Intelligente und nachhaltige Technologie für widerstandsfähige Städte und Gemeinden

Inhaltsverzeichnis

1. Frontmatter

2. Kapitel 1. Intelligente und nachhaltige Technologien für resiliente Städte und Gemeinschaften – Ein Überblick

   Robert J. Howlett, John R. Littlewood

   Zusammenfassung

   Als die COVID-19-Pandemie im Jahr 2020 ausbrach, reagierten Forscher auf der ganzen Welt schnell darauf, ihre Forschung anzuwenden, um die schädlichen Auswirkungen auf die Menschheit zu lindern. Es gibt die Möglichkeit, aus dieser Forschung zu lernen, um eine bessere Welt für die Gesellschaft zu schaffen, nicht nur kurzfristig während der Pandemie, sondern auch danach, wenn und falls sie ausgerottet wird. Städte und ländliche Gemeinden müssen sich weiterentwickeln, um intelligenter, widerstandsfähiger und autarker zu werden. Das Buch ‚Smart and Sustainable Technology for Resilient Cities and Communities‘ enthält 21 Kapitel zu diesem Thema, die in vier Teile unterteilt sind. Darüber hinaus bildet dieses erste Kapitel eine Einführung in das Buch und einen Überblick über dessen Inhalt, indem es die enthaltenen Kapitel zusammenfasst.

3. Änderungen der Arbeitspraktiken und Beschäftigungsfähigkeit als Reaktion auf die Covid-19-Pandemie

   1. Frontmatter

   2. Kapitel 2. Untersuchung pädagogischer Ansätze zur Entwicklung von Beschäftigungsfähigkeiten im Zuge der COVID-19-Pandemie

      John Aliu, Clinton Aigbavboa

      Zusammenfassung

      Die Bauindustrie und ihre Arbeitgeber erkennen allmählich, dass ihre Aktivitäten und Prozesse Absolventen erfordern, die mit den richtigen Fähigkeiten ausgestattet sind, um nach dem Abschluss erfolgreich zu sein. Angesichts der sich ständig weiterentwickelnden Natur der Branche und der COVID-19-Pandemie hat der Druck auf die Hochschulbildung, ihre bestehenden Lehrpläne zu überprüfen und zu überarbeiten, in letzter Zeit zugenommen. Der Prozess der Entwicklung von Beschäftigungsfähigkeiten bei Studierenden kann sich in den pädagogischen Ansätzen widerspiegeln, die von Hochschulen angewendet werden. Diese Forschung zielt darauf ab, die verschiedenen pädagogischen Ansätze zu bestimmen, die von Hochschulen angewendet werden können, um Beschäftigungsfähigkeiten bei Studierenden der gebauten Umwelt zu entwickeln, während die Welt mit den Nachwirkungen der COVID-19-Pandemie zu kämpfen hat. Ein qualitativer Delphi-Ansatz wurde gewählt, um diese Ansätze zu validieren. Vierzehn Experten schlossen einen zweistufigen iterativen Delphi-Studienprozess ab und erzielten einen Konsens über alle 16 identifizierten Ansätze. Diese Studie ergab, dass multidisziplinäre Lehransätze, arbeitsintegriertes Lernen und Praktikumsmöglichkeiten die bedeutendsten Ansätze zur Entwicklung von Beschäftigungsfähigkeiten bei Studierenden sind. Es wird empfohlen, dass Universitäten in Südafrika und darüber hinaus weiterhin sicherstellen, dass diese Ansätze in ihre bestehenden Lehrpläne aufgenommen werden, um nicht nur akademisch versierte Absolventen hervorzubringen, sondern auch Absolventen, die sich leicht in die durch die COVID-19-Pandemie und die Vierte Industrielle Revolution (4IR) ausgelöste „neue Normalität“ einfügen.

   3. Kapitel 3. Zusammenhang zwischen arbeitsintegriertem Lernen und Beschäftigungsfähigkeiten in der Post-COVID-19-Ära

      John Aliu, Clinton Aigbavboa

      Zusammenfassung

      Aufgrund von COVID-19 gab es mehrere Störungen des Status quo, die mehrere Veränderungen im Arbeitsbereich sowie im Hochschulsektor ausgelöst haben. Da letzterer versucht, seinen Lehr- und Lernansatz durch die Annahme von Online- und Fernlernmodellen neu zu justieren, muss einer der kritischsten Bestandteile der gebauten Umwelt, das arbeitsintegrierte Lernen (WIL), in der Ära des ‚neuen Normal‘ mehr Aufmerksamkeit geschenkt werden. Dies liegt daran, dass zukünftige Absolventen, da die Welt diese neue Welle der Digitalisierung begrüßt, innovative Fähigkeiten und Attribute benötigen, um leicht in die Arbeitswelt (‚neue Wirtschaft‘) überzugehen. Dieser Artikel sucht die Bedeutung von WIL neu zu bewerten, da Hochschuleinrichtungen (HEIs) weltweit ihren Lehrplan umgestalten, um sich an die bedeutenden Veränderungen anzupassen, die durch COVID-19 verursacht wurden. Für diese Studie wurde ein quantitativer Forschungsansatz mit geschlossenen Fragebögen gewählt, die Fachleuten aus dem Bauumfeld in der Provinz Gauteng in Südafrika vorgelegt wurden. Die erhaltenen Daten wurden mit mehreren statistischen Werkzeugen wie deskriptiver Statistik (DS), mittlerem Artikelwert (MIS), Ein-Stichproben-T-Test (OST) und explorativer Faktorenanalyse (EFA) analysiert. Die Ergebnisse zeigten vier Cluster, die die Schlüsselattribute von WIL hervorheben, die für den Erfolg der Absolventen entscheidend sind. Dazu gehören das Verständnis von Arbeitsverantwortlichkeiten, verbessertes Lernen, die Exposition gegenüber multidisziplinären Teams und die Entwicklung einer professionellen Identität. Obwohl es für heutige Universitäten einfach sein mag, WIL aufgrund der verschiedenen Feinheiten bei der Bewertung und Überwachung der Teilnahme der Studierenden aufgrund des Online-Lernens zu übersehen, plädiert dieser Artikel dafür, dass Universitäiten einen innovativeren Ansatz verfolgen, um sicherzustellen, dass WIL erfolgreich durchgeführt wird aufgrund seiner Beschäftigungsvorteile für Studenten. Die Ergebnisse dieser Studie werden für Hochschullehrer, Hochschulbeamte, politische Entscheidungsträger und sogar Studenten von Nutzen sein.

