Neben dem Institut für Informatik beherbergt die Westfälische Wilhelms-Universität viele weitere Institute und Arbeitsgruppen, an denen Forschung und Lehre mit starkem Bezug zur Informatik durchgeführt wird, insbesondere in Teilgebieten der Angewandten Informatik wie Wirtschaftsinformatik, Geoinformatik, Bioinformatik und medizinische Informatik.

Und wir arbeiten zusammen - viele Lehrangebote aus diesen Bereichen sind als fachübergreifende Studien auch im Master Informatik anrechenbar und erlauben so vertiefte Einblicke in Anwendungen von Informatiktechniken.

Eine Übersicht bietet die Seite Alle Informatiken und das Menü "Assoziierte Gruppen" auf der Informatik-Leitseite.

Wir planen u.a. auch ein gemeinsames Graduiertenkolleg.

 

 

 
  • Laufende Projekte

    • STATE – SystemC to Timed Automata Transformation Engine (seit )
      Eigenmittelprojekt
    • Applied IoT Data Analytics (seit )
      Eigenmittelprojekt
    • IGS – Informatik in der Grundschule (seit )
      Eigenmittelprojekt
    • Query Processing (seit )
      Eigenmittelprojekt
    • Metric and Ptolemaic Access Methods (seit )
      Eigenmittelprojekt
    • Similarity Search (seit )
      Eigenmittelprojekt
    • FOR 5393: Die digitale Mittelstadt der Zukunft ()
      DFG-Hauptprojekt koordiniert an der Universität Münster: DFG - Forschungsgruppe
    • FOR 5393: Die digitale Mittelstadt der Zukunft - Teilprojekt: Effizienter und identitätsfördernder Gesetzesvollzug in der Verwaltung einer Mittelstadt ()
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Forschungsgruppe | Förderkennzeichen: SCHO 1965/1-1
    • InFlame – Else Kröner Medical Scientist Kolleg Münster - Dynamik von Entzündungsreaktionen ()
      Beteiligung in sonstigen Verbundvorhaben: Else Kröner Medical Scientist Kolleg | Förderkennzeichen: 2021_EKMK.13
    • SPP 2363 - Teilprojekt: Neuronale Fingerabdrücke als struktur- und aktivitätssensitive molekulare Darstellungen ()
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Schwerpunktprogramm | Förderkennzeichen: KO 4689/7-1; RI 2938/3-1
    • Interdisziplinäre Zusammenarbeit mit dem Arbeitskreis Glorius des organisch-chemischen Instituts im Bereich maschinelles Lernen und Datenanalyse ()
      Eigenmittelprojekt
    • InterKIWWU – Interdisziplinäres Lehrprogramm zu maschinellem Lernen und künstlicher Intelligenz ()
      Gefördertes Einzelprojekt: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 16DHBKI049
    • maQinto – Maschinell trainierter Qualitätssensor, intelligente Prozessteuerung und ein ML-Framework zur ressourceneffizienten, maßgeschneiderten Kohlenstofffaserherstellung ()
      Beteiligung in einem BMBF-Verbund: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 01I522020D
    • PPP-DL – Performance, Portabilität und Produktivität für Deep-Learning Anwendungen auf Multi- und Many-Core Architekturen ()
      Gefördertes Einzelprojekt: DFG - Sachbeihilfe/Einzelförderung | Förderkennzeichen: GO 756/8-1
    • GAIA – Standortübergreifendes Graduiertenkolleg: „Trustworthy AI for Seamless Problem solving: Next generation Intelligence Joins Robust Data Analysis“ (Data NInJA) - Promotionsthema: "Gaußprozesse für automatische und interpretierbare Anomalie-Erkennung" ()
      Beteiligung in sonstigen Verbundvorhaben: MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - Standortübergreifendes Graduiertenkolleg | Förderkennzeichen: 005-2010-0003
    • SFB 1450 A05 - Longitudinale Ganzkörperbildgebung und mathematische Modellierung zur Untersuchung der Dynamik von Immunzellen ()
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, A05
