Kulturelle Bildung – ein Containerbegriff, welcher mit verschiedensten Merkmalen assoziiert ist. Wie verstehen lokale Akteur*innen Kulturelle Bildung, und wie kann dies zur Begriffsschärfung bezüglich der Strukturen, Angebote, Dimensionen und Wirkung Kultureller Bildung beitragen?
Für eine erste Annäherung an diese Frage wurden 34 Akteur*innen aus verschiedenen Sektoren Kultureller Bildung aus der Region und Stadt Coburg in leitfadengestützten Expert*inneninterviews befragt und die Interviews mittels qualitativer Inhaltsanalyse ausgewertet. Die Ergebnisse geben einen Überblick über die Perspektive lokaler Akteur*innen auf die aktuelle Lage Kultureller Bildung in der Stadt und Region Coburg (Oberfranken), auf Wirkpotenziale sowie Vernetzungs- und Förderbedarfe. Der besondere Zeitpunkt der Erhebung (August – Dezember 2020) ermöglicht darüber hinaus Einblicke in die Kulturelle Bildung während der COVID-19 Pandemie, beschreibt diesbezügliche Veränderungen und hinterfragt diese kritisch.  Darüber hinaus setzt die differenziert kategorisierende Analyse von Begriffsverständnissen, Strukturen und Dimensionen aus der Perspektive lokaler Akteur*innen Impulse für zukünftige, auch konturiert quantifizierende Forschung im Feld der Kulturellen Bildung.

To date, automatic summarization methods have been mostly developed for (and applied to) general news articles, whereas other document types have been neglected. In this paper, we introduce the task of summarizing financial earnings call transcripts, and we present a method for summarizing this text type essential for the financial industry. Earnings calls are briefing events common for public companies in many countries, typically in the form of conference calls held between company executives and analysts that consist of a spoken monologue part followed by moderated questions and answers.

We show that traditional methods work less well in this domain, we present a method suitable for summarizing earnings calls. Our large-scale evaluation on a new human-annotated corpus of summary-worthy sentences shows that this method outperforms a set of strong baselines, including a new one that we propose specifically for earnings calls. To the best of our knowledge, this is the first application of summarization to financial earnings calls transcripts, a primary source of information for financial professionals.

In this demonstration, we present Country Guesser, a live system that guesses the country that a photo is taken in. In particular, given a Google Street View image, our federated ranking model uses a combination of computer vision, machine learning and text retrieval methods to compute a ranking of likely countries of the location shown in a given image from Street View. Interestingly, using text-based features to probe large pre-trained language models can assist to provide cross-modal supervision. We are not aware of previous country guessing systems informed by visual and textual features.

Many curricula encompass subjects that are deemed less interesting or not important by a large share of students since they cannot perceive their true significance. It is an open question how students can be compelled to get involved with these subjects after all. This paper presents a novel concept how this can be accomplished. In particular, the paper argues that four important requirements must be met, namely that learning can also be accomplished in a less formal environment than regular lectures, learning may happen independent of physical presence at the university and whenever students see themselves fit, learning is based on small units, and students enjoy getting involved in the matter. As a proof-of-concept, this approach has been used in programming education for students of electrical engineering, based on sending short summaries via WhatsApp and adding playful elements. such as quizzes. An evaluation of the proof-of-concept over two terms provides indication of the viabi lity and usefulness of the approach, but also highlights several opportunities for extensions and refinements.

Arbeits- und Lernprozesse verlagern sich im berufsschulischen Umfeld immer stärker auf den digitalen Bereich. Dies gilt sowohl für die unterrichtsbezogene Zusammenarbeit im Berufsalltag als auch innerhalb der Aus- und Weiterbildung von (angehenden) Lehrpersonen. Über die Perspektiven von Referendar*innen auf digitale unterrichtsbezogene Zusammenarbeit und deren praktische Umsetzung ist jedoch bislang nur wenig bekannt. Kenntnisse hierüber sind jedoch essentiell, da kooperative Einstellungen und Arbeitsformen zwar durch die Einführung der Lernfelder gefördert werden sollten, die Übersetzung von analogen Praktiken in den digitalen Raum aber voraussetzungsvoll ist und spezielle Ansprüche sowohl an die Referendar*innen als auch an die Institutionen stellt. Die Auswertung von N=19 Interviews mit Referendar*innen dokumentiert eine positive Einstellung gegenüber digitaler unterrichtsbezogener Zusammenarbeit und eine hohe Eigeninitiative in deren praktischer Umsetzung, aber auch Verbesserungsbedarf bei der institutionellen Verankerung digitaler Kooperationsprozesse, um die Digitalisierung als Werkzeug für eine nachhaltige(re) Gestaltung von Bildungsprozessen zu nutzen.

