Publikation: Big Data und Data-Science-Ansätze in der öffentlichen Verwaltung
Lade...
Dateien
Datum
2018
Autor:innen
Herausgeber:innen
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Schriftenreihe
Auflagebezeichnung
URI (zitierfähiger Link)
Internationale Patentnummer
Link zur Lizenz
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Open Access Green
Core Facility der Universität Konstanz
Titel in einer weiteren Sprache
Publikationstyp
Beitrag zu einem Sammelband
Publikationsstatus
Published
Erschienen in
MOHABBAT-KAR, Resa, ed., Basanta THAPA, ed., Peter PARYCEK, ed.. (Un)Berechenbar : Algorithmen und Automatisierung in Staat und Gesellschaft : Berlin : Kompetenzzentrum Öffentliche IT. Berlin: Kompetenzzentrum Öffentliche IT, Fraunhofer-Institut für Offene kommunikationssysteme FOKUS, 2018, pp. 76-96. ISBN 978-3-9818892-5-3
Zusammenfassung
Big Data und Data-Science-Ansätze finden Einzug in die öffentliche Verwaltung. Dieses Kapitel bietet zunächst eine Definition von Big Data in der öffentlichen Verwaltung an und leitet die unterschiedlichen Datenquellen für historische, Echtzeit- und prädiktive Big-Data-Analysen ab. Danach werden Beispiele für organisationale Einheiten in der öffentlichen Verwaltung erläutert, die Big-Data-Analysen durchführen. Anhand der folgenden drei ausgewählten Beispiele wird das Potenzial von Big Data aufgezeigt: USGS »Did you feel it?«-Twitter-Karten, prädiktive Analysen in Finanzbehörden und Vorhersagen von Grippewellen mit Hilfe von Google Flu Trends. Aus diesen und weiteren Beispielen werden dann die Herausforderungen für die Verwendung von Big Data und Data-Science-Ansätzen in der öffentlichen Verwaltung erläutert sowie offene Forschungsfragen für die Verwaltungswissenschaft abgeleitet.
Zusammenfassung in einer weiteren Sprache
Fachgebiet (DDC)
320 Politik
Schlagwörter
Konferenz
Rezension
undefined / . - undefined, undefined
Zitieren
ISO 690
MERGEL, Ines, 2018. Big Data und Data-Science-Ansätze in der öffentlichen Verwaltung. In: MOHABBAT-KAR, Resa, ed., Basanta THAPA, ed., Peter PARYCEK, ed.. (Un)Berechenbar : Algorithmen und Automatisierung in Staat und Gesellschaft : Berlin : Kompetenzzentrum Öffentliche IT. Berlin: Kompetenzzentrum Öffentliche IT, Fraunhofer-Institut für Offene kommunikationssysteme FOKUS, 2018, pp. 76-96. ISBN 978-3-9818892-5-3BibTex
@incollection{Mergel2018DataS-42974,
year={2018},
title={Big Data und Data-Science-Ansätze in der öffentlichen Verwaltung},
url={https://www.oeffentliche-it.de/unberechenbar},
isbn={978-3-9818892-5-3},
publisher={Kompetenzzentrum Öffentliche IT, Fraunhofer-Institut für Offene kommunikationssysteme FOKUS},
address={Berlin},
booktitle={(Un)Berechenbar : Algorithmen und Automatisierung in Staat und Gesellschaft : Berlin : Kompetenzzentrum Öffentliche IT},
pages={76--96},
editor={Mohabbat-Kar, Resa and Thapa, Basanta and Parycek, Peter},
author={Mergel, Ines}
}RDF
<rdf:RDF
xmlns:dcterms="http://purl.org/dc/terms/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:bibo="http://purl.org/ontology/bibo/"
xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
xmlns:foaf="http://xmlns.com/foaf/0.1/"
xmlns:void="http://rdfs.org/ns/void#"
xmlns:xsd="http://www.w3.org/2001/XMLSchema#" >
<rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/42974">
<dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/42"/>
<bibo:uri rdf:resource="https://kops.uni-konstanz.de/handle/123456789/42974"/>
<dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2018-08-06T11:04:21Z</dcterms:available>
<dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/42974/1/Mergel_2-178ikm1gvb6hn3.pdf"/>
<dcterms:abstract xml:lang="deu">Big Data und Data-Science-Ansätze finden Einzug in die öffentliche Verwaltung. Dieses Kapitel bietet zunächst eine Definition von Big Data in der öffentlichen Verwaltung an und leitet die unterschiedlichen Datenquellen für historische, Echtzeit- und prädiktive Big-Data-Analysen ab. Danach werden Beispiele für organisationale Einheiten in der öffentlichen Verwaltung erläutert, die Big-Data-Analysen durchführen. Anhand der folgenden drei ausgewählten Beispiele wird das Potenzial von Big Data aufgezeigt: USGS »Did you feel it?«-Twitter-Karten, prädiktive Analysen in Finanzbehörden und Vorhersagen von Grippewellen mit Hilfe von Google Flu Trends. Aus diesen und weiteren Beispielen werden dann die Herausforderungen für die Verwendung von Big Data und Data-Science-Ansätzen in der öffentlichen Verwaltung erläutert sowie offene Forschungsfragen für die Verwaltungswissenschaft abgeleitet.</dcterms:abstract>
<dc:language>deu</dc:language>
<dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/42"/>
<dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/42974/1/Mergel_2-178ikm1gvb6hn3.pdf"/>
<foaf:homepage rdf:resource="http://localhost:8080/"/>
<dcterms:issued>2018</dcterms:issued>
<dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/>
<dc:creator>Mergel, Ines</dc:creator>
<dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2018-08-06T11:04:21Z</dc:date>
<dc:rights>terms-of-use</dc:rights>
<dcterms:title>Big Data und Data-Science-Ansätze in der öffentlichen Verwaltung</dcterms:title>
<dc:contributor>Mergel, Ines</dc:contributor>
<void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
</rdf:Description>
</rdf:RDF>Interner Vermerk
xmlui.Submission.submit.DescribeStep.inputForms.label.kops_note_fromSubmitter
URL der Originalveröffentl.
Prüfdatum der URL
2018-08-06
Prüfungsdatum der Dissertation
Finanzierungsart
Kommentar zur Publikation
Allianzlizenz
Corresponding Authors der Uni Konstanz vorhanden
Internationale Co-Autor:innen
Universitätsbibliographie
Ja
