2017, Henning, Christian, Ewerth, Ralph

Photos, drawings, figures, etc. supplement textual information in various kinds of media, for example, in web news or scientific pub- lications. In this respect, the intended effect of an image can be quite different, e.g., providing additional information, focusing on certain details of surrounding text, or simply being a general il- lustration of a topic. As a consequence, the semantic correlation between information of different modalities can vary noticeably, too. Moreover, cross-modal interrelations are often hard to describe in a precise way. The variety of possible interrelations of textual and graphical information and the question, how they can be de- scribed and automatically estimated have not been addressed yet by previous work. In this paper, we present several contributions to close this gap. First, we introduce two measures to describe cross- modal interrelations: cross-modal mutual information (CMI) and semantic correlation (SC). Second, a novel approach relying on deep learning is suggested to estimate CMI and SC of textual and visual information. Third, three diverse datasets are leveraged to learn an appropriate deep neural network model for the demanding task. The system has been evaluated on a challenging test set and the experimental results demonstrate the feasibility of the approach.

2017, Meyer, Anneke, Neumann, Janna

Die Leibniz Universität Hannover hat den bedarfsgerechten Auf- und Ausbau des Unterstützungsangebots zum Umgang mit Forschungsdaten als strategisches Ziel definiert, um den eigenen Forschungsstandort zu stärken. Fachpersonal aus dem Dezernat Forschung, den Leibniz Universität IT Services (LUIS) und der Technischen Informationsbibliothek (TIB) haben dazu ein institutionelles Konzept entworfen, das seit Dezember 2016 umgesetzt wird. Ausgangspunkt des Konzepts bildete eine Umfrage zum Umgang mit Forschungsdaten an der Leibniz Universität Hannover, die durch qualitative Interviews ergänzt wurde. Das institutionelle Konzept umfasst folgende Elemente: Etablierung einer Policy zum Umgang mit Forschungsdaten für die gesamte Universität, Beratung und Schulung für Wissenschaftlerinnen und Wissenschaftler und die Service-Einrichtungen, Auf- und Ausbau eines institutionellen Datenrepositoriums und Entwicklung von Schnittstellen zum Forschungsinformationssystem und zum Volltextrepositorium, Universitätsübergreifende Kooperation & Vernetzung. Die vier Elemente befinden sich in einem unterschiedlichen Umsetzungsstand. Bereits seit 2014 führen die beteiligten Institutionen gemeinsam Beratungen und Schulungen durch und nutzen dafür zur Qualitätssicherung und gegenseitigen Information gemeinsame Dokumentationssysteme. In diesem Bereich konnten in den letzten zwei Jahre Erfahrungen gesammelt werden und Prozesse entsprechend optimiert werden. Die Herausforderung des Ansatzes an der Leibniz Universität besteht darin, ein einrichtungsübergreifendes Service-Angebot vorzuhalten und kollaborativ weiter zu entwickeln. Dadurch ist gewährleistet, dass Kompetenzen effektiv gebündelt werden und sich keine Parallelstrukturen an einzelnen Einrichtungen bilden. Durch die gemeinsam entwickelten Services werden Wissenschaftlerinnen und Wissenschaftler mit einer Stimme und auf mehreren Ebenen zum aktiven und bewussten Umgang mit Forschungsdaten angeregt. In diesem Artikel werden die ersten Erfahrungen in der Umsetzung der einzelnen Elemente des institutionellen Konzepts sowie in der Zusammenarbeit beleuchtet. Außerdem wird ein Ausblick auf die zukünftig angestrebte Entwicklung gegeben.

2017, Mersmann, Jana, Hauschke, Christian

Der Wissens- und Erfahrungsaustausch stand im Fokus des 2.VIVO-Workshop 2017 an der Technischen Informationsbibliothek (TIB) in Hannover. Der Workshop, der von rund 40 Teilnehmer/innen aus deutschsprachigen Hochschulen und Universitäten besucht wurde, war in zwei verschiedene Session unterteilt. In vorangestellten Vorträgen wurden sowohl technische Anpassungen und Weiterentwicklungen am Forschungsinformationssystem VIVO an einzelnen Einrichtungen erläutert, als auch Erfahrungsberichte einzelner Anwender/innen geteilt sowie Einsatzmöglichkeiten von VIVO in verschiedenen Kontexten thematisiert. Im anschließenden interaktiven Teil wurden Bedarfe und Herausforderungen diskutiert und gesammelt, die anschließend priorisiert wurden. Als Herausforderungen für die VIVO-Entwickler kristallisierten sich Verbesserungen in den Bereichen Reporting, Datenintegration und einem in den Administrationsbereich integrierten Rollenmanagement heraus. Der Workshop adressierte sehr erfolgreich den ebenso vielfach geäußerten Wunsch nach Vernetzung, Austausch und Fortbildung innerhalb der VIVO-Community und darüber hinaus.