   4. Kapitel 4. Chancen und Barrieren der Digitalisierung in der COVID-19-Krise für KMU

      Ralf-Christian Härting, Anna-Lena Rösch, Gianluca Serafino, Felix Häfner, Jörg Bueechl

      Zusammenfassung

      Die digitale Transformation ist seit Jahren ein wesentlicher Treiber der Entwicklung von Geschäftsmodellen. Die COVID-19-Pandemie betrifft sowohl Organisationen als auch die Gesellschaft und macht es zwingend erforderlich, aufkommende exogene Schocks zu nutzen, um funktionsfähig und wettbewerbsfähig zu bleiben. In diesem Sinne hat COVID-19 die aufdeckende Kraft für Organisationen, sich neu zu erfinden, indem sie ihre Strategien einschließlich der entsprechenden Geschäftsmodelle neu anpassen. Zusammen mit der Notwendigkeit, physische Distanzierung zu praktizieren, wird der Ruf nach digitalen Lösungen noch kritischer. Kleine und mittlere Unternehmen (KMU) unterscheiden sich quantitativ und qualitativ von großen Konzernen. Daher können sich KMU flexibler durch disruptive Umgebungen navigieren. Sie werden oft als Rückgrat der Wirtschaft angesehen und verdienen aus diesen Gründen die Aufmerksamkeit der Forscher. Ziel unserer Studie ist es, die Potenziale der Digitalisierung für kleine und mittlere Unternehmen zu untersuchen, die besonders von exogenen Determinanten betroffen sind. Einerseits müssen die Chancen der Digitalisierung berücksichtigt werden. Andererseits sind die Herausforderungen und Einschränkungen der COVID-19-Krise besonders relevant.

   5. Kapitel 5. Neue urbane Mobilitätsstrategien nach der COVID-19-Pandemie

      Domenico Suraci

      Zusammenfassung

      Ziel dieser Arbeit ist es, die aufgrund der COVID-19-Krise in den verschiedenen Städten der Welt ergriffenen Maßnahmen im Hinblick auf die urbane Mobilität zu untersuchen und zu bewerten, welche am effektivsten waren, indem ihre Auswirkungen sowohl kurz- als auch langfristig überprüft werden. Die betrachteten Städte befinden sich in Europa sowie in Nord- und Südamerika. Der erste Teil der Studie versuchte, sie nach ihrer Ähnlichkeit zu klassifizieren. Dann wurden die Daten zur Veränderung der Modal-Split, die größtenteils auf den offiziellen Websites der Gemeinden zu finden sind, verwendet, um die effektivsten Maßnahmen zu untersuchen. Daraus werden im Allgemeinen Schlussfolgerungen über das Phänomen und Vorschläge für die zukünftige Entwicklung abgeleitet.

   6. Kapitel 6. Integration von Bedenken zur Innenraumluftqualität in die Bildungsgemeinschaft durch ein gemeinsames Rahmenwerk des Campus Bizia-Labors der Universität des Baskenlandes

      Iñigo Rodriguez-Vidal, Xabat Oregi, Jorge Otaegi, Gaizka Vallespir-Etxebarria, José Antonio Millán-García, Alexander Martín-Garín

      Zusammenfassung

      Heutzutage ist die Innenraumluftqualität (IAQ) in belegten Räumen aufgrund der aktuellen Gesundheitssituation, die durch die COVID-19-Pandemie verursacht wurde, zu einem großen Anliegen für viele Interessengruppen geworden. Dieses Problem ist im Bildungsbereich noch dringlicher aufgrund der hohen Belegungsdichte, des geringen Abstands zwischen den Schülern, des geringen Bewusstseins, des Nebeneinanders von mehreren mechanischen und natürlichen Belüftungssystemen und des Mangels an Schulung der Nutzer im Umgang mit dem Gebäude. Diese Gründe, zusammen mit den Schwierigkeiten, ein einfaches, klares Handlungskriterium zu empfehlen, erzeugen die Notwendigkeit, Dozenten, Mitarbeitern und Schülern Leitlinien für praktische, effektive Verbesserungs- und Präventionsmaßnahmen anzubieten. In diesem Sinne zielt dieses Kapitel darauf ab, die Entwicklung der Innenraumluftqualität (IAQ) mehrerer Bildungseinrichtungen auf dem Campus Gipuzkoa der Universität des Baskenlandes (UPV/EHU) zu analysieren. Diese Studie untersucht die IAQ in verschiedenen Arten von Klassenzimmern und Büros mit unterschiedlichen Eigenschaften, um die Leistung jedes einzelnen zu bewerten. Dazu wurde auf der Grundlage einer Überwachungskampagne die CO₂-Konzentration als Schlüsselindikator für die Luftqualität verwendet, der den Belüftungsbedarf definiert und den Nutzern Echtzeitinformationen anzeigt. Die Ergebnisse haben den klaren Effekt gezeigt, den die Visualisierung der Daten auf die Nutzer hat. Es kann geschlossen werden, dass die informationsbasierte Entscheidungsfindung durch den Einsatz von Überwachungstafeln eine effektive und einfach zu bedienende Lösung zur Erreichung der IAQ-Ziele bieten könnte. Die Forschung ist auch im Rahmen des Campus Bizia Laboratory-Programms angesiedelt, bei dem der kollaborative Prozess zwischen akademischem Personal, Dienstleistungs- und Verwaltungspersonal und Studenten zur Bewältigung von Nachhaltigkeitsherausforderungen innerhalb der Universität selbst im Vordergrund steht.