    • SFB 1450 Z01 - Interaktive und rechnergestützte Analyse von großen multiskalen Bildgebungsdaten ()
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, Z01
    • SFB 1450 B04 - Multiskalige Darstellung und Analyse der Leukozytenwanderung in hypoxischen Entzündungsbereichen in vivo ()
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1450/1, B04
    • SFB 1459 C05 - Kohärente nanophotonische neuronale Netzwerke mit adaptiven molekularen Systemen ()
      Teilprojekt in DFG-Verbund koordiniert an der Universität Münster: DFG - Sonderforschungsbereich | Förderkennzeichen: SFB 1459/1, C05
    • meditrain – Verbundprojekt: Intelligente Virtuelle Agenten für die Medizinische Ausbildung (medical tr.AI.ning) - Teilvorhaben: Entwicklung und Erforschung von intelligenten virtuellen Agenten für die klinisch-medizinische Ausbildung mit Schwerpunkt in KI ()
      Beteiligung in einem BMBF-Verbund: Bundesministerium für Bildung und Forschung | Förderkennzeichen: 16DHBKI077
    • InChangE – Individualisierung in sich ändernden Umwelten ()
      Beteiligung in sonstigen Verbundvorhaben: MKW - Förderlinie "Profilbildung" | Förderkennzeichen: PROFILNRW-2020-143-B
    • Friends with benefits? A holistic approach to diffuse mutualism in plant pollinator interactions ()
      Beteiligung in sonstigen Verbundvorhaben: HFSP - Research Grant - Program | Förderkennzeichen: RGP0057/2021
    • GIGA Gebärdensprachen - Entwicklung einer 5G enabled Gebärdensprachen-Applikation ()
      Beteiligung in sonstigen Verbundvorhaben: MWIKE NRW - Förderwettbewerb 5G.NRW | Förderkennzeichen: FKZ 005-2018-0104; 005-2108-0102; PtJ-Nr. 2008gif042e; 2108gif042c
    • knowlEdge – Towards AI powered manufacturing services, processes, and products in an edge-to-cloud-knowlEdge continuum for humans [in-the-loop] ()
      EU-Projekt koordiniert außerhalb der Universität Münster: EU H2020 - Research and innovation actions | Förderkennzeichen: 957331
    • DAAD Programm des projektbezogenen Personenaustausches Taiwan 2021-2023 ()
      Gefördertes Einzelprojekt: DAAD - Programm des projektbezogenen Personenaustauschs mit verschiedenen Partnerländern | Förderkennzeichen: 57560795
    • Investigating Productive Failure in Computer Science ()
      Gefördertes Einzelprojekt: DAAD - Programm des projektbezogenen Personenaustauschs mit verschiedenen Partnerländern | Förderkennzeichen: 57565376
    • Learning from Neuroscience to Investigate the IQ of Deep Neural Networks ()
      Gefördertes Einzelprojekt: MKW - Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ - KI-Starter | Förderkennzeichen: 005-2010-0055
  • Neueste Publikationen

    • Beckmann, Daniel; Kockwelp, Jacqueline; Gromoll, Joerg; Kiefer, Friedemann;Risse, Benjamin. . ‘SAM meets Gaze: Passive Eye Tracking for Prompt-based Instance Segmentation.’ Proceedings of Machine Learning Research . [akzeptiert / in Druck (unveröffentlicht)]
    • Steinhorst, Phil; Duhme, Christof; Jiang, Xiaoyi; Vahrenhold, Jan. . ‘Recognizing Patterns in Productive Failure.’ In Proceedings of the 55th ACM Technical Symposium on Computer Science Education V. 1, edited by Battestilli, Lina; Rebelsky, Samuel; Shoop, Libby. New York, NY: Association for Computing Machinery. doi: 10.1145/3626252.3630915. [akzeptiert / in Druck (unveröffentlicht)]

    • Barrie, Robert; Haalck, Lars; Risse, Benjamin; Nowotny, Thomas; Graham, Paul; Buehlman, Cornelia. . ‘Trail using ants follow idiosyncratic routes in complex landscapes.’ Learning and Behavior s13420-023-00615. doi: https://doi.org/10.3758/s13420-023-00615-y.