Financial prediction is complex due to the stochastic nature of the stock market. Semi-structured financial documents present comprehensive financial data in tabular formats, such as earnings, profit-loss statements, and balance sheets, and can often contain rich technical analysis along with a textual discussion of corporate history, and management analysis, compliance, and risks. Existing research focuses on the textual and audio modalities of financial disclosures from company conference calls to forecast stock volatility and price movement, but ignores the rich tabular data available in financial reports. Moreover, the economic realm is still plagued with a severe under-representation of various communities spanning diverse demographics, gender, and native speakers. In this work, we show that combining tabular data from financial semi-structured documents with text transcripts and audio recordings not only improves stock volatility and price movement prediction by 5-12% but also reduces gender bias caused due to audio-based neural networks by over 30%.

While for data mining projects (for example in the context of e-commerce) some methodologies have already been developed (e.g. CRISP-DM, SEMMA, KDD), these do not account for (1) early evaluation in order to de-risk a project (2) dealing with text corpora (“unstructured” data) and associated natural language processing processes, and (3) non-technical considerations (e.g. legal, ethical, project management aspects). To address these three shortcomings, a new methodology, called “Data to Value”, is introduced, which is guided by a detailed catalog of questions in order to avoid a disconnect of large-scale NLP project teams with the topic when facing rather abstract box-and-arrow diagrams commonly associated with methodologies.

Despite recent advances in deep learning-based language modelling, many natural language processing (NLP) tasks in the financial domain remain challenging due to the paucity of appropriately labelled data. Other issues that can limit task performance are differences in word distribution between the general corpora – typically used to pre-train language models – and financial corpora, which often exhibit specialized language and symbology. Here, we investigate two approaches that can help to mitigate these issues. Firstly, we experiment with further language model pre-training using large amounts of in-domain data from business and financial news. We then apply augmentation approaches to increase the size of our data-set for model fine-tuning. We report our findings on an Environmental, Social and Governance (ESG) controversies data-set and demonstrate that both approaches are beneficial to accuracy in classification tasks.

In this half-day tutorial, we will review the basic concepts of, methods for, and applications of geographic information retrieval, also showing some possible applications in fields such as the digital humanities. The tutorial is organized in four parts. First we introduce some basic ideas about geography, and demonstrate why text is a powerful way of exploring relevant questions. We then introduce a basic end-to-end pipeline discussing geographic information in documents, spatial and multi-dimensional indexing [19], and spatial retrieval and spatial filtering. After showing a range of possible applications, we conclude with suggestions for future work in the area.

In dem Beitrag werden die Auswirkungen der Umsetzung der Solvency II-Richtlinie in das neue deutsche Versicherungsaufsichtsgesetz (VAG 2016) auf den Treuhänder des Sicherungsvermögens untersucht. Der Treuhänder des Sicherungsvermögens gehört zu den nationalen Sicherungsmechanismen, um Versicherungsnehmer für den Fall der Insolvenz ihres Versicherungsunternehmens zu schützen. Für Solvency II-Versicherungsunternehmen entfiel die bisherige deutsche Anlageverordnung (AnlV) zum 01.01.2016. Statt eines vorgegebenen Anlagekatalogs sind die Versicherungsunternehmen nun verpflichtet, eine interne Anlagerichtlinie zu haben, die auch Grundlage der Überwachung des Sicherungsvermögens durch den Treuhänder ist. Herausforderungen ergeben sich aus der Kollision der Rechnungslegungssicht (HGB) mit der Solvency II-Marktwertsicht. Die Untersuchung leistet damit einen Beitrag zum besseren Verständnis des Zusammenspiels zwischen unveränderten rechtlichen Normen und der neuen ökonomischen, risikobasierten Solvency II-Perspektive.