Curator-Übersicht › False-Positives-Verdacht

False-Positives-Verdacht (Hot-List)

Hoch-konfidente Mappings, die eine manuelle Plausibilitätsprüfung wert sind. Hier liegt der gefährlichste Pipeline-Fehlertyp: die Pipeline ist überzeugt, aber möglicherweise falsch. Beispiel aus der Coverage-Analyse: das Modul "Advanced Market Research" wird für die Kompetenz "maschinelles Lernen" mit 96 % Confidence vorgeschlagen — vermutlich falsch.

Modul	Outcome-Text	Gemappter ESCO-Skill	Conf.
144 Management von Logistikprojekten Hochschule Darmstadt	entsprechend den international anerkannten Regeln des Projektmanagements (PMI Project Management Projektmanagement empfängerorientiert konzipieren, strukturieren und mit Hilfe geeigneter Tools  Proje…	Projektleitung	96%
145000 Wissenschaftlich Arbeiten in den Wirtschaftswissenschaften Hochschule Darmstadt	Wirtschaftswissenschaften, indem wissenschaftliche Forschungsmethoden eingeübt werden, beispielsweise Die Studierenden können unterschiedliche wirtschaftswissenschaftliche Forschungsmethoden und den D…	wissenschaftliche Forschung	96%
211 Innovation and Information Management Hochschule Darmstadt	Innovation and Information Management Innovation and Information Management • Innovation Management durch Information Management (u.a.	Wissensmanagement	96%
211 Innovation and Information Management Hochschule Darmstadt	Innovation and Information Management Innovation and Information Management • Innovation Management durch Information Management (u.a.	Wissensmanagement	96%
211 Innovation and Information Management Hochschule Darmstadt	Innovation and Information Management Innovation and Information Management • Innovation Management durch Information Management (u.a.	Wissensmanagement	96%
212 Advanced Market Research Hochschule Darmstadt	• Maschinelles Lernen (z.B. Supervised Learning, Unsupervised Learning, künstliche Intelligenz)	maschinelles Lernen	96%
212 Advanced Market Research Hochschule Darmstadt	• Maschinelles Lernen (z.B. Supervised Learning, Unsupervised Learning, künstliche Intelligenz)	maschinelles Lernen	96%
212 Advanced Market Research Hochschule Darmstadt	• Maschinelles Lernen (z.B. Supervised Learning, Unsupervised Learning, künstliche Intelligenz)	maschinelles Lernen	96%
212 Advanced Market Research Hochschule Darmstadt	• Maschinelles Lernen (z.B. Supervised Learning, Unsupervised Learning, künstliche Intelligenz)	maschinelles Lernen	96%
231 Smart Logistics in Ecommerce Hochschule Darmstadt	Smart Logistics in Ecommerce Smart Logistics in Ecommerce • Anforderungen an die Logistik	Logistik	96%
231 Smart Logistics in Ecommerce Hochschule Darmstadt	Smart Logistics in Ecommerce Smart Logistics in Ecommerce • Anforderungen an die Logistik	Logistik	96%
231 Smart Logistics in Ecommerce Hochschule Darmstadt	Smart Logistics in Ecommerce Smart Logistics in Ecommerce • Anforderungen an die Logistik	Logistik	96%
231 Smart Logistics in Ecommerce Hochschule Darmstadt	Smart Logistics in Ecommerce Smart Logistics in Ecommerce • Anforderungen an die Logistik	Logistik	96%
26212 450 15 5. – 7. Sem. TZ/ Angebots ein Semester FernUniversität in Hagen	Public History. A Short History of - Präsenz- und Online- 120 Stunden angesetzt. • Theorien und Konzepte, die innerhalb der Public History als Deutungsangebote	Geschichtswissenschaft	96%
30400 Wirtschaftsrecht und Wettbewerbsrecht Hochschule Darmstadt	Wirtschaftsrecht und Wettbewerbsrecht a) LV Wirtschaftsrecht a) LV Wirtschaftsrecht	Wirtschaftsrecht	96%
42200 Arbeits- und Sozialrecht Hochschule Darmstadt	 Einführung in das Individualarbeitsrecht (z.B.  Einführung in das kollektive Arbeitsrecht (z.B. (2017) Arbeitsrecht: Individualarbeitsrecht mit kollektivrechtlichen Bezügen.	Individualarbeitsrecht	96%
424 Human Resource Management, Leadership and Change-Management Hochschule Darmstadt	Human Resource Management, Leadership and Change-Management Human Resource Management, Leadership and Change Management Einführung: Personalmanagement, Führung und Management in anspruchsvollen betrie…	Personalwesen	96%
50500 Kartell- und Wirtschaftsrecht Hochschule Darmstadt	Kartell- und Wirtschaftsrecht b) LV Wirtschaftsrecht b) LV Wirtschaftsrecht	Wirtschaftsrecht	96%
55221 300 Stunden 10 7. Semester (Voll- Angebots 1 Semester FernUniversität in Hagen	and/or legal studies. RECHTSWISSENSCHAFTLICHE Siehe § 2 der Prüfungsordnung für den Studiengang Rechtswissenschaft (Erste Juristische Prüfung)	Rechtswissenschaft	96%
55316 300 h 10 1 Semester FernUniversität in Hagen	Kollektives Arbeitsrecht II 90 h 3 Arbeitsrecht in der EU 90 h 3 Das Modul bietet die Möglichkeit einer Vertiefung der Kenntnisse im kollektiven Arbeitsrecht sowie	kollektives Arbeitsrecht	96%
BBT 23-09 Herstellung, physikalisch-chemische Charakterisierung und biologische Wechselwirkungen von Nano Hochschule Darmstadt	• Risiken und Chancen von Nanomaterialien in Biologie und Medizin • Die Studierenden können geeignete Methoden zur Analyse bestimmter Nanomaterialien sowie geeignete Schmid (Editor), "Nanoparticles", …	Nanomaterialien	96%
BBT 23-12 Projektmanagement in der Produktentwicklung (Schwerpunkt Getränketechnologie) Hochschule Darmstadt	Projektmanagement in der Produktentwicklung (Schwerpunkt Getränketechnologie) Projektmanagement in der Produktentwicklung (Schwerpunkt Getränketechnologie) Block I Tag: Projektmanagement	Projektleitung	96%