    • Hätscher Ole , Junga Anna , Schulze Henriette , Kockwelp Pascal , Risse Benjamin , Back D. Mitja , Marschall Bernhard.Zusammenhang von Persönlichkeitsvariablen und Leistung in der virtuellen medizinischen Ausbildung.“ contributed to the Jahrestagung der Gesellschaft für medizinische Ausbildung (GMA) 2023, Osnabrück, . doi: 10.3205/23GMA273.
    • Engelbertz, Christiane; Feld, Jannik; Makowski, Lena; Lange, Stefan A.; Guenster, Christian; Droege, Patrik; Ruhnke, Thomas; Gerss, Joachim; Reinecke, Holger; Koeppe, Jeanette. . ‘Contemporary secondary prevention in survivors of ST-elevation myocardial infarction with and without chronic kidney disease: a retrospective analysis.’ CKJ: Clinical Kidney Journal 16, Nr. 11. doi: 10.1093/ckj/sfad219.
    • Angenent, Holger; Müller, Daniel; Vogl, Raimund. . ‘Bringing HPC clusters into Science Mesh.’ In Proceedings of European University Information Systems Congress 2023, edited by Desnos, Jean-François; López Nores, Martín, 249–256. online: EasyChair. doi: 10.29007/gfjd.
    • Makowski, L; Engelbertz, C; Köppe, J; Dröge, P; Ruhnke, T; Günster, C; Gerß, J; Freisinger, E; Malyar, N; Reinecke, H; Feld, J. . ‘Contemporary Treatment and Outcome of Patients with Ischaemic Lower Limb Amputation: A Focus on Sex Differences.’ European Journal of Vascular and Endovascular Surgery 66, Nr. 4: 550–559. doi: 10.1016/j.ejvs.2023.06.018.
    • Schüftan, Erik;.Chromatoid body architect TDRD6 - impact on spermatogenesis and male infertility.“ contributed to the European Testis Workshop, Montreux, .
    • Kuehnemund, L; Lange, SA; Feld, J; Padberg, JS; Fischer, AJ; Makowski, L; Engelbertz, C; Dröge, P; Ruhnke, T; Guenster, C; Gerß, J; Freisinger, E; Reinecke, H; Koeppe, J. . ‘Sex disparities in guideline-recommended therapies and outcomes after ST-elevation myocardial infarction in a contemporary nationwide cohort of patients over an eight-year period.’ Atherosclerosis 375: 30–37. doi: 10.1016/j.atherosclerosis.2023.05.007.
    • Mergen, M; Junga, Anna, Risse, Benjamin; Valkov, Dimitar; Graf, Norbert; Marschall, Bernhard; Medical Tr.AI.Ning Consortium. . „Immersive training of clinical decision making with AI driven virtual patients – a new VR platform called medical tr.AI.ning.“ GMS Journal for Medical Education 40, Nr. 2. doi: 10.3205/ZMA001600.
    • Schilling, M.; Cruse, H. . ‘neuroWalknet, a controller for hexapod walking allowing for context dependent behavior.’ PLoS Computational Biology 19, Nr. 1: e1010136. doi: 10.1371/journal.pcbi.1010136.
    • Schilling, M.; Hammer, B.; Ohl, F.W.; Ritter, H.; Wiskott, L. . ‘Modularity in Nervous Systems—a Key to Efficient Adaptivity for Deep Reinforcement Learning.’ Cognitive Computation in press. doi: 10.1007/s12559-022-10080-w.
    • Brix T.J.; Berentzen M.; Becker L.; Storck M.; Varghese J. . ‘Development of a Command Line Interface for the Analysis of Result Sets from Automated Queries to Literature Databases.’ Studies in Health Technology and Informatics 302: 162–166. doi: 10.3233/SHTI230095.
    • Krause, Maurice; Greefrath, Gilbert. . „Zum Interesse an digitalen Aufgaben: Geschlechtsspezifische Unterschiede zwischen Schülerinnen und Schülern.“ In Beiträge zum Mathematikunterricht 2022. 56. Jahrestagung der Gesellschaft für Didaktik der Mathematik, herausgegeben von IDMI-Primar Goethe-Universität Frankfurt, 953–956. Münster: WTM. doi: 10.17877/DE290R-23696.
