Open Access

Die von Volker Schulz vorgelegte Dissertation beschäftigt sich mit der Frage, ob musikpädagogisch orientierte Hörfunksendungen des Norddeutschen Rundfunks aufgrund von programmstrategischen Überlegungen entstanden sind, die rundfunkstaatsvertraglichen Vorgaben nach Information, Beratung, Unterhaltung und Bildung gefolgt sind oder ob derartige Sendungen konzipiert wurden, weil Redakteurinnen und Redakteure entsprechende individuelle Interessen und Neigungen in Hörfunkangebote umsetzen wollten. In der Arbeit werden zwei langjährige Sendereihen des NDR-Hörfunkangebotes formal und inhaltlich untersucht: Das „Schulfunkkonzert“ (1949-1989) und der „Popkocher“ (1986-2021) enthalten hörbare Bezüge zu musikdidaktischen Konzeptionen, die in den 1960er und 1970er Jahren entwickelt wurden. Obwohl der Hörfunk aufgrund seiner technischer Gegebenheiten ungeeignet erscheint, pädagogische Prozesse auszulösen – es gibt nur einen Sender und einen Empfänger, eine Kommunikation ist nicht möglich – zeigt sich in der Betrachtung der beiden Sendereihen die Verwendung von verschiedenen Methodensuggestionen, durch die immerhin scheinbar eine kommunikative Verbindung zwischen Moderation und Rezipienten hergestellt wird und die zumindest teilweise pädagogische Erfolge möglich machen. Ergänzende Experteninterviews mit Persönlichkeiten, die an der Entstehung oder der redaktionellen Betreuung der Reihen mitgewirkt haben, stützen die Erkenntnis, dass individuelles Interesse im Kreis der Redakteurinnen und Redakteure zur Entwicklung der musikpädagogischen Sendungen geführt haben und es keinerlei Vorgaben aus der Leitungsebene des NDR gab, ebenso wenig wie eine Beeinträchtigung bei der Umsetzung der jeweiligen Programmideen.

Das Konzept der ausgewogenen Gegenseitigkeit nimmt exemplarisch soziale Interaktionen ins Visier und legt deren immanente Potenziale der Gerechtigkeit frei; es zeigt auf, dass in vielen Sphären des Sozialen die Impulse der Gerechtigkeit nicht zu ihrer Vollendung gelangt sind. Ausgewogene Gegenseitigkeit indiziert ein wechselseitig gewolltes Verhältnis, das sich Menschen ab einer bestimmten Stufe der Humanität notwendigerweise „schulden“; ihre grundlegende Idee ist ein soziales Ethos des gerechten Maßes. Mit Hilfe der zentralen Ideen der Anerkennung und Gerechtigkeit wird sich jener Wertbestimmung angenähert, die in sozialen Interaktionen radikale und ungerechtfertigte Handlungen und Behandlungen offenlegt und desavouiert, bis erkennbar wird, dass sich in diesen sozialen Zusammenhängen das Verständnis der ausgewogenen Gegenseitigkeit, dies im Sinne der Gerechtigkeit und Redlichkeit, als Aufklärung aufdrängt. Für die Allegorie der Ausgewogenheit hat der Autor die klassische Balkenwaage im Sinn, weil ihre lateinische Bedeutung vieles von dem offenbart, was mit der Idee der Gerechtigkeit assoziiert wird. Die Balkenwaage wurde im Lateinischen mit dem Begriff der libra (libare ═ im Gleichgewicht, schwebend, halten, schwingen) benannt und symbolisierte in allen Hochkulturen Gerechtigkeit, Wahrheit, Weisheit, Gesetz und Ordnung. Das Ansinnen der sozialen Ausgewogenheit wird deshalb durch das Bild der Waage zu verdeutlichen versucht, weil die Waage sich um eine Mittelachse symmetrisch schwingend bewegt und dabei versucht, zwischen einem Gewicht und einem Gegengewicht Balance zu halten. Man kann darin einiges hineininterpretieren, so z. B., dass in der Bewegung der Waagschalen eine Entscheidungsfindung zu ersehen ist, die ihre Zeit benötigt und in der kurzweilig die eine Seite mehr Gewicht anzeigt, obgleich das Endziel doch die Ausgewogenheit bleibt. Indessen teilt uns die Art des Schwebens mit, dass man im Leben Durchhaltevermögen und Geduld benötigt, um eine Last balancieren zu können, die nicht endlos sein darf. Bezüglich der sozialen Integrität wäre die Balance deshalb von Bedeutung, weil nur ein Gleichgewicht zwischen dem körperlichen und dem mentalen Zustand in eine umfassende Integrität münden würde.