2017, Saurbier, Felix

Die Technische Informationsbibliothek (TIB) hat sich zum Ziel gesetzt, die Nutzung und Verbreitung ihrer Sammlungen nachhaltig zu fördern und setzt dazu konsequent auf Semantic Web-Technologien. Durch die Bereitstellung von "Linked Library Data" können Bibliotheken und Informationsdienstleister die Sicht- und Auffindbarkeit ihrer Bestände signifikant erhöhen. Denn zum einen vereinfachen strukturierte Daten, die interoperabel sowie maschinenlesbar sind, die Nachnutzung durch Dritte entscheidend. Zum anderen ermöglichen sie wesentlich differenziertere sowie effizientere Suchanfragen und unterstützen Bibliotheksnutzer sowohl im Retrieval als auch in der Weiterverarbeitung der für sie relevanten Informationen. Vor diesem Hintergrund veröffentlicht die TIB umfangreiche Meta- und Erschließungsdaten der wissenschaftlichen Filme ihres AV-Portals im standardisierten Resource Description Format (RDF) und stellt auf diesem Weg einen neuen und innovativen Service zur Nachnutzung und Verlinkung ihrer Datensätze zur Verfügung. In unserem Vortrag möchten wir zeigen, welche Mehrwerte sich auf Basis der eingesetzten Linked Open Data-Technolgien im Kontext audiovisueller Medien generieren lassen und die Nutzung von Linked Open Data im AV-Portal der TIB vorstellen. Besonderes Augenmerk soll dabei erstens auf den semantischen Erschließungsdaten liegen, die durch automatisierte Verfahren der Bild-, Text- und Spracherkennung generiert werden. Zweitens sollen die darauf aufbauenden Mehrwertdienstleistungen - wie die semantische Anreicherung mit zusätzlichen relevanten Informationen und die Verlinkung weiterführender Ressourcen - vorgestellt werden. Schließlich soll drittens demonstriert werden, wie durch die Bereitstellung der autoritativen sowie zeitbasierten, automatisch generierten Metadaten als Linked Open Data unter einer Creative Commons-Lizenz die freie Nachnutzung der Daten des AV-Portals durch Dritte ermöglicht wird.

2017, Tobschall, Esther

Auch nach 25 Jahren ist der E-Print-Server arXiv noch immer eine bedeutende Plattform für die schnelle Veröffentlichung von Forschungsergebnissen und we-sentliche Informationsquelle für seine Fachgebiete. arXiv ist zentrales Fachrepo-sitorium und gilt als Prototyp des Open-Access-Publizierens. Dennoch hat Erfolg auch immer seinen Preis: Dieser Beitrag stellt die Informationsplattform arXiv vor und beschreibt die Erfahrungen mit einem Geschäftsmodell, das über Mit-gliedsbeiträge eine nachhaltige Finanzierung erreichen will.

2017, Ewerth, Ralph, Springstein, Matthias, Phan-Vogtmann, Lo An, Schütze, Juliane

“Do machines perform better than humans in visual recognition tasks?” Not so long ago, this question would have been considered even somewhat provoking and the answer would have been clear: “No”. In this paper, we present a comparison of human and machine performance with respect to annotation for multimedia retrieval tasks. Going beyond recent crowdsourcing studies in this respect, we also report results of two extensive user studies. In total, 23 participants were asked to annotate more than 1000 images of a benchmark dataset, which is the most comprehensive study in the field so far. Krippendorff’s α is used to measure inter-coder agreement among several coders and the results are compared with the best machine results. The study is preceded by a summary of studies which compared human and machine performance in different visual and auditory recognition tasks. We discuss the results and derive a methodology in order to compare machine performance in multimedia annotation tasks at human level. This allows us to formally answer the question whether a recognition problem can be considered as solved. Finally, we are going to answer the initial question.

2017, Heller, Lambert

[no abstract available]

2017, Heck, Tamara, Blümel, Ina, Heller, Lambert, Mazarakis, Athanasios, Peters, Isabella, Scherp, Ansgar, Weisel, Luzian

Based on a checklist that was developed during a workshop at OER Camp 2016 and presented as a Science 2.0 conference 2016 poster [1], we conducted an online survey among university teachers representing a sufficient variety of subjects. The survey was online from Feb 6th to March 3rd 2017. We got 360 responses, whereof 210 were completes, see raw data [2]. The poster is presented at Open Science Conference, 21.-22.3.2017, Berlin.

2017, Müller, E., Springstein, M., Ewerth, R.

The problem of automatically estimating the creation date of photos has been addressed rarely in the past. In this paper, we introduce a novel dataset Date Estimation in the Wild for the task of predicting the acquisition year of images captured in the period from 1930 to 1999. In contrast to previous work, the dataset is neither restricted to color photography nor to specific visual concepts. The dataset consists of more than one million images crawled from Flickr and contains a large number of different motives. In addition, we propose two baseline approaches for regression and classification, respectively, relying on state-of-the-art deep convolutional neural networks. Experimental results demonstrate that these baselines are already superior to annotations of untrained humans.

2017, Burblies, Christine

Auf der Suche nach einer Alternative zur bundesweiten „Langen Nacht der aufgeschobenen Hausarbeiten“ führte die TIB einen „Aktionstag Hausarbeit“ durch und machte spannende Erfahrungen, über die hier berichtet wird.