    • Rasch, Ari; Schulze, Richard; Shabalin, Denys; Elster, Anne; Gorlatch, Sergei; Hall, Mary. . ‘(De/Re)-Compositions Expressed Systematically via MDH-Based Schedules.’ In CC 2023: Proceedings of the 32nd ACM SIGPLAN International Conference on Compiler Construction, edited by Verbrugge, Clark, 61–72. New York: Association for Computing Machinery. doi: 10.1145/3578360.3580269.
    • Engelbertz, C; Feld, J; Makowski, L; Kühnemund, L; Fischer, AJ; Lange, SA; Günster, C; Dröge, P; Ruhnke, T; Gerß, J; Freisinger, E; Reinecke, H; Köppe, J. . ‘Contemporary in-hospital and long-term prognosis of patients with acute ST-elevation myocardial infarction depending on renal function: a retrospective analysis.BMC Cardiovascular Disorders 23, Nr. 1: 62. doi: 10.1186/s12872-023-03084-3.
    • Beuker, C; Köppe, J; Feld, J; Meyer, CL; Dröge, P; Ruhnke, T; Günster, C; Wiendl, H; Reinecke, H; Minnerup, J. . ‘Association of age with 1-year outcome in patients with acute ischaemic stroke treated with thrombectomy: real-world analysis in 18 506 patients.’ Journal of Neurology, Neurosurgery and Psychiatry ahead of print. doi: 10.1136/jnnp-2022-330506.
    • Alyaydin, E; Sindermann, JR; Köppe, J; Gerss, J; Dröge, P; Ruhnke, T; Günster, C; Reinecke, H; Feld, J. . ‘Depression and Anxiety in Heart Transplant Recipients: Prevalence and Impact on Post-Transplant Outcomes.Journal of personalized medicine 13, Nr. 5. doi: 10.3390/jpm13050844.
    • Hagedorn, Bastian; Lenfers, Johannes; Koehler, Thomas; Qin, Xueying; Gorlatch, Sergei; Steuwer, Michel. . ‘Achieving High Performance the Functional Way: Expressing High-Performance Optimizations as Rewrite Strategies.’ Communications of the ACM 66, Nr. 3: 89–97. doi: 10.1145/3580371.
    • Purk M.; Fujarski M.; Becker M.; Warnecke T.; Varghese J. . ‘Utilizing a tablet-based artificial intelligence system to assess movement disorders in a prospective study.’ Scientific Reports 13, Nr. 1. doi: 10.1038/s41598-023-37388-3.
    • Mense, Sophie; Höveler, Karina; Blohm, Pauline Anne; Willemsen, Lisa Constanze. . ‘Designing a tool for authoring digital problem-solving tasks in an app – an integrative learning design study.’ In Proceedings of the 13th Congress of the European Society for Research in Mathematics Education (CERME13). [akzeptiert / in Druck (unveröffentlicht)]
    • Adelt J; Liebrenz T; Herber P. . ‘Formal Verification of Intelligent Hybrid Systems that are modeled with Simulink and the Reinforcement Learning Toolbox.’ In Software Engineering, edited by Gregor Engels; Regina Hebig; Matthias Tichy, 29–30. Paderborn: Gesellschaft für Informatik.
    • Haalck, Lars; Thiele, Sebastian; Risse, Benjamin. . ‘Tracking Tiny Insects in Cluttered Natural Environments using Refinable Recurrent Neural Networks.’ Contributed to the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), Waikoloa, Hawaii. [akzeptiert / in Druck (unveröffentlicht)]
    • Haalck L; Mangan M; Wystrach A; Clement L; Webb B; Risse B. . ‘CATER: Combined Animal Tracking & Environment Reconstruction.’ Science advances 9, Nr. 16: eadg2094.
    • Wendland D; Becker M; Brückerhoff-Plückelmann F; Bente I; Busch K; Risse B; Pernice WH. . ‘Coherent dimension reduction with integrated photonic circuits exploiting tailored disorder.’ Journal of the Optical Society of America B 40, Nr. 3: B35–B40.