BTC 23-22 Projektmanagement in der Produktentwicklung (Schwerpunkt Getränketechnologie) Hochschule Darmstadt	Projektmanagement in der Produktentwicklung (Schwerpunkt Getränketechnologie) Seminar: Projektmanagement in der Produktentwicklung (Schwerpunkt Getränketechnologie) Block I Tag: Projektmanagement, 4h …	Projektleitung	96%
BTC 23-24 Herstellung, physikalisch-chemische Charakterisierung und biologische Wechselwirkungen von Nanoparti Hochschule Darmstadt	Risiken und Chancen von Nanomaterialien in Biologie und Medizin. Die Studierenden können geeignete Methoden zur Analyse bestimmter Nanomaterialien sowie geeignete Schmid (Editor), "Nanoparticles", Wil…	Nanomaterialien	96%
BTC 8 Organische Chemie Hochschule Darmstadt	Organische Chemie Vorlesung: Organische Chemie Übung: Organische Chemie	organische Chemie	96%
CV Computer Vision Hochschule Darmstadt	Computer Vision Computer Vision – Vorlesung robuster Computer Vision Algorithmen	Computervision	96%
DBC 7 Organische Chemie Hochschule Darmstadt	Organische Chemie Vorlesung: Organische Chemie Übung: Organische Chemie	organische Chemie	96%
DS1 Mathematik-Synchronisationsmodul Hochschule Darmstadt	• Deskriptive Statistik (inkl. • Bayes-Statistik griffe und Methoden der deskriptiven Statistik, der Wahrscheinlichkeitsrechnung und schließenden Sta	Statistik	96%
E1 Kommunikation Hochschule Darmstadt	Kommunikation  Kommunikation I  Kommunikation II	Kommunikation	96%
EM-Sci Science in Media and Scienti Science in Media and Scientific Methods Hochschule Darmstadt	 Make use of information management techniques;  Make use of information management techniques.	Wissensmanagement	96%
EM-Sci Science in Media and Scienti Science in Media and Scientific Methods Hochschule Darmstadt	Science in Media and Scientific Methods EM-Sci Science in Media and Scientific Methods Science in Media and Scientific Methods	wissenschaftliche Forschung	96%
GA Gene c Algorithms Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene sche Algorithmen Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene sche Algorithmen Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene c Algorithms Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene c Algorithms Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene sche Algorithmen Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene sche Algorithmen Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
GA Gene c Algorithms Hochschule Darmstadt	1 Modulname Gene sche Algorithmen 1.3 Lehrveranstaltung Gene sche Algorithmen Abgrenzung gene scher Algorithmen zu anderen Verfahren wie	Algorithmen	96%
IML Introduction to Machine Learning Hochschule Darmstadt	1 Modulname Introduction to Machine Learning 1.3 Lehrveranstaltung Introduction to Machine Learning Machine Learning System Design	maschinelles Lernen	96%
IML Introduction to Machine Learning Hochschule Darmstadt	1 Modulname Introduction to Machine Learning 1.3 Lehrveranstaltung Introduction to Machine Learning Machine Learning System Design	maschinelles Lernen	96%
IML Introduction to Machine Learning Hochschule Darmstadt	1 Modulname Introduction to Machine Learning 1.3 Lehrveranstaltung Introduction to Machine Learning Machine Learning System Design	maschinelles Lernen	96%
IML Introduction to Machine Learning Hochschule Darmstadt	1 Modulname Introduction to Machine Learning 1.3 Lehrveranstaltung Introduction to Machine Learning Machine Learning System Design	maschinelles Lernen	96%
ITaS Information Technology and Society Hochschule Darmstadt	New views of Computer Science; social and cultural history of data processing, Computer Science as a Science, philosophy of Computer Scope of Computer Science technologies: produc on, health	Informatik	96%
ITaS Information Technology and Society Hochschule Darmstadt	New views of Computer Science; social and cultural history of data processing, Computer Science as a Science, philosophy of Computer Scope of Computer Science technologies: produc on, health	Informatik	96%
ITaS Information Technology and Society Hochschule Darmstadt	New views of Computer Science; social and cultural history of data processing, Computer Science as a Science, philosophy of Computer Scope of Computer Science technologies: produc on, health	Informatik	96%
ITaS Information Technology and Society Hochschule Darmstadt	New views of Computer Science; social and cultural history of data processing, Computer Science as a Science, philosophy of Computer Scope of Computer Science technologies: produc on, health	Informatik	96%
M0044 Einführung in die Fahrzeugtechnik Hochschule Darmstadt	Einführung in die Fahrzeugtechnik Einführung in die Fahrzeugtechnik Einführung in die Fahrzeugtechnik: Beliebiges höheres Fachsemester	Kraftfahrzeugtechnik	96%
M0044 Einführung in die Fahrzeugtechnik Hochschule Darmstadt	Einführung in die Fahrzeugtechnik Einführung in die Fahrzeugtechnik Einführung in die Fahrzeugtechnik: 1.	Kraftfahrzeugtechnik	96%
M0044 Einführung in die Fahrzeugtechnik Hochschule Darmstadt	Einführung in die Fahrzeugtechnik Einführung in die Fahrzeugtechnik Einführung in die Fahrzeugtechnik: Beliebiges höheres Fachsemester	Kraftfahrzeugtechnik	96%