In diesem Zwischenbericht werden die vorläufigen Ergebnisse der Aufarbeitung zu „Helmut Kentlers Wirken in der Berliner Kinder- und Jugendhilfe – Aufarbeitung der organisationalen Verfahren und Verantwortung des Berliner Landesjugendamtes“ vorgestellt. Das Aufarbeitungsvorhaben folgt dabei den Ergebnissen des Zwischen- und Endberichtes der Aufarbeitung zu „Helmut Kentlers Wirken in der Berliner Kinder- und Jugendhilfe“ sowie Hinweisen von weiteren Zeitzeug*innen und betroffenen Personen, die nach der Veröffentlichung des Endberichtes an das Forscher*innenteam herangetreten sind und neue Hinweise zu möglichen Verflechtungen des Berliner Landesjugendamtes über Berlin hinaus, aufzeigten. Es werden drei zentrale Fragekomplexe verfolgt: 1. Wie kann die Aufarbeitung die Anliegen von Betroffenen unterstützen? 2. Wie lassen sich die verschiedenen Entscheidungsformen und Verläufe der Verfahren, in denen das Landesjugendamt in Fallverantwortung stand, aus einer organisationsanalytischen Perspektive rekonstruieren? 3. Herausarbeitung von Verwobenheiten und Verflechtungen des Berliner Landesjugendamtes mit anderen Berliner sowie deutschlandweiten Institutionen und Akteur*innen. Das forschungspraktische Vorgehen besteht in der Annäherung an diese drei Fragen aus vier Forschungsperspektiven: 1. Betroffenenbeteiligung und -interviews, 2. Aktenanalyse, 3. Zeitzeug*inneninterviews, 4. Fachöffentlicher Diskurs.

Supervised learning, the standard paradigm in machine learning, only works well if a sufficiently large, diverse, and cleanly-annotated dataset is available. Unfortunately, this is often not the case. In fact, the lack of labeled data is an omnipresent issue in machine learning. The problem is particularly prevalent in computer vision, where unlabeled images or videos can often be acquired at a low cost, whereas labeling them is time-consuming and expensive. To address the issue, this thesis focuses on developing new methods that aim at reducing annotation costs in computer vision by leveraging unlabeled and partially labeled data. In the first part, we provide an overview of previous research directions and discuss their strengths and weaknesses. Thereby, we identify particularly promising research areas. The subsequent chapters which form the central part of this thesis aim at developing algorithmic improvements in these especially attractive fields. Among them is self-supervised learning, which aims at learning transferable representations given a large number of unlabeled images. We find that existing self supervised methods are optimized for image classification tasks, only compute global per-image feature vectors, and are designed for object-centric datasets like ImageNet. To address these issues, we propose a method that is particularly suited for object detection downstream tasks and works well if multiple objects are present per image like in video data for autonomous driving. Another core downside of self-supervised learning algorithms is that they depend on very large batch sizes with batch norm statistics synchronized across GPUs and also require many epochs of training until convergence. We find that stabilizing the self-supervised training target substantially speeds up convergence and allows for training with much smaller batch sizes. Our method matches ImageNet weights after 25 epochs of training with a batch size of only 32. Finally, we investigate supervised pretraining. We find that state-of-the-art self-supervised methods match ImageNet weights only in classification or detection but not in both. In addition, we show that more sophisticated supervised training strategies significantly improve upon ImageNet weights. The second part of the thesis deals with partially labeled data for object detection. We propose to label only large, easy-to-spot objects given a limited budget. We argue that these contain more pixels and therefore usually more information about the underlying object class than small ones. At the same time, they are easier to spot and hence cheaper to label. Because conventional supervised learning algorithms do not work well given this annotation protocol, we develop our own method with does, by combining pseudo-labels, output consistency across scales, and an anchor scale-dependent ignore strategy. Furthermore, many object detection datasets such as MS COCO and CityPersons include group annotations, i.e., bounding boxes that contain multiple objects of a single class. We find that pseudo-labeling instances within a group box is superior to the commonly used training strategies. In the third part of the thesis, we cover semi-supervised object detection where a subset of the images is fully labeled whereas the remaining ones are unlabeled. We show that existing methods that are almost exclusively developed for Faster R-CNN work much less well if applied to architectures that are sensitive to missing annotations. In the prefinal chapter, we investigate the interaction between data and computer vision algorithms. This is in contrast to the vast majority of research which considers the data to be fixed. We provide computer vision practitioners and researchers with guidelines about what to do in typical situations. In the final part of the thesis, we discuss the overall findings and investigate if research should put greater weight on acquiring and labeling data. Finally, we discuss options of mimicking human learning with machines, which might eventually result in human-level intelligence. After all, humans are living proof that this kind of learning works, if done properly.