4. Intelligente Techniken zur Überwachung einer Pandemie und zur Vorhersage ihres Verlaufs

   1. Frontmatter

   2. Kapitel 7. Ein Überblick über Methoden zur Kontrolle und Schätzung der Kapazität in der COVID-19-Pandemie anhand von Punktwolken- und Bilddaten

      Jesús Balado, Lucía Díaz-Vilariño, Elena González, Antonio Fernández

      Zusammenfassung

      Die Hauptmaßnahmen zur Kontrolle der COVID-19-Pandemie und zur Verhinderung der Ausbreitung des Virus haben sich auf die Bevölkerungssteuerung und soziale Distanzierung konzentriert. Im Laufe der Jahre haben viele Anwendungen von Sensortechnologien ihre Wirksamkeit bei der Lösung von Problemen im Zusammenhang mit der Erfassung, Identifizierung und Modellierung der Umwelt gezeigt, wenn auch nicht immer aus einer menschenzentrierten Perspektive. Dieses Kapitel fasst Sensortechniken aus Punktwolken- und Bilddaten zusammen, die sich auf die Bevölkerungssteuerung und die Schätzung der Kapazität beziehen: Personenzählung, biometrische Identifikation, Überwachung von Aktivitäten, Distanzmessung und 3D-Modellierung. Der aktuelle Stand der Technik und die gebräuchlichsten Algorithmen werden zusammengefasst. Schließlich werden die Vor- und Nachteile von Punktwolkendaten und Bilddaten sowie die aktuellen Trends der vorherrschenden Technologie in jedem Bereich diskutiert.

   3. Kapitel 8. Modellierung und Bewertung der Auswirkungen sozialer Einschränkungen auf die Verbreitung von COVID-19 unter Verwendung von maschinellem Lernen

      Mostafa Naemi, Amin Naemi, Romina Zarrabi Ekbatani, Ali Ebrahimi, Thomas Schmidt, Uffe Kock Wiil

      Zusammenfassung

      COVID-19 hat im vergangenen Jahr verschiedene Aspekte des menschlichen Lebens, wie Arbeiten und Sozialisieren, beeinflusst. Behörden in verschiedenen Ländern haben unterschiedliche Ebenen und Formen sozialer Einschränkungen verhängt, um den Ausbruch dieser Krankheit zu kontrollieren. Dieses Kapitel untersucht die Wirkung sozialer Einschränkungen, einschließlich Einschränkungen für Schulen, Arbeitsplätze, öffentliche Veranstaltungen, Versammlungen sowie innerstaatliche und internationale Flüge, auf die Kontrolle der Virusverbreitung. Zu diesem Zweck werden drei Modelle des maschinellen Lernens, einschließlich Random Forest (RF), Extreme Gradient Boosting (XGB) und Long Short-Term Memory Neural Network (LSTM), angewendet, um die Anzahl der Infektionsfälle pro Tag in Dänemark unter verschiedenen Einschränkungsstufen zu simulieren. Verschiedene Szenarien sozialer Einschränkungen werden simuliert, um die Auswirkungen von Entscheidungen über soziale Einschränkungen und die Verhängung strengerer Maßnahmen zu untersuchen. Die Ergebnisse zeigen, dass LSTM eine überlegene Leistung bei der Erkennung zeitlicher und langer Abhängigkeiten aufweist. Außerdem wird gezeigt, dass Schul- und Arbeitsplatzschließungen die beiden entscheidendsten Einschränkungen sind und daher strengere Einschränkungen in diesen Bereichen zu einem signifikanten Rückgang der Infektionsfälle führen können. Die Ergebnisse dieser Studie bieten auch Einblicke in die Bedeutung rechtzeitiger Entscheidungen durch Regierungs- und Gesundheitsbehörden und quantifizieren deren Auswirkungen auf die Virusverbreitung, was für das Management zukünftiger Pandemien sehr nützlich sein kann.

   4. Kapitel 9. Prognose der COVID-19-Verbreitung in Iran, Italien und Mexiko unter Verwendung neuartiger nichtlinearer autoregressiver neuronaler Netze und ARIMA-basierter Hybridmodelle

      Amin Naemi, Mostafa Naemi, Romina Zarrabi Ekbatani, Thomas Schmidt, Ali Ebrahimi, Marjan Mansourvar, Uffe Kock Wiil

