Die chronologische Liste zeigt aktuelle Veröffentlichungen aus dem Forschungsbetrieb der Hochschule Weihenstephan-Triesdorf. Zuständig ist das Zentrum für Forschung und Wissenstransfer (ZFW).
8 Ergebnisse
Dr. Thomas Decker
Praxisforschung für flexible und nachhaltige Wohnkonzepte (2023) Vortrag auf dem 30. CARMEN Forum – Zukünftiges Bauen & Wohnen am 23.03.2023 in Straubing .
In Deutschland werden Managementstandards zur Verbesserung der Nachhaltigkeit in der Landwirtschaft bisher nur in geringem Maße angeboten und genutzt. Ziel dieser Dissertation ist es, auf der Basis von Erkenntnissen über Zusammenhänge und Einflussfaktoren auf denkomplexen Entscheidungsprozessen der Landwirte die wichtigsten hemmenden Faktoren sowie Gestaltungsoptionen für solche Standards zu identifizieren. Dazu wurden vier Studien verfasst. Die erste, explorative Studie untersucht den Prozess der Innovationsannahme für einen umfassenden, landwirtschaftlichen Nachhaltigkeitsmanagement-Standard bei deutschen Landwirten. Es wurde zur Datenerhebung die Delphi-Methode genutzt. Die Ergebnisse wurden mit den Entscheidungs-Vorphasen des Innovations-Entscheidungs-Modells verknüpft. Die Auswertungen zeigen, dass der relative Vorteil des Nachhaltigkeitsstandards aus Sicht der Befragten nicht ausreichend deutlich wird. Neben höheren Produktpreisen wird die Datengrundlage für die Nachhaltigkeitsbewertung als wichtigster Faktor für die Standardgestaltung identifiziert. Die zweite Studie fokussiert auf konkrete Ausgestaltungsvarianten. Hierzu wird mit einem Discrete-Choice-Experiment die Bereitschaft deutscher Landwirte untersucht einen Nachhaltigkeitsstandard zu übernehmen. Die Attribute des Standard-Designs wurden aus der ersten Studie abgeleitet, um einen fiktiven Standard zu modellieren. Die Befragten bevorzugen hier die Datenübernahme aus dem Integrierten Verwaltungs- und Kontrollsystem der EU, ein mittleres Nachhaltigkeitsniveau und die Möglichkeit Umweltprogramme zu integrieren. In der dritten und vierten Studie wird die Rolle von Motivation und Risiko im komplexen Entscheidungsprozess der Landwirte tiefer untersucht. Studie 3 analysiert mit Hilfe des Technologieakzeptanzmodells den Einfluss sozialer, finanzieller und persönlicher Erwartungen auf die Absicht einen Standard zu nutzen. Die Ergebnisse des verwendeten Strukturgleichungsmodells bestätigen, dass die Benutzerfreundlichkeit den wichtigsten Aspekt darstellt. Studie 4 testet den Einfluss von drei verschiedenen Risikomaßen auf die angegebene Akzeptanz eines Nachhaltigkeitsstandards und kontrastiert diese Ergebnisse mit der angegebenen Höhe an Investitionen, welche die Landwirte in der Vergangenheit getätigt haben. Die Resultate deuten darauf hin, dass Selbsteinschätzungsfragen eher die Erwartungen an die Innovation selbst erfassen als tatsächliche Riskoapräferenzen. Dies bedeutet für Nachhaltigkeitsstandards, dass bessere Kenntnisse zu den Standards sowie Anwendungsbeispiele bei Landwirten eine wichtige Bedeutung für die Akzeptanz erwarten lassen, da diese das empfundene Risiko verringern können. Die Arbeit schließt mit einer Ergebnisdiskussion und der Ableitung von Handlungsempfehlungen.
Mehr
Prof. Dr. Florian Haselbeck,
Maura John,
Prof. Dr. Dominik Grimm
SummaryPredicting complex traits from genotypic information is a major challenge in various biological domains. With easyPheno, we present a comprehensive Python framework enabling the rigorous training, comparison, and analysis of phenotype predictions for a variety of different models, ranging from common genomic selection approaches over classical machine learning and modern deep learning based techniques. Our framework is easy-to-use, also for non-programming-experts, and includes an automatic hyperparameter search using state-of-the-art Bayesian optimization. Moreover, easyPheno provides various benefits for bioinformaticians developing new prediction models. easyPheno enables to quickly integrate novel models and functionalities in a reliable framework and to benchmark against various integrated prediction models in a comparable setup. In addition, the framework allows the assessment of newly developed prediction models under pre-defined settings using simulated data. We provide a detailed documentation with various hands-on tutorials and videos explaining the usage of easyPheno to novice users.Availability and ImplementationeasyPheno is publicly available at https://github.com/grimmlab/easyPheno and can be easily installed as Python package via https://pypi.org/project/easypheno/ or using Docker.Supplementary informationA comprehensive documentation including various tutorials complemented with videos can be found at https://easypheno.readthedocs.io/. In addition, we provide examples of how to use easyPheno with real and simulated data in the Supplementary.
Mehr
Erwin Ulrich,
Philippe Ruch,
Xavier Montagny,
Nina Bonche,
Didier Pischedda,
Prof. Dr. Stefan Wittkopf,
Andrea Hauck,
Dr. rer. nat. Joachim Bernd Heppelmann,
M.Sc. Caroline Bennemann
Wir verwenden Cookies. Einige sind notwendig für die Funktion der Webseite, andere helfen uns, die Webseite zu verbessern. Um unseren eigenen Ansprüchen beim Datenschutz gerecht zu werden, erfassen wir lediglich anonymisierte Nutzerdaten mit „Matomo“. Um unser Internetangebot für Sie ansprechender zu gestalten, binden wir außerdem externe Inhalte unserer Social-Media-Kanäle ein.