Startseite UR

Publikationen von Schmid, Isabel

Eine Stufe nach oben
Exportieren als
[feed] Atom [feed] RSS 1.0 [feed] RSS 2.0
Gruppieren nach: Datum | Dokumentenart | Keine Gruppierung
Anzahl der Einträge: 7.

Wörner, Janik, Konadl, Daniel , Leist, Susanne und Schmid, Isabel (2023) MANTRA: A Topic Modeling-Based Tool to Support Automated Trend Analysis on Unstructured Social Media Data. In: 44. International Conference on Information Systems (ICIS), 10.12.2023 bis 13.12.2023, Hyderabad, Indien. Zugang zum Volltext eingeschränkt.

Schmid, Isabel (2023) Weiterentwicklung von Methoden und Ansätzen zur automatisierten Informationsextraktion aus Social Networks. Dissertation, Universität Regensburg.

Schmid, Isabel , Wörner, Janik und Leist, Susanne (2022) Automated identification of different lead users regarding the innovation process. Electronic Markets 32, S. 945-970.

Wörner, Janik, Konadl, Daniel, Schmid, Isabel und Leist, Susanne (2022) Supporting Product Development by a Trend Analysis Tool applying Aspect-Based Sentiment Detection. In: International Conference on Design Science Research in Information Systems and Technology (DESRIST), 01.06. - 03.06.2022, University of South Florida. (Eingereicht)

Schmid, Isabel, Wehner, Benjamin und Leist, Susanne (2022) Identifying Value-adding Users in Enterprise Social Networks. In: Proceedings of the 55th Hawaii International Conference on System Sciences | 2022, 2022, Hawaii. (Eingereicht)

Wörner, Janik, Konadl, Daniel, Schmid, Isabel und Leist, Susanne (2021) COMPARISON OF TOPIC MODELLING TECHNIQUES IN MARKETING - RESULTS FROM AN ANALYSIS OF DISTINCTIVE USE CASES. In: 29th European Conference on Information Systems (ECIS2021), 14.06.2021 - 16.06.2021, Virtuell.

Schmid, Isabel (2020) Influential Users in Social Media Networks: A Literature Review. ECIS 2020 Research Papers 98. Volltext nicht vorhanden.

Diese Liste wurde erzeugt am Mon May 6 21:41:22 2024 CEST.
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de
0941 943 -4239 oder -69394

Dissertationen: dissertationen@ur.de
0941 943 -3904

Forschungsdaten: datahub@ur.de
0941 943 -5707

Ansprechpartner