Krisenhafte Erfahrungen mit der eigenen Währung hinterlassen Spuren: Banken-, Finanz-, Wirtschafts- und Währungskrisen prägen politische wie wirtschaftliche Systeme, den Umgang mit Geld auf gesamtgesellschaftlicher wie privater Ebene, den Aufbau und die Organisationsstruktur von Institutionen sowie nicht zuletzt nationale Selbstverständnisse (Identitäten) und politische Kulturen (Systeme). So selbstverständlich dies klingen mag, so sehr lohnt es sich, den Einfluss nationaler Wirtschaftskulturen, als wichtigen Teil nationaler Identitäten, auf das „Konstrukt Europa“ zu untersuchen: Nicht nur in den Anfangsphasen der Gründung der Europäischen Gemeinschaften stießen die verschiedenen Erfahrungen und Einstellungen kontrovers aufeinander – auch heute ist der Euro als gemeinsame Währung im „Kampf der Wirtschaftskulturen“ immer wieder im Krisenmodus. Austritte aus der Union (Brexit) oder die Gründung von Anti-Euro-Parteien (und deren Weiterentwicklung) sind dafür ebenso sichtbare Zeichen wie der Umgang mit aktuellen, durch die weltumspannende Pandemie ausgelösten Krisenphänomenen. Diesen historischen und politischen Zusammenhängen weiter nachzuspüren, setzt sich der vorliegende Band zum Ziel und versammelt Vorträge und Gesprächstranskriptionen mit Akteuren der Geld-, Finanz- und Währungspolitik, Experten der Steuer- und Wirtschaftspolitik und Analysten von Wirtschafts- und Währungskrisen, die im Rahmen der Hildesheimer „Europagespräche“ eingeladen wurden.

Wie kommt es eigentlich, dass Bildung einerseits als bedeutsame individuelle Ressource und Voraussetzung für ein gutes Leben, als Motor für gesellschaftliche Transformation, Zusammenhalt und politische Partizipation angesehen wird und gleichzeitig die Leistungen des Bildungssystems nicht angemessen finanziert, die pädagogischen Berufe strukturell abgewertet und die Wissenschaftsdisziplin der Erziehung und Bildung nicht wahrgenommen wird? Mit dieser Frage haben sich Masterstudierende des Studiengangs Erziehungswissenschaft an der Universität Hildesheim in den vergangenen Semestern auseinandergesetzt und daraus ein Publikationsprojekt entwickelt, dessen Ergebnis Sie hier sehen. In acht Essays haben sich die Masterstudent:innen mit der gesellschaftlichen Relevanz des Faches „Erziehungswissenschaft“ und des Praxisfeldes, dem Bildungssystem, befasst. Im Zentrum stand und steht die Frage, wer etwas an dem Missverhältnis zwischen individuellem und gesellschaftlichem Nutzen und marginaler öffentlicher Wahrnehmung verändern kann und welche Rolle (angehende) Erziehungswissenschaftler:innen dabei übernehmen könnten.