    • Butz M; Leifhelm A; Becker M; Risse B; Schuck C. . ‘A Universal Approach to Nanophotonic Inverse Design through Reinforcement Learning.’ In CLEO 2023, paper STh4G.3, edited by Optica Publishing Group, STh4G.3. San Jose: Optica Publishing Group. doi: 10.1364/CLEO_SI.2023.STh4G.3.
    • Schulte L; Butz M; Becker M; Risse B; Schuck C. . ‘Accelerating Finite-Difference Frequency-Domain Simulations for Inverse Design Problems in Nanophotonics using Deep Learning.’ Journal of the Optical Society of America B . doi: 10.1364/opticaopen.24147402.v1. [eingereicht / in Begutachtung]
    • Butz, Marco; Leifhelm, Alexander; Becker, Marlon; Risse, Benjamin; Schuck, Carsten. . ‘A Novel Approach to Nanophotonic Black-Box Optimization Through Reinforcement Learning.’ In Q 30 Nano-optics, edited by DPG, 1. Hannover: DPG Springmeeting 2023.
    • Becker, Marlon; Riegelmeyer, Jan; Seyfried, Maximilian; Ravoo, Bart-Jan; Schuck, Carsten; Risse, Benjamin. . ‘Adaptive Photo-Chemical Nonlinearities for Optical Neural Networks.’ Advanced Intelligent Systems ‎ : 2300229. doi: 10.1002/aisy.202300229.
    • Brückerhoff-Plückelmann, Frank; Bente, Ivonne; Becker, Marlon; Vollmar, Niklas; Farmakidis, Nikolaos; Lomonte, Emma; Lenzini, Francesco; Wright, C David; Bhaskaran, Harish; Salinga, Martin; Risse, Benjamin; Pernice, Wolfram HP. . ‘Event-driven adaptive optical neural network.’ Science advances 9, Nr. 42: eadi9127. doi: 10.1126/sciadv.adi9127.
    • Valkov, Dimitar; Kockwelp, Pascal; Daiber, Florian; Krüger Antonio. . ‘Reach Prediction Using Finger Motion Dynamics.’ In Extended Abstracts of the 2023 CHI Conference on Human Factors in Computing Systems, edited by ACM, 1–8. New York, NY, USA: Association for Computing Machinery. doi: 10.1145/3544549.3585773.
    • Garanina, N; Gorlatch, S. . ‘Autotuning Parallel Programs by Model Checking.’ Automatic Control and Computer Sciences 56, Nr. 7: 634–648. doi: 10.3103/S0146411622070045.
    • Nienkötter A, Jiang X. . ‘Kernel-based generalized median computation for consensus learning.’ IEEE Transactions on Pattern Analysis and Machine Intelligence 45, Nr. 5: 5872–5888.
    • Hegselmann S, Buendia A, Lang H, Agrawal M, Jiang X, Sontag D. . ‘TabLLM: Few-shot classification of tabular data with large language models.’ In Proceedings of the 26th International Conference on Artificial Intelligence and Statistics (AISTATS), edited by N.A., 5549–5581. 206. Aufl. 2023: MLResearchPress.
    • Tistarelli M, Dubey SR, Singh SK, Jiang X (Eds.): . Computer Vision and Machine Intelligence. Cham, Switzerland: Springer Nature.
    • Eilers F, Jiang X. . ‘Building blocks for a complex-valued transformer architecture.’ In Proc. of ICASSP. [akzeptiert / in Druck (unveröffentlicht)]
    • Xiao J, Tian Y, Jia Y, Jiang X, Yu L, Wang S. . ‘Black-box attack-based security evaluation framework for credit card fraud detection models.’ INFORMS Journal on Computing 35, Nr. 5: 986–1001.
    • Sandmann S, Richter S, Jiang X, Varghese J. . ‘Reconstructing clonal evolution - a systematic evaluation of current bioinformatics approaches.’ International journal of environmental research and public health 20: 5128.
    • Dewi C, Chen RC, Zhuang YC, Jiang X, Yu H. . ‘Recognizing road surface traffic signs based on Yolo models considering image flips.’ Big Data and Cognitive Computing 7: 54.