      Zusammenfassung

      Diese Arbeit analysiert einzelne und zweiwellige COVID-19-Ausbrüche unter Verwendung von zwei neuartigen hybriden Modellen, die maschinelles Lernen und statistische Methoden mit Richards-Wachstumsmodellen kombinieren, um die Ausbreitung der Infektion zu simulieren und vorherzusagen. Zu diesem Zweck werden historische kumulative Zahlen bestätigter Fälle für drei Länder, darunter Iran, Italien und Mexiko, verwendet. Die Analyse der Richards-Modelle zeigt, dass seine einstufige Form die kumulative Anzahl der Infektionen in Ländern mit einer einzigen Welle des Ausbruchs (Italien und Mexiko) genau modellieren kann, während seine Leistung für Länder mit zwei Wellen des Ausbruchs (Iran) nachlässt, was die Notwendigkeit von mehrstufigen Richards-Modellen verdeutlicht. Die Ergebnisse der mehrstufigen Richards-Modelle zeigen, dass die Verhinderung der zweiten Welle die Ausbruchsgröße im Iran um etwa 400.000 Fälle reduzieren und die Pandemie fast 7 Monate früher kontrolliert werden könnte. Obwohl die kumulative Ausbruchsgröße mit mehrstufigen Richards-Modellen genau geschätzt wird, zeigen die Ergebnisse, dass diese Modelle die tägliche Anzahl der Fälle, die für die Planung der Gesundheitssysteme wichtig sind, nicht vorhersagen können. Daher werden zwei neuartige hybride Modelle vorgeschlagen, darunter autoregressives integriertes gleitendes Durchschnittsmodell (ARIMA)-Richards und nichtlineares autoregressives neuronales Netzwerk (NAR)-Richards. Die Genauigkeit dieser Modelle bei der Vorhersage der täglichen Fallzahlen für 14 Tage im Voraus wird unter Verwendung des Testdatensatzes berechnet und zeigt, dass der Vorhersagefehler zwischen 8 und 25 % liegt. Ein Vergleich zwischen diesen hybriden Modellen zeigt auch, dass die auf maschinellem Lernen basierenden Modelle eine überlegene Leistung im Vergleich zu den auf Statistik basierenden Modellen haben und im Durchschnitt 20 % genauer sind.

   5. Kapitel 10. Räumliche Statistikmodelle für COVID-19-Daten unter geostatistischen Methoden

      S. Zimeras

      Zusammenfassung

      Die Geostatistik bietet dem Praktiker eine Methodik zur Quantifizierung räumlicher Unsicherheit. Statistik kommt ins Spiel, weil Wahrscheinlichkeitsverteilungen die sinnvolle Art und Weise sind, den Bereich möglicher Werte eines interessierenden Parameters darzustellen. Darüber hinaus ist ein statistisches Modell gut geeignet für die scheinbare Zufälligkeit räumlicher Variationen. Es muss beachtet werden, dass es eine beträchtliche Vielfalt statistischer Methoden gibt, die in der Analyse räumlicher Variation in Daten angewendet wurden, zusammengefasst von Dale (Spatial pattern analysis in plant ecology. Cambridge University Press, 1999) [1]. Diese umfassen Dispersionsanalyse, Spektralanalyse, Wavelet-Analyse, Kriging und räumliche Monte-Carlo-Simulationen sowie viele geostatistische Methoden. Kriging wurde zur Schätzung von Schwellenwerten kontinuierlicher Variablen entwickelt. Es wurde zur Interpolation und Simulation kategorialer Variablen und zur Analyse räumlicher Unsicherheit verwendet.

   6. Kapitel 11. Intelligentes Mehrsensor-System zur Fernüberwachung von COVID-19

      G. Zaz, M. Alami Marktani, A. Elboushaki, Y. Farhane, A. Mechaqrane, M. Jorio, H. Bekkay, S. Bennani Dosse, A. Mansouri, A. Ahaitouf

      Zusammenfassung

      Die weltweite Verbreitung der COVID-19-Pandemie schafft einen dringenden Bedarf an Forschung und Entwicklung sicherer und effizienter Lösungen zur frühzeitigen Erkennung von COVID-19. In diesem Papier wird ein intelligentes, zuverlässiges und kostengünstiges System vorgeschlagen, das die Hauptsymptome der COVID-19-Erkrankung (Fieber, Husten und Atembeschwerden) erkennt. Dieses System wendet das Prinzip der Multisensor-Datenfusion an, um eine robuste, präzise und komplementäre Analyse zwischen diesen Symptomen bereitzustellen, um festzustellen, ob eine Person Träger der COVID-19-Erkrankung ist oder nicht. Mithilfe von maschinellen Lernwerkzeugen wird das System auf Infrarotbildern trainiert, um das Fieber zu erkennen. Die erhaltenen Wärmebilder werden auch verwendet, um die Atemfrequenz zu kontrollieren, indem Temperaturänderungen um die Nasenbereiche im Gesicht überwacht werden. Diese Signatur wird durch ein gut trainiertes Wärmebildverarbeitungsmodell aus Online-Datenbanken erkannt. Um das dritte Symptom von COVID-19 (Husten) zu identifizieren, ist das System mit einem Netzwerk von Mikrofonen verbunden. Mithilfe eines spezifischen künstlichen Intelligenz (KI) Modells, das auf der Mel-Frequenz-Cepstrum-Koeffizienten (MFCC) Konvolutionalen Neuronalen Netzwerk (CNN) Architektur basiert, ist es möglich, das Hustengeräusch zu erkennen. Der kombinierte Einsatz der Wärme- und Tonsensoren ermöglicht die Zusammenführung der Daten des Multisensorsystems. Dieser Ansatz ist oft die am besten geeignete Antwort auf betriebliche Anforderungen, die eine vollständige, effiziente und reaktionsschnelle Diagnose erfordern. Das in diesem Papier vorgestellte System ist für den Einsatz in öffentlichen Gastinstitutionen konzipiert. Das Ziel ist es, zur Verlangsamung oder sogar zum Stopp der Ausbreitung von COVID-19 beizutragen. Dieses System kann auch als nützliches Mittel zur Früherkennung vieler anderer Krankheiten angepasst werden.

