obwohl beide Berechnungen, wie zu erwarten war, recht ähnlich sind, gibt es leichte Unterschiede in der Zufriedenheit je Cluster. Auch die letzte Berechnung stützt den Abwärtstrend-Trend in der Zufriedenheit. In der Folgenden Tabelle sind alle Berechneten Werte der Zufriedenheit aufgelistet. 20

21 / Interpretation Zufriedenheit Cluster 0 (Studienanfänger) Zufriedenheit Cluster 1 (Mitten Studium) im Zufriedenheit Cluster 2 (Kurz vor Studienende) Ohne der Werte Behandlung unbekannten Ersetzen der unbekannten Werte mit Entfernen Reihen unbekannten Werten der mit Deutlich ist in dieser Tabelle zu erkennen, dass sie die Werte je nach Fehlerbehandlung leicht verändern. Ein prinzipieller Trend ist jedoch in jeder Reihe zu erkennen. Von Cluster 0 (Studienanfänger) bis Cluster 2 (Studenten kurz vor dem Abschluss) sinkt stetig die Zufriedenheit. Möglicherweise ist das damit zu erklären, dass die Studenten einfach nur kritischer werden. 21

22 Bilderverzeichnis 5 Bilderverzeichnis Abbildung 1 Weka KMeans Clusterbildung der Semesteranzahl Abbildung 2 KNIME Workflow: Clusterbildung mit Weka SimpleKMeans Abbildung 3 Neue Spalte: Gesamtzufriedenheit pro Person Abbildung 4 k-means ohne Behandlung der fehlerhaften Felder Abbildung 5 K-Means Workflow Abbildung 6 K-Means Workflow mit Ersetzen der unbekannten Werte Abbildung 7 Links: ohne Fehlerbehandlung, Rechts mit "Missing Value" Node Abbildung 8Aussortieren fehlerhafter Reihen: k-means Workflow Abbildung 9 Rechts: Neue k-means Clusterbildung ohne fehlerhafte Reihen Abbildung 10 Workflow: Berechnung der Centroiden mit k-means Abbildung 11 k-means Cluster Abbildung 12 Finale Auswertung der korrekten drei Durchläufe

2. Datenvorverarbeitung

2. Datenvorverarbeitung Kurzreferat Das Ziel beim Clustering ist es möglichst gleich Datensätze zu finden und diese in Gruppen, sogenannte Cluster zu untergliedern. In dieser Dokumentation werden die Methoden k-means und Fuzzy

Mehr

Data Mining Bericht. Analyse der Lebenssituation der Studenten. der Hochschule Wismar. Zur Veranstaltung. Business Intelligence

Data Mining Bericht. Analyse der Lebenssituation der Studenten. der Hochschule Wismar. Zur Veranstaltung. Business Intelligence Data Mining Bericht Analyse der Lebenssituation der Studenten der Hochschule Wismar Zur Veranstaltung Business Intelligence Eingereicht von: Mohamed Oukettou 108 208 Maxim Beifert 118 231 Vorgelegt von:

Mehr

Data Mining in KNIME

Data Mining in KNIME Fakultät für Wirtschaftswissenschaften Studiengang Master Digitale Logistik und Management Seminararbeit Data Mining in KNIME zur Veranstaltung Business Intelligence WS 2012/2013 Eingereicht von: Christian

Mehr

Gesundheitsbarometer 2009. Verbraucherbefragung zur Qualität der Gesundheitsversorgung in Deutschland

Gesundheitsbarometer 2009. Verbraucherbefragung zur Qualität der Gesundheitsversorgung in Deutschland Gesundheitsbarometer 2009 Verbraucherbefragung zur Qualität der Gesundheitsversorgung in Deutschland Das Design der Studie Telefonische Befragung durch ein unabhängiges Marktforschungsinstitut (Valid Research,

Mehr

Auswertung der Workload-Befragung mit MS ACCESS

Auswertung der Workload-Befragung mit MS ACCESS Auswertung der Workload-Befragung mit MS ACCESS Inhaltsverzeichnis 1. Aufbereitung der Daten... 2 1.1. Herstellung der Textfiles... 2 1.2. Import der Textdateien... 3 1.3. Verbindungen erstellen... 8 2.

Mehr

Fragebogenauswertung zum Informatiklehrertag Bayern 2009 (ILTB 2009)

Fragebogenauswertung zum Informatiklehrertag Bayern 2009 (ILTB 2009) Fragebogenauswertung zum Informatiklehrertag Bayern 2009 (ILTB 2009) 1. Auswertung der personenbezogenen Daten Insgesamt besuchten 271 Lehrerinnen und Lehrer aus ganz Bayern und Oberösterreich die Universität

Mehr

Hinweise zur. Auswertung. Markus Scholz Michael Wagner Version 1.0

Hinweise zur. Auswertung. Markus Scholz Michael Wagner Version 1.0 Hinweise zur Auswertung Markus Scholz Michael Wagner Version 1.0 Struktur der Auswertung Die Auswertung der Ergebnisse und somit der Vergleich der Einschätzungen verschiedener Personen erfolgt mittels

Mehr

HBB EasyClone. Master-Model-Modus aktivieren. Master-Model Suchfilter. Kontextmenü (Rechtsklick)

HBB EasyClone. Master-Model-Modus aktivieren. Master-Model Suchfilter. Kontextmenü (Rechtsklick) HBB EasyClone HBB EasyClone ist ein Programm, das den Klonvorgang in NX vereinfacht und erweitert. Master-Model-Modus aktivieren Master-Model Suchfilter Regelverwaltung Darstellung der Quellbaugruppe als

Mehr

4 ANALYSE VON TABELLEN

4 ANALYSE VON TABELLEN MS Excel 2010 Aufbau Analyse von Tabellen 4 ANALYSE VON TABELLEN Lernen Sie in diesem Kapitel die Möglichkeiten kennen, Tabelleninhalte optimal auszuwerten und mit was wäre wenn die Daten zu analysieren.