Der Naturforscher Alexander von Humboldt (1769-1859) gilt für Deutschland hauptsächlich als genialer Naturforscher und Abenteurer, dabei reichte sein Wirkungsfeld weit über die Grenzen Europas hinaus. Sein wissenschaftliches Gesamtwerk gründet sich auf mehrjährige Forschungsreisen, durch die er nach Lateinamerika, in die Vereinigten Staaten und nach Zentralasien gelangte. Durch seine Feldstudien in den Bereichen Astronomie, Botanik, Chemie, Geologie, Klimatologie, Mineralogie, Ozeanographie, Physik, Vegetation und Zoologie hinterließ er ein reiches Schrifttum und korrespondierte zudem mit zahlreichen international renommierten Experten verschiedenartiger Fachrichtungen. Diese Arbeit widmet sich speziell der jüngst aufgekommenen Debatte, wie die Rolle Alexander von Humboldts in der Frage des Kolonialismus und der Sklaverei zu beurteilen ist. Der Fokus liegt auf einer Untersuchung der Kritik am Kolonialismus und der Sklaverei in Südamerika im Reisewerk von Humboldts. Es geht um den Umgang mit der indigenen Bevölkerung und den afrikanischen Sklaven sowie Begegnungen, die prägenden Einfluss auf seinen weiteren Werdegang hatten. Weiterführend wird Fragestellungen nachgegangen, inwiefern die Kritik am Kolonialismus und der Sklaverei ein Einzelfall im ausgehenden 18. und 19. Jahrhundert war, ob von Humboldt als Wegbereiter der Unabhängigkeitsbewegung in Südamerika gesehen werden kann und er selbst auch Kolonialist war.

Nach der Zuspitzung der Krise in Jugoslawien nach 1989 versuchte die österreichische Außenpolitik, einen Beitrag dazu zu leisten, die bewaffneten und ethnischen Konflikte zwischen den Völkern in Jugoslawien, insbesondere in Bezug auf die zunehmende Verschlechterung der politischen Lage im Kosovo, zu entschärfen und die internationale Staatengemeinschaft darauf aufmerksam zu machen. In dieser Hinsicht nahm Österreich im Vergleich zu vielen anderen europäischen Staaten eine Vorreiterrolle ein und unternahm zahlreiche Initiativen zur Internationalisierung der Kosovo-Frage. Die aktive Rolle Österreichs in der Kosovo-Frage manifestierte sich in einer Frühwarnfunktion. Diese Studie analysiert die aktive Rolle Österreichs in der Kosovopolitik, als erster europäischer Staat – aufgrund seiner geographischen Nähe und seiner historischen und wirtschaftlichen Beziehungen – wiederholt die Kosovo-Frage auf die Tagesordnung der europäischen Außenpolitik gebracht und auf die dramatischen Entwicklungen im Kosovo hingewiesen. Österreich bewies eine besondere Kompetenz sowie eine gewisse Themenführerschaft in der Kosovopolitik und konnte so in vielfacher Hinsicht Unterstützung für den Kosovo leisten.

Die vorliegende kunstwissenschaftliche Forschungsarbeit untersucht das Wahrnehmungsbewusstsein des Nachkriegskünstlers Günther Uecker in seinem Schaffensprozess unter der besonderen Berücksichtigung der Einflüsse ostasiatischer Kulturen und des Konzepts der Leere. Das im Vorfeld liegende Wahrnehmungsbewusstsein ist in der Ästhetischen Rezeption für die Werkanalyse von Bedeutung, weil es der gesamten künstlerisch-ideellen Entwicklung und Schöpfung zugrunde liegt. Die Arbeit untersucht, in welcher zeitlichen, örtlichen, kulturellen und psychologischen Relation dieses Rezeptionsbewusstsein aktiv im Künstler hervorgerufen wird, und betrachtet diese Prozesse und die Erfahrungen Ueckers anhand von Analysen von mehreren seiner Werke. Die Untersuchung erfolgt methodisch interdisziplinär und modelliert interkulturell perspektivwechselnd - insbesondere durch die Analyse der Einflüsse von ostasiatischen Kulturen, Weltanschauungen und Künstlern - neue Begriffe, die der Werkforschung Günther Ueckers Verständnistiefe verleihen und zudem neue Forschungsfelder mit Ansätzen der Interkulturalität und Interdisziplinarität im Bereich Kunstwissenschaft artikulieren.

