Alle Bachelor-Studierenden können ein Forschungsmodul mit einem Gesamtaufwand von 180 Stunden einbringen.

• Das Forschungsmodul wird mit 6 LP gewertet.
• Das Forschungsmodul wird benotet anhand einer Softwareabnahme, eines Vortrags und eines Abschlussberichts.
• Am Lehrstuhl für Datenbanken und Informationssysteme können die Studierenden sich im Rahmen des Projektmoduls in aktuelle Forschungsthemen einarbeiten, Arbeitspakete spezifizieren, implementieren und testen, oder in anderer, vielfältiger Form mitarbeiten. Die Mitarbeit kann auch durch eine eigenständige Leistung innerhalb eines Teams erbracht werden.
• Der Schwerpunkt der Forschung am Lehrstuhl liegt im Bereich "Präferenzen" und ihren Anwendungen in Datenbanksystemen, Suchmaschinen, E-Commerce und Mobile Commerce.
• Die konkrete Aufgabe und der genaue Zeitraum können individuell im Rahmen der Prüfungsordnung vereinbart werden.
• Eine Anmeldung in STUDIS unter "Forschungsmodul Datenbanken und Informationssysteme" ist zwingend erforderlich.

Organisation Forschungsmodul

• lt. Prüfungsordnung sind Teamprojekte möglich und von seiten des Lehrstuhls auch gewünscht.
• Es wird zu Beginn der Vorlesungszeit (wahrscheinlich in der ersten Vorlesungswoche) einen Kick-off Termin geben, an dem wir die Inhalte kurz vorstellen. Im weiteren Verlauf wird es dann wahrscheinlich 2 weitere Termine geben, deren Inhalt aus Folienvorträgen von uns zu Techniken sowie konkreten Aufgaben dazu zur Einarbeitung bestehen. Natürlich ist dies abhängig von der Anzahl der Interessenten am Forschungsmodul.
• Prinzipiell sollen dann im weiteren Verlauf des Semesters Aufgaben im Rahmen eines konkreten Projektes im Team bearbeitet werden. Hierzu soll alle 2 Wochen ein Termin angesetzt werden, an dem Probleme, Herausforderungen und das weitere Vorgehen besprochen werden. Im Anschluss sollte ein Forschungsbericht geschrieben werden, der (pro Team 1 gemeinsamer Bericht) in etwa den Umfang einer Bachelorarbeit haben sollte.
• Eine Abschlusspräsentation ist ebenfalls vorgesehen.

Themen:

Gestaltung als eine Art Big Data Lab, d.h. zunächst allgemeine Einführungsaufgaben zu Big Data Frameworks wie Spark, Map Reduce, Basisübungen zu Wordcount, Joins, sowie schwerpunktmäßig Themen wie Dataframes und SparkSQL.

Als Spezialisierung kommen Themen wie Inhaltsähnlichkeiten bei Revisionen in Wikipedia, Spam-Detection, Informationsausbreitung in Twitter, Topic Detection oder Clusterverfahren infrage.