1–50 von 427

Weiter →

Methodischer Hinweis

Die Liste enthält alle hoch-konfidenten Mappings, nicht nur die tatsächlich falschen. Das System kann nicht selbst entscheiden, welche Treffer false positives sind — das ist genau der Anwendungsfall für menschliche Curation. Die Pipeline-Confidence misst die Stärke des semantischen Matches, nicht die domänen-fachliche Korrektheit.

Berechnungs-Transparenz Cypher

    MATCH (o:hrqde__LearningOutcome)
    WHERE toFloat(o.hrqde__provenanceConfidence) >= 0.8
    MATCH (m:hrqde__EducationalModule)-[:hrqde__hasOutcome]->(o)
    WHERE m.uri STARTS WITH "http://hr-qde.org/data/koeppe/"
    MATCH (o)-[:hrqde__targetsCompetence]->(skill)
    OPTIONAL MATCH (skill)-[:skosxl__prefLabel]->(label:Resource)
    OPTIONAL MATCH (m)-[:hrqde__offeredBy]->(hei:hrqde__HigherEducationInstitution)
    WITH o, m, skill, hei,
         collect(DISTINCT label.skosxl__literalForm) AS labelForms
    RETURN o.uri                          AS outcomeUri,
           o.rdfs__comment                AS outcomeText,
           o.hrqde__provenanceConfidence  AS confidence,
           m.uri                          AS moduleUri,
           m.rdfs__label                  AS moduleLabel,
           m.hrqde__moduleCode            AS moduleCode,
           skill.uri                      AS skillUri,
           labelForms,
           hei.rdfs__label                AS heiLabel
    ORDER BY toFloat(o.hrqde__provenanceConfidence) DESC, o.uri
    SKIP 0 LIMIT 50