Recent decades have seen exponential growth in data acquisition attributed to advancements in edge device technology. Factory controllers, smart home appliances, mobile devices, medical equipment, and automotive sensors are a few examples of edge devices capable of collecting data. Traditionally, these devices are limited to data collection and transfer functionalities, whereas decision-making capabilities were missing. However, with the advancement in microcontroller and processor technologies, edge devices can perform complex tasks. As a result, it provides avenues for pushing training machine learning models to the edge devices, also known as learning-at-the-edge. Furthermore, these devices operate in a distributed environment that is constrained by high latency, slow connectivity, privacy, and sometimes time-critical applications. The traditional distributed machine learning methods are designed to operate in a centralized manner, assuming data is stored on cloud storage. The operating environment of edge devices is impractical for transferring data to cloud storage, rendering centralized approaches impractical for training machine learning models on edge devices. Decentralized Machine Learning techniques are designed to enable learning-at-the-edge without requiring data to leave the edge device. The main principle in decentralized learning is to build consensus on a global model among distributed devices while keeping the communication requirements as low as possible. The consensus-building process requires averaging local models to reach a global model agreed upon by all workers. The exact averaging schemes are efficient in quickly reaching global consensus but are communication inefficient. Decentralized approaches employ in-exact averaging schemes that generally reduce communication by communicating in the immediate neighborhood. However, in-exact averaging introduces variance in each worker's local values, requiring extra iterations to reach a global solution. This thesis addresses the problem of learning-at-the-edge devices, which is generally referred to as decentralized machine learning or Edge Machine Learning. More specifically, we will focus on the Decentralized Parallel Stochastic Gradient Descent (DPSGD) learning algorithm, which can be formulated as a consensus-building process among distributed workers or fast linear iteration for decentralized model averaging. The consensus-building process in decentralized learning depends on the efficacy of in-exact averaging schemes, which have two main factors, i.e., convergence time and communication. Therefore, a good solution should keep communication as low as possible without sacrificing convergence time. An in-exact averaging solution consists of a connectivity structure (topology) between workers and weightage for each link. We formulate an optimization problem with the objective of finding an in-exact averaging solution that can achieve fast consensus (convergence time) among distributed workers keeping the communication cost low. Since direct optimization of the objective function is infeasible, a local search algorithm guided by the objective function is proposed. Extensive empirical evaluations on image classification tasks show that the in-exact averaging solutions constructed through the proposed method outperform state-of-the-art solutions. Next, we investigate the problem of learning in a decentralized network of edge devices, where a subset of devices are close to each other in that subset but further apart from other devices not in the subset. Closeness specifically refers to geographical proximity or fast communication links. We proposed a hierarchical two-layer sparse communication topology that localizes dense communication among a subgroup of workers and builds consensus through a sparse inter-subgroup communication scheme. We also provide empirical evidence of the proposed solution scaling better on Machine Learning tasks than competing methods. Finally, we address scalability issues of a pairwise ranking algorithm that forms an important class of problem in online recommender systems. The existing solutions based on a parallel stochastic gradient descent algorithm define a static model parameter partitioning scheme, creating an imbalance of work distribution among distributed workers. We propose a dynamic block partitioning and exchange strategy for the model parameters resulting in work balance among distributed workers. Empirical evidence on publicly available benchmark datasets indicates that the proposed method scales better than the static block-based methods and outperforms competing state-of-the-art methods.