Refine
Document Type
- Doctoral Thesis (10) (remove)
Keywords
- Arbeitsbündnisse (1)
- Bearing fault detection (1)
- Empowerment (1)
- Ethnografie (1)
- Fachberatung (1)
- Fanstudie (1)
- Fußball (1)
- Gender (1)
- Gesellschaft (1)
- Inklusion (1)
Abstract knowledge is deeply grounded in many computer-based applications. An important research area of Artificial Intelligence (AI) deals with the automatic derivation of knowledge from data. Machine learning offers the according algorithms. One area of research focuses on the development of biologically inspired learning algorithms. The respective machine learning methods are based on neurological concepts so that they can systematically derive knowledge from data and store it. One type of machine learning algorithms that can be categorized as "deep learning" model is referred to as Deep Neural Networks (DNNs). DNNs consist of multiple artificial neurons arranged in layers that are trained by using the backpropagation algorithm. These deep learning methods exhibit amazing capabilities for inferring and storing complex knowledge from high-dimensional data.
However, DNNs are affected by a problem that prevents new knowledge from being added to an existing base. The ability to continuously accumulate knowledge is an important factor that contributed to evolution and is therefore a prerequisite for the development of strong AIs. The so-called "catastrophic forgetting" (CF) effect causes DNNs to immediately loose already derived knowledge after a few training iterations on a new data distribution. Only an energetically expensive retraining with the joint data distribution of past and new data enables the abstraction of the entire new set of knowledge. In order to counteract the effect, various techniques have been and are still being developed with the goal to mitigate or even solve the CF problem. These published CF avoidance studies usually imply the effectiveness of their approaches for various continual learning tasks.
This dissertation is set in the context of continual machine learning with deep learning methods. The first part deals with the development of an application-oriented real-world evaluation protocol which can be used to investigate different machine learning models with regard to the suppression of the CF effect. In the second part, a comprehensive study indicates that under the application-oriented requirements none of the investigated models can exhibit satisfactory continual learning results. In the third part, a novel deep learning model is presented which is referred to as Deep Convolutional Gaussian Mixture Models (DCGMMs). DCGMMs build upon the unsupervised approach of Gaussian Mixture Models (GMMs). GMMs cannot be considered as deep learning method and they have to be initialized in a data-driven manner before training. These aspects limit the use of GMMs in continual learning scenarios.
The training procedure proposed in this work enables the training of GMMs by using Stochastic Gradient Descent (SGD) (as applied to DNNs). The integrated annealing scheme solves the problem of a data-driven initialization, which has been a prerequisite for GMM training. It is experimentally proven that the novel training method enables equivalent results compared to conventional methods without iterating their disadvantages. Another innovation is the arrangement of GMMs in form of layers, which is similar to DNNs. The transformation of GMMs into layers enables the combination with existing layer types and thus the construction of deep architectures, which can derive more complex knowledge with less resources.
In the final part of this work, the DCGMM model is examined with regard to its continual learning capabilities. In this context, a replay approach referred to as Gaussian Mixture Replay (GMR) is introduced. GMR describes the generation and replay of data samples by utilizing the DCGMM functionalities. Comparisons with existing CF avoidance models show that similar continual learning results can be achieved by using GMR under application-oriented conditions. All in all, the presented work implies that the identified application-oriented requirements are still an open issue with respect to "applied" continual learning research approaches. In addition, the novel deep learning model provides an interesting starting point for many other research areas.
‚Inklusiv leben‘ heißt, selbstverständlich Teil einer Gesellschaft sein und bedeutet, sich einbringen und gut aufgehoben fühlen in einem Netzwerk von gewünschten Beziehungen. Danach strebt der Mensch, das ist Teil seines persönlichen Glücks. Menschen mit Behinderungen erfahren auch heute noch trotz grundsätzlicher rechtlicher Gleichstellung Stigmatisierungen und strukturelle Diskriminierung. Ziel der Studie ist es Gelingensbedingungen von inklusiven Lebensräumen zu untersuchen. Es wird davon ausgegangen, dass sich Menschen durch die direkte Begegnung mit anderen als Teil der Gemeinschaft fühlen. Das Stadion des Fußballvereins 1. FSV Mainz 05 erfüllt die strukturellen Voraussetzungen der barrierefreien Zugänglichkeit und bietet damit Fans mit und ohne Behinderungen die Möglichkeit zur Begegnung. Ob diese Begegnungen auch den qualitativen Anforderungen des persönlichen Wohlbefindens gerecht werden, wurde mittels der Grounded Theory Methode überprüft. Im Ergebnis bestätigen sich im Stadion des 1. FSV Mainz 05 die barrierefreie und sozialräumliche Ausgestaltung des Umfelds sowie der wertegetragene Umgang in den Begegnungen der Fans untereinander und des Vereins. Die Studie zeigt auf, dass Menschen mit und ohne Behinderungen die gleichen Interessen hinsichtlich des eigenen guten Lebens verfolgen. Wesentlich sind, auf Moral und Anstand gegründete Anerkennungsbeziehungen. Dort, wo solche Anerkennungsbeziehungen nicht stattfinden, erfolgt Ausgrenzung. Das Zusammensein mit anderen, die Erfahrung der Anerkennung und das daraus resultierende Selbstbewusstsein sind Auslöser für persönliches Glücksempfinden. Für die Gesellschaft, die Soziale Arbeit und die Politik bedeutet dies, dass inklusive Lebensverhältnisse dann erreicht werden, wenn die Umfeldbedingungen für Begegnungen auf Augenhöhe geschaffen werden und der Austausch mittels geteilter kultureller Werte in reziproken Anerkennungsbeziehungen stattfindet. Inklusion lässt sich durch wertschätzendes persönliches Handeln der Akteure in alle gesellschaftliche Teilbereiche hineintragen.