    • Xiao J, Zhong Y, Jia Y, Wang Y, Jiang X, Wang S. . ‘A novel deep ensemble model for imbalanced credit scoring in internet finance.’ International Journal of Forecasting . [akzeptiert / in Druck (unveröffentlicht)]
    • Zhang J, Liu CL, Jiang X. . ‘Quadratic kernel learning for interpolation kernel machine based graph classification.’ In Proc. of Int. Workshop on Graph-Based Representations in Pattern Recognition (GbR), edited by M. Vento, P. Foggia, D. Conte, V. Carletti, 3–14. Cham, Switzerland: Springer.
    • Zhang J, Liu CL, Jiang X. . ‘Interpolation kernel machines: Reducing multiclass to binary.’ In Proc. of Int. Conf. on Computer Analysis of Images and Patterns (CAIP), edited by N. Tsapatsoulis, et al., 174–184. Cham, Switzerland: Springer.
    • Jiang X, Nienkötter A. . ‘Generalized median computation for consensus learning: A brief survey .’ In Proc. of Int. Conf. on Computer Analysis of Images and Patterns (CAIP), edited by N, Tsapatsoulis, et al., 120–130. Cham, Switzerland: Springer.
    • Kuhlmann F, Rothaus K, Jiang X, Faatz H, Pauleikhoff D, Gutfleisch M. . ‘3D retinal vessel segmentation in OCTA volumes: Annotated dataset MORE3D and hybrid U-net with flattening transformation.’ In Proc. of GCPR. [akzeptiert / in Druck (unveröffentlicht)]
    • Dewi C, Chen RC, Yu H, Jiang X. . ‘XAI for image captioning using SHAP .’ Journal of Information Science and Engineering 39: 711–724.
    • Xiao J, Wen Z, Jiang X, Yu L, Wang S. . ‘Three-stage research framework to assess and predict the financial risk of SMEs based on hybrid method.’ Decision Support Systems . [akzeptiert / in Druck (unveröffentlicht)]
    • Chen J, Pi D, Jiang X, Xu Y, Chen Y, Wang X. . ‘Denosieformer: A transformer based approach for single-channel EEG artifact removal.’ IEEE Transactions on Instrumentation and Measurement . [akzeptiert / in Druck (unveröffentlicht)]
    • Butz, Marco; Abazi, Adrian S.; Ross, Rene; Risse, Benjamin; Schuck, Carsten. . ‘Inverse Design of Nanophotonic Devices using Dynamic Binarization.’ Optics Express 31, Nr. 10: 15747–15756. doi: 10.1364/OE.484484.
    • Rösler W; Altenbuchinger M; Bae{ß}ler B; Beissbarth T; Beutel G; Bock R; Bubnoff N; Eckardt J; Foersch S; Loeffler CM; others. . ‘An overview and a roadmap for artificial intelligence in hematology and oncology.’ Journal of Cancer Research and Clinical Oncology 15: 1–10.
    • Kockwelp, Jacqueline; Gromoll, Jörg; Wistuba, Joachim; Risse, Benjamin. . ‘EyeGuide - From Gaze Data to Instance Segmentation.’ Contributed to the The British Machine Vision Conference (BMVC), Aberdeen. [akzeptiert / in Druck (unveröffentlicht)]
    • Steinhorst, Phil; Petersen, Andrew; Simion, Bogdan; Vahrenhold, Jan. . ‘Exploring Barriers in Productive Failure.’ In Proceedings of the 19th ACM Conference on International Computing Education Research (ICER 2023), Vol. I, edited by Fisler, Kathi; Denny, Paul; Franklin, Diana; Hamilton, Margaret, 284–297. New York, NY: Association for Computing Machinery. doi: 10.1145/3568813.3600111.
    • Sanders, Kate; Vahrenhold, Jan; McCartney, Robert. . ‘How Do Computing Education Researchers Talk About Threats and Limitations?In Proceedings of the 19th ACM Conference on International Computing Education Research (ICER 2023), Vol. I, edited by Fisler, Kathi; Denny, Paul; Franklin, Diana; Hamilton, Margaret, 381. New York, NY: Association for Computing Machinery. doi: 10.1145/3568813.3600114.
