@phdthesis{Nedrenco2022,
  author    = {Nedrenco, Dmitri},
  title     = {Axiomatisieren lernen mit Papierfalten : Entwicklung, Durchf{\"u}hrung und Auswertung eines Hochschulkurses f{\"u}r gymnasiale Lehramtsstudierende},
  doi       = {10.25972/OPUS-27938},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-279383},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {In dieser Arbeit wird mathematisches Papierfalten und speziell 1-fach-Origami im universitären Kontext untersucht. Die Arbeit besteht aus drei Teilen. Der erste Teil ist im Wesentlichen der Sachanalyse des 1-fach-Origami gewidmet. Im ersten Kapitel gehen wir auf die geschichtliche Einordnung des 1-fach-Origami, betrachten axiomatische Grundlagen und diskutieren, wie das Axiomatisieren von 1-fach-Origami zum Verständnis des Axiomenbegriffs beitragen könnte. Im zweiten Kapitel schildern wir das Design der zugehörigen explorativen Studie, beschreiben unsere Forschungsziele und -fragen. Im dritten Kapitel wird 1-fach-Origami mathematisiert, definiert und eingehend untersucht. Der zweite Teil beschäftigt sich mit den von uns gestalteten und durchgef{\"u}hrten Kursen »Axiomatisieren lernen mit Papierfalten«. Im vierten Kapitel beschreiben wir die Lehrmethodik und die Gestaltung der Kurse, das f{\"u}nfte Kapitel enthält ein Exzerpt der Kurse. Im dritten Teil werden die zugehörigen Tests beschrieben. Im sechsten Kapitel erläutern wir das Design der Tests sowie die Testmethodik. Im siebten Kapitel findet die Auswertung ebendieser Tests statt.},
  subject      = {Mathematikunterricht},
  language  = {de}
}
@phdthesis{Jia2023,
  author    = {Jia, Xiaoxi},
  title     = {Augmented Lagrangian Methods invoking (Proximal) Gradient-type Methods for (Composite) Structured Optimization Problems},
  doi       = {10.25972/OPUS-32374},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-323745},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {This thesis, first, is devoted to the theoretical and numerical investigation of an augmented Lagrangian method for the solution of optimization problems with geometric constraints, subsequently, as well as constrained structured optimization problems featuring a composite objective function and set-membership constraints. It is then concerned to convergence and rate-of-convergence analysis of proximal gradient methods for the composite optimization problems in the presence of the Kurdyka--{\L}ojasiewicz property without global Lipschitz assumption.},
  language  = {en}
}