Jennifer Landes
Projekt II.OO - Digitales kompetenzorientiertes Prüfen implementieren
Weitere Informationen
Vita
- Jennifer Landes absolvierte einen Master in Wirtschaftsinformatik an der Universität Mannheim und sammelte anschliessend Berufserfahrung an der Universität Heidelberg. An der Hochschule Neu-Ulm arbeitet Sie als Lehrbeauftragte für IT-Grundlagen und Python Programmierung.
- Ihre Forschungsinteressen sind: Mathematische Modelle des Machine Learning, Data Science und Künstliche Intelligenz.
- Ihr Promotionsthema befasst sich mit dem Preprocessing und der Analyse und Prognose von Eye-Tracking Daten mittels maschineller Methoden .
Betreute Lehrveranstaltungen
- SoSe 2023: IT-Grundlagen 1 und Programmierung (zusammen mit Prof. Sonja Köppl)
- WiSe 2023/24 : IT-Grundlagen 1 und Programmierung (zusammen mit Prof. Sonja Köppl)
- SoSe 2024: IT-Grundlagen 1 und Programmierung
- WiSe 2024/25: IT-Grundlagen 1 und Programmierung
Betreute Abschlussarbeiten
Betreute Abschlussarbeiten
- SoSe 2022: Kevin Knöpfle: Die Entwicklung eines Chatbot-Prototyps zur automatisierten Beantwortung von Studierendenfragen zu Vorlesungsinhalten
- WiSe 2022/2023: Stefanie Wittgens: Untersuchung von Täuschungsverhalten in digitalen Prüfungen - Identifikation von Einflussfaktoren mithilfe von maschinellem Lernen
- SoSe 2024: Christian Cucupal: Digitale Integrität: Untersuchung von Schummeldynamiken in digitalen Prüfungen durch Eye-Tracking und statistischer Auswertung
- SoSe 2024: Lukman Breuer: Vorhersage von Betrugsversuchen nach einer Prüfung durch Auswertung von Eye-Tracking Daten mithilfe von Machine Learning in Python
Publikationen
Publikationen
Influence Factors on Academic Integrity revealed by Machine Learning Methods (öffnet neues Fenster)
Proceedings of the 34th GI-Workshop Grundlagen von Datenbanken
Calw, Germany, June 7-9, 2023.
Data Processing Pipeline for Eye-Tracking Analysis (öffnet neues Fenster)
Proceedings of the 35th GI-Workshop Grundlagen von Datenbanken
Herdecke, Germany, May 22-24, 2024.