   7. Kapitel 12. Eine vergleichende Studie von Deep-Learning-Modellen zur COVID-19-Diagnose basierend auf Röntgenbildern

      Shah Siddiqui, Elias Hossain, Rezowan Ferdous, Murshedul Arifeen, Wahidur Rahman, Shamsul Masum, Adrian Hopgood, Alice Good, Alexander Gegov

      Zusammenfassung

      Hintergrund: Der Aufstieg von COVID-19 hat weltweit zu einem unermesslichen Verlust der öffentlichen Gesundheit geführt. Die Welt hat einen schweren Mangel an dem als Goldstandard bekannten Testkit, der als Reverse-Transkriptase-Polymerase-Kettenreaktion (RT-PCR) bekannt ist, erlebt. Die Genauigkeit von RT-PCR beträgt nicht 100 %, und es dauert einige Stunden, bis die Testergebnisse vorliegen. Eine zusätzliche Testlösung zu RT-PCR wäre vorteilhaft. Die Überlegenheit des Deep Learning in der Bildverarbeitung wird als die effektivste COVID-19-Diagnose auf Basis von Bildern charakterisiert. Die geringe Anzahl von COVID-19-Röntgenbildern in bestehenden Deep-Learning-Methoden zur COVID-19-Diagnose kann die Leistung der Deep-Learning-Methoden für neue Bildsätze beeinträchtigen. Unsere Priorität für diese Forschung ist es, verschiedene Deep-Learning-Algorithmen an einem Datensatz zu testen und zu vergleichen, der aus vielen COVID-19-Röntgenbildern besteht. Methoden: Wir haben die öffentlich verfügbaren Bilddaten in zwei Gruppen (COVID und Normal) zusammengeführt. Unser Datensatz enthält 579 COVID-19-Fälle und 1773 normale Fälle von Röntgenbildern. Wir haben 145 COVID-19-Fälle und 150 normale Fälle verwendet, um die Deep-Learning-Modelle zu testen. Deep-Learning-Modelle basierend auf CNN, VGG16 und 19 sowie InceptionV3 wurden für die Vorhersage in Betracht gezogen. Die Leistung dieser Modelle wird anhand von Messungen der Genauigkeit, Sensitivität und Spezifität verglichen. In den Deep-Learning-Modellen wird die SoftMax-Aktivierungsfunktion zusammen mit dem Adam-Optimierer und dem kategorischen Kreuzentropie-Verlust verwendet. Ein in der Literatur gefundenes angepasstes hybrides CNN-Modell wird in Betracht gezogen und verglichen, um zu untersuchen, wie sich die Einbeziehung vieler COVID-19-Röntgenbilder auf die Leistung des Modells auswirken könnte. Ergebnisse: Die Genauigkeit der betrachteten Deep-Learning-Modelle unter Verwendung der InceptionV3-, VGG16- und VGG19-Algorithmen erreichte 50 %, 90 % bzw. 83 % bei der Vorhersage der COVID-19-Röntgenbilder. Wir haben gezeigt, dass die Anzahl der COVID-19-Röntgenbilder einen signifikanten Einfluss auf die Leistung des Modells hat. Ein in der Literatur gefundenes angepasstes hybrides CNN-Modell konnte auf einem Datensatz, der aus einer großen Anzahl von COVID-19-Röntgenbildern besteht, nicht gut abschneiden. Das angepasste hybride CNN-Modell erreichte eine Genauigkeit von 71 % bei vielen COVID-19-Röntgenbildern. Im Gegensatz dazu erreichte es eine Genauigkeit von 98 % bei einer geringen Anzahl von COVID-19-Röntgenbildern. Aus den Experimenten geht auch hervor, dass das VGG16 mit einer erhöhten Anzahl von Bildern gut abschneidet. Schlussfolgerungen: Eine maximierte Anzahl von COVID-19-Röntgenbildern sollte beim Aufbau eines Deep-Learning-Modells berücksichtigt werden. Das Deep-Learning-Modell mit VGG16 schneidet bei der Vorhersage von Röntgenbildern am besten ab.

   8. Kapitel 13. Fuzzy-Kognitive Karten angewendet zur Bestimmung des Ansteckungsrisikolevels von SARS-COV-2 basierend auf validiertem Wissen in der wissenschaftlichen Gemeinschaft

      Márcio Mendonça, Rodrigo H. C. Palácios, Ivan R. Chrun, Acácio Fuziy, Douglas F. da Silva, Augusto A. Foggiato

      Zusammenfassung

      Aufgrund der aktuellen Pandemie, die psychologische Probleme, Folgeerscheinungen, in einigen Fällen irreparable Schäden verursacht und hauptsächlich Menschen auf der ganzen Welt in den Tod führt; zielt diese Arbeit darauf ab, eine intelligente Anwendung aus einer validierten Tabelle zu erstellen, die von der Texas Medical Association präsentiert wird. Insbesondere kann die Anwendung der Fuzzy-Kognitiven-Karte die Inferenz des Ansteckungsrisikos von SARS-CoV-2 aus Informationen über das menschliche Verhalten im Alltag erleichtern. Als möglicher Beitrag dieser Untersuchung sollte das Verhalten des Einzelnen, zusätzlich zu den aufgelisteten und klassifizierten Risiken, sein Ansteckungsrisiko mindern oder erhöhen. Die Ergebnisse werden auf einer Skala von 0 bis 10 präsentiert und normalisiert.