Mehr

Dokumentation Datamining

Dokumentation Datamining Hochschule Wismar University of Applied Sciences Technology, Business and Design Fakultät für Ingenieurwissenschaften, Bereich EuI Dokumentation Datamining Eingereicht am: 13. Mai 2012 von: Karsten Diepelt

Mehr

Excel 2010 Zwischenergebnisse automatisch berechnen

Excel 2010 Zwischenergebnisse automatisch berechnen EX.031, Version 1.0 14.10.2013 Kurzanleitung Excel 2010 Zwischenergebnisse automatisch berechnen Wenn man in Excel mit umfangreichen Listen oder Tabellen arbeitet, interessiert vielfach nicht nur das Gesamtergebnis,

Mehr

Einführung in QtiPlot

Einführung in QtiPlot HUWagner und Julia Bek Einführung in QtiPlot 1/11 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Bei Fragen und Fehlern: jubech@cup.lmu.de Inhaltsverzeichnis

Mehr

SWN-NetT Webmail. Benutzerhandbuch für SWN-NetT Webmail. SWN-NetT Webmail finden Sie unter: http://webmail.swn-nett.de

SWN-NetT Webmail. Benutzerhandbuch für SWN-NetT Webmail. SWN-NetT Webmail finden Sie unter: http://webmail.swn-nett.de SWN-NetT Webmail Benutzerhandbuch für SWN-NetT Webmail SWN-NetT Webmail finden Sie unter: http://webmail.swn-nett.de Übersicht Einstieg... 2 Menü... 2 E-Mail... 3 Funktionen... 4 Auf eine neue Nachricht

Mehr

Hilfe zur Dokumentenverwaltung

Hilfe zur Dokumentenverwaltung Hilfe zur Dokumentenverwaltung Die Dokumentenverwaltung von Coffee-CRM ist sehr mächtig und umfangreich, aber keine Angst die Bedienung ist kinderleicht. Im Gegensatz zur Foto Galeria können Dokumente

Mehr

Einführung in QtiPlot

Einführung in QtiPlot HUWagner und Julia Bek Einführung in QtiPlot 30. Juni 2011 1/13 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Inhaltsverzeichnis 1 Programmeinführung

Mehr

Schnelleinstieg. Datenimport für die EXPOSÉ - Familie. Import von Adress / Objektdaten aus MS Excel. = Datenintegration aus anderen Lösungen

Schnelleinstieg. Datenimport für die EXPOSÉ - Familie. Import von Adress / Objektdaten aus MS Excel. = Datenintegration aus anderen Lösungen Schnelleinstieg Datenimport für die EXPOSÉ - Familie Import von Adress / Objektdaten aus MS Excel = Datenintegration aus anderen Lösungen node Systemlösungen e.k. Kantstr. 149 10623 Berlin Tel: +49 30

Mehr

Die Excel Schnittstelle - Pro Pack

Die Excel Schnittstelle - Pro Pack Die Excel Schnittstelle - Pro Pack Die Excel Pro Pack ist eine Erweiterung der normalen Excel Schnittstelle, die in der Vollversion von POSWare Bestandteil der normalen Lizenz und somit für alle Lizenznehmer

Mehr

Webmail. Anleitung für Ihr online E-Mail-Postfach. http://webmail.willytel.de

Webmail. Anleitung für Ihr online E-Mail-Postfach. http://webmail.willytel.de Webmail Anleitung für Ihr online E-Mail-Postfach http://webmail.willytel.de Inhalt: Inhalt:... 2 Übersicht:... 3 Menü:... 4 E-Mail:... 4 Funktionen:... 5 Auf neue Nachrichten überprüfen... 5 Neue Nachricht

Mehr

Das Studiengangsinformationssystem (SGIS)

Das Studiengangsinformationssystem (SGIS) Das Studiengangsinformationssystem (SGIS) Manual für Typo3-Redakteure Version 1.a Mai 2015 Kontakt: Referat 1.4 - Allgemeine Studienberatung und Career Service Christian Birringer, christian.birringer@uni-rostock.de

Mehr

LEITFADEN E-MAIL-ZUSTELLUNG

LEITFADEN E-MAIL-ZUSTELLUNG LEITFADEN E-MAIL-ZUSTELLUNG Die folgenden Informationen sollen Ihnen die Handhabung der E-Mails mit der Mautaufstellung und/ oder mit dem Einzelfahrtennachweis erleichtern. Empfangskapazität Ihrer Mailbox

Mehr

Kommunikationskompetenz von Schulleiterinnen und Schulleitern

Kommunikationskompetenz von Schulleiterinnen und Schulleitern Kommunikationskompetenz von Schulleiterinnen und Schulleitern Ergebnisrückmeldung zur Onlinebefragung Kontakt: Dipl.-Psych. Helen Hertzsch, Universität Koblenz-Landau, IKMS, Xylanderstraße 1, 76829 Landau

Mehr

PowerPoint Unterrichtsskript WIHOGA Dortmund. 1 Einführung und Formatierung Verschiedenes Folienmaster Animationen...