Im Zentrum der ethnografischen Feldstudie steht die Lebenswelt der illegalen brothel-Prostitution in Mumbais red light area Grant Road. Damit verbunden stellt sich die Frage, wie die von mir beforschten Sexarbeiterinnen ihren Alltag in der brothel-Prostitution bewältigen und gestalten. Mit der vorliegenden Arbeit werden Sexarbeiterinnen in der brothel-Prostitution betrachtet. So wird auf dieses soziale Thema und die damit verbundene Soziale Arbeit über nationale Grenzen hinweg aufmerksam gemacht.
Weil die brothel-Prostitution in Indien im Gesetzbuch Immoral Traffic Prevention (Act) 1965 als kriminell deklariert ist, handeln die betreffenden Subjekte illegal und haben sich ein eigenständiges Netzwerk geschaffen, um trotzdem handlungsfähig zu sein.
Im Fokus dieser Studie stehen die Sexarbeiterinnen und die Frage, wie sie ihren Alltag in ihrer prekären Situation der brothel-Prostitution bewältigen und gestalten. Die von mir beforschten Sexarbeiterinnen haben soziale Ungleichheiten erfahren, die auf unterschiedliche Indikatoren zurückzuführen sind. In der Tätigkeit als Sexarbeiterinnen in der brothel-Prostitution sehen diese Frauen eine Hoffnung, die Lebensqualität für sich und ihre Herkunftsfamilie zu verbessern. So sind die Sexarbeiterinnen herausgefordert, ihre beruflichen und privaten Belange in der Vielschichtigkeit des Alltags miteinander zu vereinbaren.
Einerseits werden auf der mentalen Ebene die sozialen Räume des Berufes und des Privaten miteinander verwoben, andererseits wird versucht, beides voneinander zu trennen. In meiner Arbeit wird hinterfragt, mit welchen Ressourcen, Potenzialen und subjektiven Strategien Sexarbeiterinnen ihre prekäre Situation bewältigen und wie sie autonom handeln. Zugleich sind diese Frauen auch Momenten von ambivalenten Situationen ausgesetzt – zwischen Handlungsmacht und Handlungseinschränkung. Im Rückgriff auf entworfene Strategien und im ressourcenorientierten Handeln kann dieses Spannungsverhältnis zwischen Handlungsmacht und Handlungseinschränkung ertragen werden, die beide im Alltag miteinander verflochten sind.
Fachberatung für Kindertageseinrichtungen ist eine höchst heterogene soziale Dienstleistung zur Weiterentwicklung der Kindertagesbetreuung. Aufbauend auf dem Forschungsprojekt „Die Rolle von Fachberatung im System der Entwicklung von Qualität in der frühen Bildung“ werden Koproduktion und Arbeitsbündnisse in der Fachberatung aus der Perspektive der Adressat*innen untersucht. Die Koproduktion nimmt im Verständnis einer offenen Profession Soziale Arbeit eine zentrale Rolle ein, das gelungene Arbeitsbündnis ist in der (sozialen) Dienstleistungstheorie und der sozialpädagogischen Nutzerforschung die Voraussetzung für die gelingende Koproduktion. Mit der Analyse von Arbeitsbündnissen in der Fachberatung aus Nutzungsperspektive werden vier Idealtypen empirisch rekonstruiert: das Arbeitsbündnis zur Klärung und Strukturierung, das Bündnis von Partnern in der Sache, das Beratungs- und Angebotsbündnis sowie das Beziehungsbündnis. In Bezug auf diese Typen werden Überlegungen angestellt zur Reflexivität von Fachberatung und zu geeigneten Qualifizierungsansätzen. Des Weiteren werden Arbeitsbündnisse als Herausforderung an die Professionalität Sozialer Arbeit diskutiert und die Forschungsarbeit damit in die Professionsdebatte über die Soziale Arbeit als offene Profession eingeordnet.
