(lernziele)=
# Lernziele

<!-- START: Filmanalyse -->
```{admonition} [Filmanalyse und automatisierte Annotation](filmanalyse:einleitung)
:class: lernziele

<!-- learning-goal: Filmanalyse und automatisierte Annotation -->
1. Die Rolle von Annotationen für filmanalytische Prozesse kann dargestellt werden. <!-- competency: Orientierungswissen | bloom: 2 Verstehen-->
2. Quantitative Ansätze in der Filmwissenschaft können beurteilt werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
3. Mögliche Einsatzbereiche automatisierter Filmannotation können skizziert werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
4. Eine Fragestellung zur quantitativen Filmanalyse kann formuliert werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
```
<!-- END: Filmanalyse -->

<!-- START: Computer-Vision -->
```{admonition} [Computer Vision für die Filmanalyse](vision:einleitung)
:class: lernziele

<!-- learning-goal: Computer Vision für die Filmanalyse -->
1. Die grundlegende Funktionsweise von Computer Vision kann beschrieben werden. <!-- competency: Orientierungswissen | bloom: 2 Verstehen-->
2. Grundlegende Begriffe wie Machine Learning, Algorithmus und Modell können definiert werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
3. Die Funktion von Schwellenwerten kann erklärt werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
4. Die Einsatzmöglichkeiten von Computer Vision für filmanalytische Aufgaben können benannt werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
5. Die Möglichkeiten und Grenzen von Computer Vision Modellen können beurteilt werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
```
<!-- END: Computer-Vision -->

<!-- START: Annotation -->
```{admonition} [Automatisierte Annotation von Filmen](annotation:einleitung)
:class: lernziele

<!-- learning-goal: Automatisierte Annotation von Filmen -->
1. Geeignete Modelle für die Erkennung von Einstellungslängen und Figuren können ausgewählt werden. <!-- competency: Orientierungswissen | bloom: 2 Verstehen-->
2. Es können geeignete Schwellenwerte für die Erkennung angewendet werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
3. Die grundlegenden Schritte eines Python-Skripts zur Einstellungserkennung und zur Figurenerkennung werden verstanden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
4. Die Python-Skripte können für eigene Annotations-Projekte modifiziert werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
5. Die Qualität der Annotationsergebnisse kann beurteilt werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
```
<!-- END: Annotation -->

<!-- START: Auswertung -->
```{admonition} [Auswertung der automatisiert erstellten Annotationen](auswertung:einleitung)
:class: lernziele

<!-- learning-goal: Auswertung der automatisiert erstellten Annotationen -->
1. Die Struktur der ausgegebenen Annotationen wird verstanden. <!-- competency: Orientierungswissen | bloom: 2 Verstehen-->
2. Die Annotationen können quantitativ ausgewertet werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
3. Die Annotationen können mit Python-Skripten sinnvoll visualisiert werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
4. Die Ergebnisse aus den Annotationen können analysiert werden. <!-- competency: Orientierungswissen | bloom: 3 Anwenden -->
```
<!-- END: Auswertung -->