PowerPoint Unterrichtsskript WIHOGA Dortmund. 1 Einführung und Formatierung Verschiedenes Folienmaster Animationen... PowerPoint 2007 Unterrichtsskript WIHOGA Dortmund 1 Einführung und Formatierung... 2 1.1 Start und Anwendungsfenster... 2 1.2 Folienlayouts... 2 1.3 Entwurfsvorlagen und Farbschema... 3 1.4 Texte und Grafiken

Mehr

Anleitung für den Export und Import von Bewertungslisten für Prüfer

Anleitung für den Export und Import von Bewertungslisten für Prüfer Anleitung für den Export und Import von Bewertungslisten für Prüfer aus dem PAUL Webportal Stand: Februar 2014 1 Liebe Lehrenden, das vorliegende Dokument soll Ihnen als eine Schritt für Schritt Anleitung

Mehr

Um zusammenfassende Berichte zu erstellen, gehen Sie folgendermaßen vor:

Um zusammenfassende Berichte zu erstellen, gehen Sie folgendermaßen vor: Ergebnisreport: mehrere Lehrveranstaltungen zusammenfassen 1 1. Ordner anlegen In der Rolle des Berichterstellers (siehe EvaSys-Editor links oben) können zusammenfassende Ergebnisberichte über mehrere

Mehr

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg 1 Dieses Script ist als Schnellstart gedacht, um das Prinzip von LimeSurvey zu verstehen. Zahlreiche Optionen stehen zur individuellen Erstellung von Umfragen zur Verfügung ein ausführliches Benutzerhandbuch

Mehr

Das CHE-LänderRanking

Das CHE-LänderRanking Centrum für Hochschulentwicklung Das CHE-LänderRanking Dr. Sonja Berghoff Dr. Florian Buch Lars Hüning Arbeitspapier Nr. 54 November 2004 Inhalt 1. Ländervergleich von Universitäten für 2004...3 2 Geisteswissenschaften

Mehr

PRAXISBUTLER ANPASSUNG DER VORLAGEN

PRAXISBUTLER ANPASSUNG DER VORLAGEN Praxisbutler Anpassung der Vorlagen 1 PRAXISBUTLER ANPASSUNG DER VORLAGEN Die Vorlagen werden hauptsächlich in den Bereichen Klienten und Fakturierung benutzt. Die Anpassung dieser Vorlagen ist wichtig,

Mehr

1.1 Das Ziel: Basisdaten strukturiert darzustellen

1.1 Das Ziel: Basisdaten strukturiert darzustellen MS Excel 203 Kompakt PivotTabellen. Das Ziel: Basisdaten strukturiert darzustellen Jeden Tag erhalten wir umfangreiche Informationen. Aber trotzdem haben wir oft das Gefühl, Entscheidungen noch nicht treffen

Mehr

betterask - Online -Umfragen Kurzanleitung: Eine Umfrage durchführen

betterask - Online -Umfragen Kurzanleitung: Eine Umfrage durchführen Kurzanleitung: Eine Umfrage durchführen betterask Online-Umfragen 1. STATEMENT ZUR NICHTVERWENDUNG VON KUNDENDATEN Die beim Webdienst "Betterask" gespeicherten Kundendaten werden von den Dienstbetreibern

Mehr

6.3 Serienbriefe über Microsoft Excel und Word

6.3 Serienbriefe über Microsoft Excel und Word 6.3 Serienbriefe über Microsoft Excel und Word Handelt es sich um eine große Anzahl von Kontakten, die an einem Mailing teilnehmen soll, kann es vorteilhaft sein, den Serienbrief über Microsoft Excel und

Mehr

Im Falle der Neueingabe müssen Sie in dem nachfolgendem Formular die Datenquelle auswählen und die Art der Prüfung festlegen.

Im Falle der Neueingabe müssen Sie in dem nachfolgendem Formular die Datenquelle auswählen und die Art der Prüfung festlegen. Ereignismanager Ereignismanager Ereignismanager - Grundsätzliches Allgemeines Mit Hilfe des Ereignismanagers können Sie Feldeingaben (bei Neueingaben oder Änderungen) überprüfen lassen. Sie können für

Mehr

ARAkoll 2013 Dokumentation. Datum: 21.11.2012

ARAkoll 2013 Dokumentation. Datum: 21.11.2012 ARAkoll 2013 Dokumentation Datum: 21.11.2012 INHALT Allgemeines... 3 Funktionsübersicht... 3 Allgemeine Funktionen... 3 ARAmatic Symbolleiste... 3 Monatsprotokoll erzeugen... 4 Jahresprotokoll erzeugen

Mehr

MailUtilities: Remote Deployment - Einführung

MailUtilities: Remote Deployment - Einführung MailUtilities: Remote Deployment - Einführung Zielsetzung Die Aufgabe von Remote Deployment adressiert zwei Szenarien: 1. Konfiguration der MailUtilities von einer Workstation aus, damit man das Control

Mehr

How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage

How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage How-To : Nachtragen von Tagesdiagrammen auf der Solarlog Homepage Von Zeit zu Zeit erweitern neue Funktionen die Ausstattungsmerkmale des SolarLog. Wenn ein neues Firmewareupdate heraus kommt, werden plötzlich

Mehr

IHK-Reutlingen SERIENDRUCK MIT WORD 2003. Y. u. J. THOMALLA, Horb

IHK-Reutlingen SERIENDRUCK MIT WORD 2003. Y. u. J. THOMALLA, Horb IHK-Reutlingen SERIENDRUCK MIT WORD 2003 Y. u. J. THOMALLA, Horb INHALT 1 GRUNDLAGEN...1 1.1 GRUNDAUFBAU VON SERIENBRIEFEN...1 1.2 SERIENDRUCK IM ÜBERBLICK...1 1.3 EINSTELLUNGEN ZUM SERIENDRUCK...2 2 DATENQUELLEN

Mehr

ULDA-BH11E. Excel-Anwendung-Buchhaltung

ULDA-BH11E. Excel-Anwendung-Buchhaltung Excel-Anwendung-Buchhaltung ULDA-BH11E 1. Eigenschaften 2. Installation 3. Makros in Excel 2010 aktivieren 4. Hinweise zur Eingabe der Daten 5. Dateneingabe im Blatt Eingabe 6. das Blatt Kunden 7. das

Mehr

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster Webseitennavigation mit dem Content-Management-System Imperia Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster 10. Januar 2006 Inhaltsverzeichnis 1. Einführung 4 2. Rubrikenstruktur

Mehr

Eigenen Feedbackbogen erstellen

Eigenen Feedbackbogen erstellen Wegleitung für Lehrpersonen Eigenen Feedbackbogen erstellen 1. Vorgehensweise klären 2. Bestehenden Fragebogen ergänzen 3. Fragebogen neu erstellen 4. Bestehenden Fragebogen ändern 5. Statistische Datenerhebung

Mehr

Bedienungsanleitung. Stand: 26.05.2011. Copyright 2011 by GEVITAS GmbH www.gevitas.de

Bedienungsanleitung. Stand: 26.05.2011. Copyright 2011 by GEVITAS GmbH www.gevitas.de GEVITAS-Sync Bedienungsanleitung Stand: 26.05.2011 Copyright 2011 by GEVITAS GmbH www.gevitas.de Inhalt 1. Einleitung... 3 1.1. Installation... 3 1.2. Zugriffsrechte... 3 1.3. Starten... 4 1.4. Die Menü-Leiste...

Mehr

So importieren Sie einen KPI mithilfe des Assistenten zum Erstellen einer Scorecard

So importieren Sie einen KPI mithilfe des Assistenten zum Erstellen einer Scorecard 1 von 6 102013 18:09 SharePoint 2013 Veröffentlicht: 16.07.2012 Zusammenfassung: Hier erfahren Sie, wie Sie einen KPI (Key Performance Indicator) mithilfe des PerformancePoint Dashboard Designer in SharePoint

Mehr

Info zum Junk-Mail-Filter in Thunderbird:

Info zum Junk-Mail-Filter in Thunderbird: Datenverarbeitungszentrale Datenverarbeitungszentrale dvz@fh-muenster.de www.fh-muenster.de/dvz Info zum Junk-Mail-Filter in Thunderbird: Der Grossteil der Benutzer verwendet zusätzlich zum zentralen Mail-Filter

Mehr

Leitfaden zur Datenerfassung in Excel

Leitfaden zur Datenerfassung in Excel Leitfaden zur Datenerfassung in Excel Hinweise zur korrekten Dateneingabe Johannes Hain Studentische Statistische Beratung Universität Würzburg 1 / 21 Inhaltsverzeichnis 1 Allgemeines 2 Variableneingabe

Mehr

Handbuch organice SQL-Reportgenerator

Handbuch organice SQL-Reportgenerator organice Software GmbH Handbuch organice SQL-Reportgenerator Benutzerhandbuch Stand: August 2013 Inhalt 1. Allgemeine Informationen... 3 1.1 Einführung... 3 1.2 Voraussetzungen... 3 1.3 Zielgruppe... 3

Mehr

Anleitung FlexNow als Prüfer / Stellvertreter nutzen

Anleitung FlexNow als Prüfer / Stellvertreter nutzen Anleitung FlexNow als Prüfer / Stellvertreter nutzen Autor: Max Schultheis Version: 1.2 Stand: 2014.04.04 Inhalt 1. Beantragung der benötigten Berechtigung... 1 2. Installation... 1 3. Login... 1 4. Noteneintragung...

Mehr

ebanking Business: Umwandeln der Lastschriftvorlagen in SEPA-Vorlagen mit automatischer Konvertierung von Kontonummer/BLZ in IBAN und BIC

ebanking Business: Umwandeln der Lastschriftvorlagen in SEPA-Vorlagen mit automatischer Konvertierung von Kontonummer/BLZ in IBAN und BIC ebanking Business: Umwandeln der Lastschriftvorlagen in SEPA-Vorlagen mit automatischer Konvertierung von Kontonummer/BLZ in IBAN und BIC Lastschriftvorlagen, die Sie in ebanking Business gespeichert haben,

Mehr

How- to. E- Mail- Marketing How- to. Anrede personalisieren. Ihr Kontakt zur Inxmail Academy

How- to. E- Mail- Marketing How- to. Anrede personalisieren. Ihr Kontakt zur Inxmail Academy E- Mail- Marketing How- to How- to Anrede personalisieren Personalisierung ist ein wichtiges Kundenbindungsinstrument, durch das die Aufmerksamkeit des Empfängers erheblich gesteigert werden kann. Dieser

Mehr

Im deutschsprachigen Raum wird hauptsächlich ein Format verwendet, das weitestgehend der Formatvorlage "ISO 690 Numerische Referenz" entspricht.

Im deutschsprachigen Raum wird hauptsächlich ein Format verwendet, das weitestgehend der Formatvorlage ISO 690 Numerische Referenz entspricht. WO.004, Version 1.0 09.01.2012 Kurzanleitung Word 2010 Literaturverzeichnis erstellen In einer wissenschaftlichen Arbeit müssen Quellen, aus welchen zitiert wird, mit einer Quellenangabe versehen werden.

Mehr

Excel Pivot-Tabellen 2010 effektiv

Excel Pivot-Tabellen 2010 effektiv 7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes

Mehr

Datumsangaben, enthält mindestens Jahr, Monat, Tag

Datumsangaben, enthält mindestens Jahr, Monat, Tag Datenbanken mit SQL Informatik - Sprenger Häufig wird mit Tabellenkalkulationen gearbeitet, obwohl der Einsatz von Datenbanken sinnvoller ist. Tabellenkalkulationen wie Microsoft Excel oder LibreOffice

Mehr

CVR Seniorentreff vom 04. und 05.02.03 Serienbriefe/Seriendruck. Serienbriefe / Seriendruck

CVR Seniorentreff vom 04. und 05.02.03 Serienbriefe/Seriendruck. Serienbriefe / Seriendruck Serienbriefe / Seriendruck Mit Hilfe des Seriendruck-Managers lassen sich Serienbriefe, Adressetiketten, oder Briefumschläge relativ einfach erstellen. Der Seriendruck-Manager hilft dabei, die Adressdaten

Mehr

- ebook. Microsoft. Excel 2010. Pivot-Tabellen Anleitung + Beispiele. Edi Bauer

- ebook. Microsoft. Excel 2010. Pivot-Tabellen Anleitung + Beispiele. Edi Bauer - ebook Microsoft Excel 2010 Pivot-Tabellen Anleitung + Beispiele Edi Bauer Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis... 2 1 Pivot-Tabelle... 6 1.1 Was ist eine Pivot-Tabelle?... 6 Datenquelle...

Mehr

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0

Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0 Auswertung von kritischen Daten Vorgehensweise anhand eines Beispiels Visual-XSel 10.0??? Curt Ronniger 2007 Bei Neueinstieg in das Programm, sollte zunächst die Dokumentation XSelDoE10.pdf gelesen werden.

Mehr

E-Mails zuordnen. Änderungen, Irrtümer und Druckfehler vorbehalten. Bearbeitet von Harald Borges. Stand April 2015 www.cobra.de

E-Mails zuordnen. Änderungen, Irrtümer und Druckfehler vorbehalten. Bearbeitet von Harald Borges. Stand April 2015 www.cobra.de E-Mails zuordnen Copyright 2015 cobra computer s brainware GmbH cobra Adress PLUS, cobra CRM PLUS, cobra CRM PRO und cobra CRM BI sind eingetragene Warenzeichen der cobra computer s brainware GmbH. Andere

Mehr

Inhaltsverzeichnisse

Inhaltsverzeichnisse Inhaltsverzeichnisse Überschriften zuweisen Formatieren Sie die Überschriften mit Hilfe der integrierten Formatvorlagen als Überschrift. Klicken Sie dazu in die jeweilige Überschrift und dann auf der Registerkarte

Mehr

LEITFADEN ZUM UMGANG MIT MAUTAUFSTELLUNG UND EINZELFAHRTENNACHWEIS BEI E-MAIL-ZUSTELLUNG

LEITFADEN ZUM UMGANG MIT MAUTAUFSTELLUNG UND EINZELFAHRTENNACHWEIS BEI E-MAIL-ZUSTELLUNG LEITFADEN ZUM UMGANG MIT MAUTAUFSTELLUNG UND EINZELFAHRTENNACHWEIS BEI E-MAIL-ZUSTELLUNG Die folgenden Informationen sollen Ihnen die Handhabung der Dateien mit der Mautaufstellung und/ oder mit dem Einzelfahrtennachweis

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

FERIEN IM SCHULJAHR 2012/2013

FERIEN IM SCHULJAHR 2012/2013 Taubenstr. 0, 07 Berlin Tel: 030/548-499, Fax: 030/548-450 0 0/ FERIEN IM SCHULJAHR 0/ in den Ländern Baden-Württemberg (5) 9.0. 0.. 4.. 05.0. - 5.03. 05.04..05. 0.06. 5.07. - 07.09. Bayern () 9.0 03..

Mehr

Bedienung von BlueJ. Klassenanzeige

Bedienung von BlueJ. Klassenanzeige Im Folgenden werden wichtige Funktionen für den Einsatz von BlueJ im Unterricht beschrieben. Hierbei wird auf den Umgang mit Projekten, Klassen und Objekten eingegangen. Abgeschlossen wird dieses Dokument

Mehr

Avery Zweckform Assistent 4.x Tipps für die Fehlerbehebung

Avery Zweckform Assistent 4.x Tipps für die Fehlerbehebung Avery Zweckform Assistent 4.x Tipps für die Fehlerbehebung Installation und Makros Installationstipps Im Netzwerk installierte Anwendungen gegenüber Netzwerk-Anwendungen Microsoft Word Makro-Sicherheit

Mehr

Haus sanieren profitieren! Abschlusspräsentation

Haus sanieren profitieren! Abschlusspräsentation Gliederung Untersuchungsdesign Bekanntheit der DBU und der Kampagne Haus sanieren profitieren! Der Energie Check aus Sicht der Handwerker Die Zufriedenheit der Hausbesitzer mit dem Energie Check Haus sanieren

Mehr

Wissenschaftliches Arbeiten mit dem Programm Microsoft Word

Wissenschaftliches Arbeiten mit dem Programm Microsoft Word Wissenschaftliches Arbeiten mit dem Programm Microsoft Word Ein Leitfaden und Ratgeber für Studierende der Hochschule Fulda des Fachbereichs Sozialwesen Inhaltsverzeichnis VORWORT... 1 1. EINRICHTEN DES

Mehr

Leistungsverbuchung Noteneingabe von Prüfungsleistungen über das Service-/SB-Portal an der Hochschule Landshut

Leistungsverbuchung Noteneingabe von Prüfungsleistungen über das Service-/SB-Portal an der Hochschule Landshut Noteneingabe von Prüfungsleistungen über das Service-/SB-Portal an der Hochschule Landshut Benutzerkennung und Zertifikat vom RZ Anmeldung am Service-Portal Übergang zum SB-Portal (HIS-Software) Einstieg

Mehr

Berechnungen in Access Teil I

Berechnungen in Access Teil I in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer

Mehr

MdtTax Programm. Programm Dokumentation. Datenbank Schnittstelle. Das Hauptmenü. Die Bedienung des Programms geht über das Hauptmenü.

MdtTax Programm. Programm Dokumentation. Datenbank Schnittstelle. Das Hauptmenü. Die Bedienung des Programms geht über das Hauptmenü. Programm Die Bedienung des Programms geht über das Hauptmenü. Datenbank Schnittstelle Die Datenbank wir über die Datenbank- Schnittstelle von Office angesprochen. Von Office 2000-2003 gab es die Datenbank

Mehr

UMGANG MIT MICROSOFT WORD ~DER EINSTIEG~

UMGANG MIT MICROSOFT WORD ~DER EINSTIEG~ UMGANG MIT MICROSOFT WORD ~DER EINSTIEG~ INHALT Inhalt... 1 1. Titelblatt... 1 1.1 Inhalt... 1 1.2 Gestaltung... 2 1.3 Kopf-und Fußzeile... 3 2. Seitenlayout... 4 2.1 Typografie... 4 2.2 Seitenränder...

Mehr

STATUS DES WINDENERGIEAUSBAUS

STATUS DES WINDENERGIEAUSBAUS 1. Halbjahr Im Auftrag von: Deutsche WindGuard GmbH - Oldenburger Straße 65-26316 Varel 04451/95150 - info@windguard.de - www.windguard.de Jährlich zu- / abgebaute Leistung [MW] Kumulierte Leistung [MW]

Mehr

Verbessern Sie Ihre Webinare

Verbessern Sie Ihre Webinare Verbessern Sie Ihre Webinare Auswertung von Informationen über Ihre Teilnehmer auf edudip zur Verbesserung Ihrer Webinare Dies ist die downloadbare CSV Datei, nur für edudip. Pro Mitglieder verfügbar Heutzutage

Mehr

Bedienungsanleitung für Lehrende

Bedienungsanleitung für Lehrende Bedienungsanleitung für Lehrende lehrevaluation.net Allgemeines Öffnen Sie die Seite http://www.lehrevaluation.net in Ihrem Webbrowser. Die Seite ist unterteilt in den Navigationsbereich (rechts) mit verschiedenen

Mehr

Tipp: Für den Abgleich der Offenen Posten nach dem Import steht die Funktion Buchen Offene Posten abgleichen zur Verfügung.

Tipp: Für den Abgleich der Offenen Posten nach dem Import steht die Funktion Buchen Offene Posten abgleichen zur Verfügung. Import von Buchungsdaten in Lexware buchhalter/plus Themen: 1. Voraussetzungen für den Import 2. Abgleich mit schon vorhandenen Buchungssätzen und Offenen Posten 3. Der Import-Assistent 4. Vorgehensweise

Mehr

hyscore Sollwerte-Import Version 3.1.6, September 2007

hyscore Sollwerte-Import Version 3.1.6, September 2007 Kurzanleitung In hyscore 3.1.6 haben wir den Import von Sollwerten für Kennzahlen wesentlich vereinfacht. Zuvor mußten alle Sollwerte, Schwellwerte und Prozentwerte für jede Kennzahl und jedes Datum in

Mehr

Leitfaden zum Umgang mit Mautaufstellung und Einzelfahrtennachweis

Leitfaden zum Umgang mit Mautaufstellung und Einzelfahrtennachweis E-Mail Zustellung: Leitfaden zum Umgang mit Mautaufstellung und Einzelfahrtennachweis Die folgenden Informationen sollen Ihnen die Handhabung der Dateien mit der Mautaufstellung und/oder mit dem Einzelfahrtennachweis

Mehr

Auswertung erstellen: Liste mit E-Mail-

Auswertung erstellen: Liste mit E-Mail- Anleitung Auswertung erstellen: Liste mit E-Mail-Adressen Auswertung erstellen: Liste mit E-Mail- Adressen Das Beispiel Sie möchten für den Versand eines Newletters per E-Mail eine Liste der in mention

Mehr

Spamschutz bei TYPO3. von Bernd Warken bei Fa. Netcos AG

Spamschutz bei TYPO3. von Bernd Warken bei Fa. Netcos AG Spamschutz bei TYPO3 von Bernd Warken bei Fa. Netcos AG Kapitel 0: Einleitung 3 0.1 Vorwort 3 0.2 Lizenz 3 Kapitel 1: Aktivierung und Konfiguration 4 1.1 config.spamprotectemailaddresses 4 1.2 config.spamprotectemailaddresses_atsubst

Mehr

Versand von Einladungen zur Teilnahme an der Umfrage mit Seriendruck Funktion von Microsoft Office 2007

Versand von Einladungen zur Teilnahme an der Umfrage mit Seriendruck Funktion von Microsoft Office 2007 Versand von Einladungen zur Teilnahme an der Umfrage mit Seriendruck Funktion von Microsoft Office 2007 [Eine Schritt für Schritt Anleitung] Inhalt 1. Erstellen einer Liste mit Probandendaten... 2 2. Erstellung

Mehr

V_Sim - software to calculate inbreeding coefficients

V_Sim - software to calculate inbreeding coefficients V_Sim - software to calculate inbreeding coefficients Ein Programm zur Berechnung von Inzuchtkoeffizienten und Abstammungskoeffizienten. Von Holger Krause Zweck des Programms Der Verwandtschaft-Simulator

Mehr

STRENG VERTRAULICH UND RECHTLICH GESCHÜTZT Die Verteilung, Zitierung und Vervielfältigung des Berichts auch auszugsweise zum Zwecke der Weitergabe an

STRENG VERTRAULICH UND RECHTLICH GESCHÜTZT Die Verteilung, Zitierung und Vervielfältigung des Berichts auch auszugsweise zum Zwecke der Weitergabe an STRENG VERTRAULICH UND RECHTLICH GESCHÜTZT Die Verteilung, Zitierung und Vervielfältigung des Berichts auch auszugsweise zum Zwecke der Weitergabe an Dritte ist nur mit vorheriger schriftlicher Zustimmung

Mehr

HS WAWI. Inhaltsverzeichnis. Beschreibung Masken-Steuerungselemente... 2. Suchtoolbar... 3. Berichtstoolbar... 4. Auswahltabellen...

HS WAWI. Inhaltsverzeichnis. Beschreibung Masken-Steuerungselemente... 2. Suchtoolbar... 3. Berichtstoolbar... 4. Auswahltabellen... Inhaltsverzeichnis Masken-Steuerungselemente... 2 Suchtoolbar... 3 Berichtstoolbar... 4 Auswahltabellen... 6 1 Masken-Steuerungselemente Geht zum ersten in der gewählten Sortierfolge (STRG + Pos1) Geht

Mehr

Handbuch. E-Line - Konfigurator

Handbuch. E-Line - Konfigurator SBC Deutschland GmbH Siemensstraße 3 I 63263 Neu-Isenburg I Germany T +49 6102 20 25 0 I F +49 6102 20 25 200 www.saia-pcd.de www.sbc-support.com Handbuch E-Line - Konfigurator für Saia PCD E-Line Systeme

Mehr

Dokumentation RabattManagerLX Pro. Version 1.0.901.1

Dokumentation RabattManagerLX Pro. Version 1.0.901.1 Dokumentation RabattManagerLX Pro Version 1.0.901.1 Dokumentation RabattManagerLX Pro Version 1.0.901.1 Was ist RabattManagerLX Pro? RabattManagerLX Pro ist ein Programm um individuelle Warengruppen-Rabatte

Mehr

Access Verbrecherdatenbank Teil 1

Access Verbrecherdatenbank Teil 1 Access Verbrecherdatenbank Teil 1 Allgemeines In dieser Übung erstellst du mit Microsoft Access eine Verbrecherdatenbank. Dabei lernst du die wesentlichen Elemente einer Datenbank wie Tabellen, Formulare

Mehr

Jetzt geben Sie die Formeln in der Spalte /Gesamt ein. In diesem Beispiel lauten die Formeln:

Jetzt geben Sie die Formeln in der Spalte /Gesamt ein. In diesem Beispiel lauten die Formeln: Rechnungen mit MS-Word und MS-Excel 1 Es gibt viele Möglichkeiten, ein Rechnungsformular zu erstellen, ohne einen Taschenrechner verwenden zu müssen. Wir zeigen Ihnen heute eine ganz einfache Methode -

Mehr

reguläre Ausbildungsdauer verkürzte Ausbildungsdauer Ausbildungsverträge insgesamt Veränderung Zuständigkeitsbereich Veränderung Veränderung

reguläre Ausbildungsdauer verkürzte Ausbildungsdauer Ausbildungsverträge insgesamt Veränderung Zuständigkeitsbereich Veränderung Veränderung Schleswig-Holstein in Schleswig-Holstein Industrie und Handel 9.826 10.269 443 4,5 1.129 1.074-55 -4,9 10.955 11.343 388 3,5 Handwerk 5.675 5.687 12 0,2 1.301 1.301 0 0,0 6.976 6.988 12 0,2 Öffentlicher

Mehr

Hochschule Darmstadt Informatik-Praktikum (INF 1) WS 2014/2015 Wirtschaftsingenieur Bachelor 4. Aufgabe Datenstruktur, Dateieingabe und -ausgabe

Hochschule Darmstadt Informatik-Praktikum (INF 1) WS 2014/2015 Wirtschaftsingenieur Bachelor 4. Aufgabe Datenstruktur, Dateieingabe und -ausgabe Aufgabenstellung Für ein Baumkataster sollen für maximal 500 Bäume Informationen gespeichert werden, die alle nach der gleichen Weise wie folgt strukturiert sind: Nummer Bauminfo Baumart Hoehe Baum Umfang

Mehr

Drupal Views Bildergalerie erstellen

Drupal Views Bildergalerie erstellen Drupal Views Bildergalerie erstellen (HTML5-Tags ergänzen, Gesamtsumme der Bilder, Bild URL hinzufügen) Es wird eine Galerie Übersichtsseite basierend auf Views-Relationships aufgebaut. Von dieser ausgehend

Mehr

2.8.7 Bauzeit Plan...26 2.8.8 Checklisten...27 2.8.9 Extrene Dokumente...27 2.8.10 Zusammenfassung...28

2.8.7 Bauzeit Plan...26 2.8.8 Checklisten...27 2.8.9 Extrene Dokumente...27 2.8.10 Zusammenfassung...28 Handbuch Inhaltsverzeichnis 1 Einführung...5 1.1 Neues Projekt erstellen...5 1.2 Dateneingabe...7 1.3 Ausdruck...9 1.3.1 Vorankündigung...10 1.3.2 SiGe-Plan...11 1.3.3 Bauzeit-Plan...12 1.3.4 Checklisten...13

Mehr

Das Studium Kultur. Erste Projektergebnisse. Ulrike Blumenreich. Institut für Kulturpolitik der Kulturpolitischen Gesellschaft

Das Studium Kultur. Erste Projektergebnisse. Ulrike Blumenreich. Institut für Kulturpolitik der Kulturpolitischen Gesellschaft Das Studium Kultur Erste Projektergebnisse Ulrike Blumenreich Institut für Kulturpolitik der Kulturpolitischen Gesellschaft 2. Expertenworkshop»Studium - Arbeitsmarkt - Kultur«, 26.11.2009 Was erwartet

Mehr

4 ANALYSE VON TABELLEN

4 ANALYSE VON TABELLEN MS Excel 2013 Aufbau Analyse von Tabellen 4 ANALYSE VON TABELLEN Excel für Datenanalysen zu verwenden bedeutet, dass eine Vielzahl von Methoden, Funktionen, Befehlen, Features zur Verfügung stehen. Lernen

Mehr

CdsComXL. Excel add-in für Bearbeitung und Auswertung der CDS-daten. ComXL-020/D, 0102. Spur 9 014.700. Spur 7 014.680. Spur 5 014.660. Spur 3 014.

CdsComXL. Excel add-in für Bearbeitung und Auswertung der CDS-daten. ComXL-020/D, 0102. Spur 9 014.700. Spur 7 014.680. Spur 5 014.660. Spur 3 014. Excel add-in für Bearbeitung und Auswertung der CDS-daten CdsComXL 100 50 0 Spur 9 014.700 Spur 7 014.680 014.660 014.640 Spur 3 Spur 5 014.620 Spur 1 014.600 ComXL-020/D, 0102 Inhaltsverzeichnis 1. Installation----------------------------------------------------------------------------------------------------

Mehr

Schnelle Antwort, gute klare Beratung. Ich bin wirklich sehr zufrieden. Auswertung der Mandantenbefragung 2007

Schnelle Antwort, gute klare Beratung. Ich bin wirklich sehr zufrieden. Auswertung der Mandantenbefragung 2007 Schnelle Antwort, gute klare Beratung. Ich bin wirklich sehr zufrieden. Auswertung der Mandantenbefragung 2007 Juli 2007 DGB Rechtsschutz GmbH Seite 1 Inhaltsangabe Vorbemerkung und allgemeine Hinweise

Mehr

Preisaktualisierungen via BC Pro-Catalogue

Preisaktualisierungen via BC Pro-Catalogue Preisaktualisierungen via BC Pro-Catalogue 1. Allgemein Seite 1 2. Anwendungsfall : Lieferant mit im System bereits vorhandenen Katalog Seite 2-3 3. Anwendungsfall : Neuer Lieferant Seite 4-8 1. Allgemein

Mehr

Schulverwaltung ERP. Anleitung fu r die Noteneingabe

Schulverwaltung ERP. Anleitung fu r die Noteneingabe Schulverwaltung ERP Anleitung fu r die Noteneingabe Diese Handanweisung zeigt Ihnen Schritt für Schritt, wie Sie in der Schulverwaltung ERP (erp.fernuni.ch) studentische Leistungen eingeben und freigeben

Mehr

Bedienungsanleitung zum Abrechnungsund Präsenzerfassungs-Tool

Bedienungsanleitung zum Abrechnungsund Präsenzerfassungs-Tool Kanton St.Gallen Bildungsdepartement Amt für Volksschule Bedienungsanleitung zum Abrechnungsund Präsenzerfassungs-Tool Stand 13. Januar 2015 INHALT 1. Überblick 3 2. Erste Schritte mit dem Tool 4 2.1.

Mehr

Presse-Information. Rahmendaten zur Studie

Presse-Information. Rahmendaten zur Studie Rahmendaten zur Studie Umfrageinstitut: TNS Emnid Befragungszeitraum: August 2013 Stichprobe: über 1.000 Büroangestellte befragt in ganz Deutschland (repräsentativ) Abgefragte Daten: Geschlecht, Alter,

Mehr

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen

Mehr

Imputation von Werten bei fehlenden Angaben zur Mutterschaft und zur Zahl der geborenen Kinder im Mikrozensus 2008

Imputation von Werten bei fehlenden Angaben zur Mutterschaft und zur Zahl der geborenen Kinder im Mikrozensus 2008 Statistisches Bundesamt Methodeninformation Imputation von Werten bei fehlenden Angaben zur Mutterschaft und zur Zahl der geborenen Kinder im 2009 Erschienen am 24.07.2009 Ihr Kontakt zu uns: www.destatis.de/kontakt

Mehr

Moodle-Kurzübersicht Kurse Sichern und Zurücksetzen

Moodle-Kurzübersicht Kurse Sichern und Zurücksetzen Moodle-Kurzübersicht Kurse Sichern und Zurücksetzen elearning.hs-lausitz.de Inhaltsverzeichnis: 1. Kurse Zurücksetzen 2. Kurse Sichern 3. Kurse Wiederherstellen Weitere Hilfe finden Sie unter www.hs-lausitz.de/studium/elearning.html

Mehr

Artikel Schnittstelle über CSV

Artikel Schnittstelle über CSV Artikel Schnittstelle über CSV Sie können Artikeldaten aus Ihrem EDV System in das NCFOX importieren, dies geschieht durch eine CSV Schnittstelle. Dies hat mehrere Vorteile: Zeitersparnis, die Karteikarte

Mehr

Whitepaper. Produkt: combit Relationship Manager / address manager. Integration der Ansicht "Adressen" in eigene Solution

Whitepaper. Produkt: combit Relationship Manager / address manager. Integration der Ansicht Adressen in eigene Solution combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager / address manager Integration der Ansicht "Adressen" in eigene Solution Integration der Ansicht "Adressen" in

Mehr

Aufbau von Hichert-Graphik Schritt für Schritt

Aufbau von Hichert-Graphik Schritt für Schritt Aufbau von Hichert-Graphik Schritt für Schritt Ausgangsdaten anlegen: o Sollte dann so aussehen: Umsatz Plan Ist Abweich. 60 40-20 o Details dazu: 4 Spaltenüberschriften eintragen: Plan, Ist, leer, Abweichung

Mehr

BMBF-Förderung 2004-2006

BMBF-Förderung 2004-2006 BMBF-Förderung 2004-2006 Forschung an Fachhochschulen Zahlen, Daten, Fakten Pressekonferenz der Bundesministerin für Bildung und Forschung Dr. Annette Schavan Berlin, 17.08.2006 BMBF Förderprogramm FH

Mehr