5. Änderungen in Lehr- und Lernpraktiken als Reaktion auf eine Pandemie

   1. Frontmatter

   2. Kapitel 14. Bildung nach COVID-19

      Manuel Mazzara, Petr Zhdanov, Mohammad Reza Bahrami, Hamna Aslam, Iouri Kotorov, Muwaffaq Imam, Hamza Salem, Joseph Alexander Brown, Ruslan Pletnev

      Zusammenfassung

      Das Jahr 2020 hat für viele lebensverändernde Ereignisse gebracht und zahlreiche Berufszweige betroffen. Die Bildung war eines der stark betroffenen Felder, und Institutionen haben weltweit fast überall auf Formen des Online-Unterrichts umgestellt, was zu einer gängigen Praxis geworden ist. Mit einer vierten industriellen Revolution, die sich vor unseren Augen abspielt, zeigen sich einige Elemente des bestehenden Bildungssystems als veraltet. Trotz der Erkenntnis, dass der Online-Unterricht bleiben wird, sind Präsenzklassen eine jahrtausendealte Praxis, die nicht vollständig ersetzt werden kann, ohne die menschliche Natur zu vernachlässigen. Stattdessen können Alt und Neu koexistieren, und Mensch und Maschine können für die gesellschaftliche Entwicklung zusammenarbeiten. In diesem Papier präsentieren wir die Vergangenheit, Gegenwart und Zukunft der Bildung, was wir durch die Erfahrung des Online-Unterrichts gelernt haben und wie wir uns auf zukünftige Entwicklungen in diesem Bereich vorbereiten.

   3. Kapitel 15. Ausstattung europäischer Hochschullehrer für erfolgreiches und nachhaltiges E-Learning mit Home-Remote-Arbeit

      Inés López-Baldominos, Vera Pospelova, Luis Fernández-Sanz

      Zusammenfassung

      Die Folgen von COVID-19 in Form von Einschränkungen und Lockdowns führten zu einem plötzlichen Bedarf an einem Übergang vom traditionellen Hochschulunterricht (HE) zum E-Learning, wobei die Lehrkräfte von zu Hause aus arbeiteten. Die Hochschulbildung geriet in den Notfallmodus und war kaum in der Lage, den Bildungsdienst aufrechtzuerhalten. Die Nachhaltigkeit der Hochschulbildung während möglicher zukünftiger Krisen hängt von einer guten Analyse dessen ab, was während der Notfallperiode geschehen ist. Eine kombinierte Studie, die auf einer Literaturübersicht und einer spezifischen Umfrage unter Hochschullehrern in Europa basiert, hat konsistente Ergebnisse gesammelt, um vorzuschlagen, welche Inhalte notwendig sind, um Lehrkräfte für das neue Lehrparadigma auszurüsten. Die Schlussfolgerungen zeigen, dass die Sicherstellung der Nachhaltigkeit des Bildungsdienstes in der Hochschulbildung erfordert, den Lehrkräften mehr Unterstützung und Schulung in mehreren Bereichen zu bieten: Pädagogik des Fernlernens, technische Fehlerbehebung, Cybersicherheit, Datenschutz, geistiges Eigentum und Inklusion durch digitale Barrierefreiheit sowie kulturelle und geschlechtsspezifische Überlegungen im E-Learning. Dies sind wesentliche Faktoren, um Hochschullehrkräfte in die Lage zu versetzen, ihre Bereitschaft zur digitalen Bildung durch E-Learning zu stärken.

   4. Kapitel 16. Vollständig online basiertes projektorientiertes Lernen in der Softwareentwicklung während der COVID-19-Pandemie

      Atsuo Hazeyama, Kiichi Furukawa, Yuki Yamada

      Zusammenfassung

      Die COVID-19-Pandemie veranlasste Bildungseinrichtungen weltweit, verteilte Online-Bildung anzubieten. Seit 1997 entwickeln wir eine projektbasierte Lernmethode (PBL) für die Softwaretechnik-Ausbildung. Aufgrund der COVID-19-Pandemie wurde unser PBL-Kurs im akademischen Jahr 2020 vollständig online durchgeführt. Unsere PBL-Methode verwendet GitHub, um Artefakte zu verwalten und Feedback an die Studentengruppen zu geben, d. h. das Lehrpersonal führt den Inspektionsprozess und die Abnahmetests durch. Um den Kurs im akademischen Jahr 2020 durchzuführen, änderten wir die Vorlesungsmethode von einem Präsenzansatz zu einem, der ein Online-Meeting-System verwendet. Alle Gruppen schlossen ihr Projekt erfolgreich ab. In der Abschlussaufgabe baten wir die Studierenden, etwaige „Schwierigkeiten, die sie während ihrer Fernlernaktivitäten hatten, und ihre Lösungen für diese Probleme“ zu beschreiben. Wie die Ergebnisse zeigen, hatte keiner der Studierenden größere Schwierigkeiten. Die Lehrassistenten und Dozenten hatten keine größeren Probleme mit dem vollständig online durchgeführten PBL, da der Fortschritt aller Gruppen während eines wöchentlichen Fortschrittstreffens sowie durch den Inspektionsprozess in der Anfangsphase und die Abnahmetests festgestellt werden konnte und somit Probleme umgehend behoben werden konnten. GitHub spielte in diesem Prozess eine wichtige Rolle. Unsere Prozesse und Softwaretechnik-Umgebungen, die eine Kombination aus GitHub und einem Online-Meeting-System sind, eignen sich für ein vollständig online durchgeführtes PBL.

   5. Kapitel 17. Eine Geschichte von zwei Zonen: Bewertung des pandemischen ERT

      Enamul Haque, Tanvir Mahmud, Shahana Shultana, Iqbal H. Sarker, Md Nour Hossain

      Zusammenfassung

      Während der COVID-19-Pandemie wechselten viele Bildungseinrichtungen von Präsenz- zu rein virtuellen Klassen. Wenige Bildungseinrichtungen waren gut auf den Notfall-Fernunterricht (ERT) vorbereitet, während viele andere erhebliche Probleme in Bezug auf Vorbereitung und Durchführung hatten. Da wir wissen, dass Fernunterricht stark von der technologischen Infrastruktur abhängt und diese in entwickelten und Entwicklungsländern nicht gleichmäßig zugänglich ist, bemerkten wir, während wir an verschiedenen Universitäten arbeiteten, Unterschiede in der Einstellung von Lehrern und Schülern gegenüber ERT und beschlossen daher, ERT zwischen diesen beiden Zonen zu untersuchen. Wir identifizierten zunächst problematische Faktoren und bewerteten und verglichen dann zwei Zonen in Bezug auf ihre ERT-Programme aus der Perspektive des bekannten CIPP-Modells (Kontext, Input, Prozess, Produkt). Die meisten Analyseergebnisse werden hier nach den standardmäßigen Visualisierungstechniken der Datenwissenschaft präsentiert. Wir führten auch qualitative und quantitative Forschung durch, um die Lücken und Verbesserungspotenziale für beide Zonen zu finden.

6. Anpassung für verbesserte Resilienz

   1. Frontmatter

   2. Kapitel 18. Antizipation und Vorbereitung auf zukünftige Veränderungen und Unsicherheiten: Aufbau adaptiver Wege

      Jeremy Gibberd

      Zusammenfassung

      Die COVID-19-Pandemie hat hervorgehoben, wie schlecht vorbereitet der Bausektor auf Veränderungen war und ist. Weitere große Störungen im Zusammenhang mit dem Klimawandel, aufkommenden Technologien wie künstlicher Intelligenz und neuen Geschäftsmodellen werden erwartet. Es ist daher notwendig, sich auf diese Veränderungen in der Art und Weise, wie wir gebaute Umgebungen planen und verwalten, vorzubereiten. Dieses Papier untersucht die Natur der erwarteten zukünftigen Veränderungen und deren Auswirkungen auf Gebäude. Es schlägt einen strukturierten Ansatz vor, um auf Veränderungen proaktiv und strukturiert zu reagieren. Diese Methodik wird als „Building Adaptive Pathways“ bezeichnet und durch die Anwendung auf eine Fallstudie veranschaulicht und getestet. Die Ergebnisse zeigen, dass die Methodik nützliche Einblicke bietet, wie Veränderungen und Unsicherheiten in gebauten Umgebungen angegangen werden können, und empfehlen, dass weitere Arbeiten an diesem Ansatz durchgeführt werden.

   3. Kapitel 19. Eine Perspektive des Gesundheits-Energie-Nexus für virtuelle Kraftwerke: Resilienz von Energiesystemen und Herausforderungen durch pandemische Unsicherheiten

      Sambeet Mishra, Chiara Bordin

      Zusammenfassung

      Dieses Kapitel führt ein neuartiges Konzept des „Gesundheits-Energie-Nexus unter pandemischer Unsicherheit“ ein und diskutiert es, das als Folge der aktuellen Pandemie entsteht, die wir weltweit erleben. Angesichts der pandemischen Auswirkungen auf die Strom- und Energiesysteme erörtern wir, wie die globalen Gesundheitsbedingungen eng mit den Energieverbrauchsbedürfnissen verbunden sind und wie die beiden Bereiche eng miteinander interagieren. Ein Datensatz aus der realen Welt über den estnischen Energieverbrauch über drei Jahre (2018, 2019, 2020) zusammen mit Informationen aus der jüngsten Literatur wird veranschaulicht, um die Grundlagen des Gesundheits-Energie-Nexus-Konzepts zu motivieren. Chancen und Herausforderungen, die hinter der Interaktion zwischen Gesundheit und Energie liegen, werden skizziert, und Wege zur Bewältigung der Veränderungen in der Resilienz der Stromsysteme aufgrund pandemischer Bedingungen werden diskutiert. Virtuelle Kraftwerke werden vorgestellt, um die pandemischen Herausforderungen zu bewältigen und die Resilienz und Zuverlässigkeit der Systeme zu verbessern. Ein neuartiges Konzept der Cyber-Physikalischen Gesundheits-Energie-Systeme wird diskutiert. Darüber hinaus wird der Wert der interdisziplinären Bildung und Forschung zusammen mit dem neuartigen interdisziplinären Bereich der Energieinformatik als Schlüsselwege vorgeschlagen, um die Herausforderungen des neuartigen Gesundheits-Energie-Nexus unter pandemischer Unsicherheit zu überwinden.

   4. Kapitel 20. Ein nachhaltiges Ernährungsverhalten in der Ära des Klimawandels

      Gavrilaş Simona

      Zusammenfassung

      Zunächst fasst dieses Kapitel kurz allgemeine Aspekte in Bezug auf Klimaveränderungen und deren Ursachen zusammen. Ein erweiterter Abschnitt, der sich den Einflüssen der natürlichen Hintergrundveränderungen auf die verschiedenen Ökosysteme widmet, folgt den einleitenden Passagen. Die drei Hauptbereiche, die berücksichtigt wurden, waren die menschliche Gesundheit, die Lebensmittelindustrie und die Produktionshaltbarkeit. Mehrere abschließende Bemerkungen, Vorschläge und Schlussfolgerungen beenden den Themenansatz. Das neunzehnte Jahrhundert könnte der Ausgangspunkt für die wissenschaftliche Analyse der Überwachung des Klimawandels sein. In dieser Zeit erscheinen viele Theorien über den negativen Einfluss von Treibhausgasemissionen und menschlicher Aktivität auf verschiedene Umweltaspekte. Mathematische Modellierung kann helfen, wahrscheinliche Ursachen und die Auswirkungen mehrerer Faktoren auf die Umweltzerstörung zu verbinden. Im Allgemeinen beeinflussen viele Elemente das Klima, einschließlich geografischer Lage, Luftströmung, charakteristischer Topographie und der Treibhausgase: CO₂, CH₄, N₂O, fluorierte Gase. Diese sind auf intensive Aktivitäten wie Verbrennung fossiler Gase und Brennstoffe, Abholzung, Viehzucht, Stickstoffdünger und fluorbasierte Gase zurückzuführen. Basierend auf ihrem direkten und unmittelbaren Einfluss wirken sich die Effekte des Klimawandels auf die menschliche Gesundheit, das Verhalten und die Umwelt aus. Die Ergebnisse des Klimawandels sind weltweit sichtbar. Unabhängig von der Ursache wird jede neue Situation das Essverhalten der Menschen und die Umwelt beeinflussen. Die aktuelle Pandemie unterstreicht die Notwendigkeit und Bedeutung einer kurzen, sicheren Lebensmittelversorgungskette. Die gegenwärtige Gesundheitskrise wirft Fragen über die Möglichkeit der Nahrungsmittelversorgung der Menschen auf. Daher versucht jeder Staat, Lebensmittelexporte zu beschränken und versucht, die Ernährungsbedürfnisse seiner Bevölkerung so weit wie möglich aus eigener Produktion zu decken. Ein solcher Ansatz kann interne und externe Herausforderungen darstellen: intern, um die heimische Produktion zu stimulieren, und extern, um Partnerländer zu überzeugen, das Niveau der Lebensmittel- und/oder verwandten Exporte in gewissem Maße aufrechtzuerhalten.

   5. Kapitel 21. Die Entwicklung einer intelligenten, anpassbaren Vollspektrum-LED-Beleuchtungstechnologie, die COVID-19-Infektionen verhindern und behandeln kann, für die Resilienz der Gesellschaft und die Lebensqualität

      U. Thurairajah, John R. Littlewood, G. Karani

      Zusammenfassung

      Diese Arbeit diskutiert die Entwicklung einer intelligenten und nachhaltigen Vollspektrum-LED-Beleuchtungstechnologie, die COVID-19-Infektionen verhindern und möglicherweise behandeln sowie die Widerstandsfähigkeit und Lebensqualität (QoL) der globalen Gesellschaft verbessern könnte. Diese Forschung zielt darauf ab, ein Vollspektrum-Beleuchtungssystem unter Verwendung der Leuchtdioden (LED)-Technologie zu entwickeln, um den Tageslichteffekt für Menschen in Gebäuden bereitzustellen, um tagsüber Vitamin D zu verbessern, was COVID-19-Infektionen verhindern und möglicherweise behandeln sollte, für die Widerstandsfähigkeit und Lebensqualität der Gesellschaft. Der Erstautor führt die vorgeschlagene Arbeit im Rahmen seiner Promotion an der Cardiff Metropolitan University, UK, mit Sitz in Kanada durch. Derzeit (2021) gibt es keine solche Beleuchtungsmethode zur Behandlung oder Verhinderung von COVID-19-Infektionen. Diese neuartige Methode wird nicht repliziert, sondern ist originell und könnte als innovative Methode angesehen werden, die COVID-19-Infektionen verhindern und möglicherweise behandeln könnte. Diese Arbeit wird für Akademiker, Forscher, Wissenschaftler, Ärzte, Ingenieure, Berater, Architekten, Lichtdesigner, Auftragnehmer, Entwickler, Finanzinstitute und Regierungsbehörden, die die Aufrüstung des Beleuchtungssystems finanzieren, hilfreich sein.

   6. Kapitel 22. Energieeffiziente Technologien für ultratiefkühlende Kühlung

      Cosmin Mihai Udroiu, Adrián Mota-Babiloni, Carla Espinós-Estévez, Joaquín Navarro-Esbrí

      Zusammenfassung

      Neue Impfstoffe wurden als Reaktion auf die aktuelle COVID-19-Pandemie entwickelt, und einige davon erfordern eine Kühlung bei ultraniedrigen Temperaturen (bei −80 °C). Nach ihrem Erscheinen hat sich die Anzahl der Ultratiefkühlgeräte mit unterschiedlichen Kapazitäten weltweit erhöht. Ein nachhaltiger Übergang findet in vielen Kühl- und Wärmepumpenanwendungen statt, entsprechend den nationalen und internationalen Vorschriften. Viele haben jedoch die Kühlung bei ultraniedrigen Temperaturen nicht kontrolliert, aufgrund der Herausforderungen, die mit dem Betrieb dieser Systeme verbunden sind. Die Energieeffizienz ist in diesem Temperaturbereich gering, aufgrund des Abstands zwischen den Temperaturen der Wärmequelle und des Wärmesenken. Darüber hinaus steht nur eine begrenzte Anzahl von Kältemitteln zur Verfügung, aufgrund von Einschränkungen ihres normalen Siedepunkts und anderen Herausforderungen im Zusammenhang mit dem Schmieröl. Dieses Kapitel stellt die Hauptmerkmale mehrerer Technologien vor (Dampfkompressionszyklus mit Elementvariationen, Sublimation oder Absorptionszyklus), die für diesen Temperaturbereich angewendet werden können, wobei der Fokus auf den Konstruktionselementen, Vorteilen und Nachteilen liegt. Anschließend werden kürzlich entwickelte Konfigurationen untersucht, die in den kommenden Jahren in kommerziellen Systemen erscheinen können. Diese Konfigurationen basieren auf Dampfkompressionskaskadenzyklen, einschließlich eines Zwischenwärmetauschers, Ejektors und Dreistufen. Es zeigt sich, dass trotz der Zunahme an Komplexität und Investition der fortschrittlichen Konfigurationen der Rückgang des Leistungskoeffizienten immer noch bemerkenswert ist, was zu einer Erhöhung der Betriebskosten führt. Abgesehen von den zusätzlichen Elementen oder Stufen sind die in diesen Konfigurationen verwendeten Arbeitsflüssigkeiten kritische Parameter zur Steigerung der resultierenden Energieeffizienz und Kühlkapazität, was zu nachhaltigeren Ultratiefkühlgeräten führt.