    • Parker, Miranda C.; Davidson, Matt J.; Kao, Yvonne S.; Margulieux, Lauren E.; Tidler, Zachary R.; Vahrenhold, Jan. . ‘Toward CS1 Content Subscales: A Mixed-Methods Analysis of an Introductory Computing Assessment.’ In Proceedings of the 23rd Koli Calling International Conference on Computing Education Research (Koli Calling 2023), edited by Mühling, Andreas; Jormanainen, Ilkka. New York, NY: Association for Computing Machinery. [akzeptiert / in Druck (unveröffentlicht)]
    • Cutts, Quintin; Kallia, Maria; Anderson, Ruth; Crick, Tom; Devlin, Marie; Farghally, Mohammed; Mirolo, Claudio; Runde, Ragnhild Kobro; Seppälä, Otto; Urquiza-Fuentes, Jaime; Vahrenhold, Jan. . ‘Arguments for and Approaches to Computing Education in Undergraduate Computer Science Programmes.’ In Proceedings of the 2023 Working Group Reports on Innovation and Technology in Computer Science Education (ITiCSE-WGR 2023), edited by Alshaigy, Bedour; Bouvier, Dennis. New York, NY: Association for Computing Machinery. doi: 10.1145/3623762.3633494. [akzeptiert / in Druck (unveröffentlicht)]
    • Surel, Anna; Meyer, Marlena. . ‘Einfluss des Nacherzählens einer Aufgabensituation auf den Bearbeitungsprozess von Modellierungsaufgaben.’ In Beiträge zum Mathematikunterricht 2022, edited by IDMI-Primar Goethe-Universität Frankfurt, 1453. Münster: WTM. doi: 10.17877/DE290R-23354.
    • Schaefer, J.; Strob, J. . „Wenn das Studieren außer Kontrolle gerät - Entwicklung und Validierung einer deutschsprachigen Adaption der Bergen Study Addiction Scale (BStAS).“ Zeitschrift fur Klinische Psychologie und Psychotherapie 2023. doi: 10.1026/1616-3443/a000684.
    • Evers, Marina; Böttinger, Michael; Linsen, Lars. . ‘Interactive Visual Analysis of Regional Time Series Correlation in Multi-field Climate Ensembles.’ In Workshop on Visualisation in Environmental Sciences (EnvirVis), edited by Dutta, Soumya and Feige, Kathrin and Rink, Karsten and Zeckzer, Dirk, 69–76. -: The Eurographics Association. doi: https://doi.org/10.2312/envirvis.20231108.
    • Tasche Philip; Herber Paula. . ‘A Coverage-Driven Systematic Test Approach for Simultaneous Localization and Mapping.’ In IEEE Conference on Software Testing, Verification and Validation (ICST), edited by Papadakis, Mike; Hao, Dan, 25–36. Dublin: Wiley-IEEE Press. doi: 10.1109/ICST57152.2023.00012.
    • Bender, Magnus; Braun, Tanya; Möller, Ralf; Gehrke, Marcel. . ‘Unsupervised Estimation of Subjective Content Descriptions.’ In ICSC-23 Proceedings of the 17th IEEE International Conference on Semantic Computing, edited by Bulterman, Dick; Kitazawa, Atsushi; Ostrowski, David; Sheu, Phillip; D'Auria, Daniela; Li, Kyle, 266–273. Laguna Hills: Wiley-IEEE Press. doi: 10.1109/ICSC56153.2023.00052.

    • Junga, Anna; Kockwelp, Pascal; Valkov, Dimitar; Marschall, Bernhard; Hartwig, Sophia; Stummer, Walter; Risse, Benjamin; Holling, Markus.Virtual Reality based teaching – a paradigm shift in education?“ contributed to the 73. Jahrestagung Deutsche Gesellschaft für Neurochirurgie, Köln, . doi: 10.3205/22DGNC538.

Die  älteren Forschungsberichte des Instituts für Informatik sind Teil der Forschungsberichte der WWU. Suchen Sie also in den folgenden Dokumenten den Bericht "Fachbereich Mathematik und Informatik", und darin nach "Institut für Informatik", um den passenden Teil zu finden: