Search results

1

Chatbot – modelowanie i aplikacje

100%

Szymański G., Jóźwiak P.

Informatyka Ekonomiczna

|

2018

|

issue 2(48)

77-85

PL

Chatboty stają się coraz bardziej rozpowszechnionym rozwiązaniem i zyskują większą akceptację konsumentów. Powoduje to zwiększenie zainteresowania tymi rozwiązaniami firm i badaczy. Mimo zwiększającej się popularności chatbota, wciąż sztuczna inteligencja współczesnych robotów i botów stanowi duże wyzwanie dla naukowców. W artykule przedstawiono zagadnienia związane z rozwojem chatbotów oraz praktyczne rozwiązania wynikające z analiz powiązanych z przygotowaniem chatbotów wspomagających użytkownika. Zostały zaprezentowane modele zarówno związane z botami analizującymi wzorce zapytań, jak i korzystające z uczenia maszynowego. Ponadto na przykładzie listy najczęściej zadawanych pytań pokazano, jak można ją wykorzystać w procesie przygotowania chatbota oraz jakie mogą występować zagadnienia związane z technologiami programowania takich rozwiązań. Celem artykułu jest przedstawienie podstawowych zagadnień związanych z zastosowaniem i wdrażaniem chatbotów. Aby go osiągnąć, dokonano analizy literatury przedmiotu oraz zastosowano metodę studium przypadku

2

Sztuczna inteligencja w odczarowanym świecie

100%

Koronacki J.

Filozofia i nauka. Studia filozoficzne i interdyscyplinarne

|

2020

|

vol. 8/1

9-29

PL

Niniejsze rozważanie jest pisane przez inżyniera. W pierwszych dwóch punktach artykułu znajdujemy narysowany kilkoma kreskami szkic metodologicznych podstaw sztucznej inteligencji (SI) i czym dziś SI jest. W dalszych punktach zasygnalizujemy kształt najbliższej przyszłości SI, umieścimy SI w kontekście kultury, odnotujemy fe-nomen tzw. silnej sztucznej inteligencji i zakończymy całość paroma uwagami.

3

Wykorzystanie Google Trends do predykcji stopy zwrotu indeksu WIG20

100%

Niedzielska E.

Ekonomia XXI Wieku

|

2018

|

issue 3 (19)

82-97

PL

W artykule podjęto próbę wykorzystania danych, będących wynikiem aktywności użytkowników Internetu, do predykcji stopy zwrotu indeksu WIG20. Jako źródło tego typu danych przyjęta została baza Google Trends, która umożliwia przeglądanie i pobieranie zagregowanych wskaźników zapytań w wyszukiwarce Google. W pierwszej części artykułu autorka zwraca uwagę na to, że w konsekwencji rewolucji technologicznej zmianie uległ sposób pozyskiwania i kreowania informacji. Z punktu widzenia nauki o finansach jest to o tyle istotne, że informacja stanowi centralną oś hipotezy efektywności rynku. „Zalew informacyjny”, którego jesteśmy uczestnikami, skłania do ponownego podjęcia refleksji nad możliwościami dyskontowania informacji przez rynek i jego graczy. W tym kontekście autorka kieruje się ku paradygmatowi finansów behawioralnych. Badacze z tego nurtu zwracają bowiem szczególną uwagę na ograniczone zdolności poznawcze człowieka. Ich zdaniem nie jest możliwe, aby inwestorzy byli w stanie zabsorbować całą dostępną na temat zdarzeń rynkowych wiedzę. Taki tok rozumowania skłania do zadania pytań o to, w jaki sposób inwestorzy dokonują selekcji informacji, co w danym momencie może znajdować się centrum ich zainteresowania oraz jakie może mieć to konsekwencje dla wyników rynkowych. W części empirycznej eksploracji podlegały dwie kwestie. Po pierwsze, sprawdzone zostało występowanie korelacji między zapytaniami użytkowników wyszukiwarki Google a zamknięciem indeksu WIG20. Spośród niemal 30 haseł, tematycznie związanych z giełdą i finansami, wyselekcjonowano siedem, które charakteryzowały się najwyższymi współczynnikami korelacji. Po drugie, zbadana została możliwość wykorzystania tego typu danych w celach predykcyjnych. W tym kontekście zastosowane zostały dwa algorytmy klasyfikacyjne uczenia maszynowego: regresja logarytmiczna oraz naiwny klasyfikator Bayesa. Badania przeprowadzano w trzech próbach. Pierwsza liczyła 113 tygodni. Jej celem było sprawdzenie zdolności predykcyjnych wskaźników wyszukiwań przy założeniu, że ich wartości przeliczane były w tym samym tygodniu co stopa zwrotu indeksu. Druga próba liczyła 112 tygodni i uwzględniała różnicę wyszukiwań w ramach tygodniowego opóźnienia. Trzecia próba składała się ze 111 tygodni i uwzględniała różnicę wyszukiwań z dwutygodniowym opóźnieniem. Szczególnie wysokimi wartościami predykcyjnymi charakteryzował się klasyfikator Bayesa w trzeciej próbie. Wyniki badań stanowić mogą przesłankę do stwierdzenia, że dane pochodzące z Google Trends niosą ze sobą walor predykcyjny w kontekście rodzimego rynku kapitałowego. Dokonany przez autorkę przegląd literatury może wskazywać na to, że poruszana w artykule problematyka charakteryzuje się aktualnością, zarówno w rozumieniu wspomnianych zmian technologicznych, jak i światowego dorobku badawczego. Jednocześnie, zgodnie z wiedzą autorki, na gruncie polskiej nauki nie podejmowano jak dotąd prób stosowania uczenia maszynowego do predykcji finansowych przy wykorzystaniu danych pochodzących z wyszukiwarek internetowych

4

ZASTOSOWANIE METOD UCZENIA MASZYNOWEGO I ZAAWANSOWANEGO PRZETWARZANIA ZDARZEŃ DLA OCHRONY PRZEMYSŁOWYCH SIECI INFRASTRUKTURY KRYTYCZNEJ

88%

DOBSKI M., FRANKOWSKI G., MEYER N., PILC M., TWARDAWA M.

Przegląd Policyjny

|

2018

|

vol. 4(132)

79-93

PL

W dobie zagrożeń asymetrycznych cyberbezpieczeństwo infrastruktury krytycznej staje się poważną kwestią, a jednocześnie wyzwaniem dla twórców systemów zabezpieczeń. W niniejszym artykule przedstawiono czynniki eskalujące poziom trudności detekcji zaawansowanych zagrożeń, a także, na przykładzie dwóch projektów naukowo-badawczych, opisano realizowane przez Poznańskie Centrum Superkomputerowo-Sieciowe (PCSS) prace podejmujące to wyzwanie. Na przykładzie krajowego projektu SCADvance opisano zastosowanie algorytmów uczenia maszynowego do wykrywania zagrożeń w protokołach sieci przemysłowych. Wskazano również na rolę, jaką środowisko naukowe jest w stanie odegrać w tworzeniu innowacyjnych systemów zabezpieczeń infrastruktury krytycznej, a także na konieczność zastosowania rozwiązań tej klasy dla właściwej ochrony wrażliwych sieci teleinformatycznych.

5

Sztuczna inteligencja w innowacjach fi nansowych – aspekty prawne i regulacyjne

88%

Rojszczak M.

internetowy Kwartalnik Antymonopolowy i Regulacyjny

|

2020

|

vol. 9

|

issue 2

61-77

PL

Celem artykułu jest przeanalizowanie prawnych konsekwencji wdrażania nowoczesnych technik przetwarzania danych, w szczególności uczenia maszynowego oraz analizy dużych zbiorów danych (Big Data) w sektorze innowacji finansowych (fintech). Techniki te stanowią nie tylko tworzą nowe możliwości monetaryzacji danych po stronie podmiotów funkcjonujących w sektorze finansowym, lecz także ujawniają nowe wyzwania regulacyjne i nadzorcze.

6

Artificial Intelligence in Audit

75%

Karmańska A.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2022

|

vol. 66

|

issue 4

87-99

PL

Celem artykułu jest wskazanie korzyści płynących z zastosowania sztucznej inteligencji (AI) w badaniu sprawozdań finansowych. Posłużono się kwestionariuszem ankiety. Próbą badawczą objęto 206 praktyków i studentów audytu i rachunkowości. Zastosowano analizę czynnikową metodą głównych składowych z rotacją Promax. Wyniki wskazują, że w opinii respondentów zastosowanie sztucznej inteligencji zwiększa efektywność audytu. Sztuczna inteligencja usprawnia komunikację i obsługę klienta. Ponadto AI może zautomatyzować czasochłonne i rutynowe zadania. Powyższe trzy czynniki odpowiadają za 62,223% wariancji. Wyniki badania wskazują na korzyści płynące z implementacji sztucznej inteligencji w audycie i mogą wspierać menedżerów we wdrażaniu nowych technologii w ich organizacjach. Ograniczeniem badawczym jest fakt, że badanie koncentruje się na respondentach jedynie z Polski.

EN

The main objective of this paper is to identify the benefits of applying the Artificial Intelligence (AI) in the audit sector. The study employed a questionnaire for a research sample including 206 auditing and accounting practitioners and students. Data were collected via an online survey. A principal axis factor analysis with the Promax rotation was conducted to assess the underlying structure for the points of the questionnaire. The research outcomes indicate that, in the opinion of the respondents, AI adoption increases audit efficiency, and enhances client communication and service. Finally, AI can also automate time-consuming and routine tasks. The three indicated factors account for 62.223% variance. The findings reveal the advantages of AI adoption and could support managers in deploying new technology in their organizations. The research limitation concerns the fact that this study focused only on respondents from Poland.

7

Wspomaganie procesów decyzyjnych przez wykorzystanie algorytmów regułowych wyznaczających istotność atrybutów

75%

Chomiak-Orsa I., Wójcik F.

Informatyka Ekonomiczna

|

2017

|

issue 4(46)

55-65

PL

Nowoczesne systemy wspomagania decyzji biznesowych korzystają niejednokrotnie z uczenia maszynowego i sztucznej inteligencji do rozwiązywania skomplikowanych problemów. Jednym z nich jest klasyfikacja postrzegana w tym kontekście jako przyporządkowywanie obserwacji (obiektów) określonym kategoriom. Wśród wielu metod umożliwiających osiągnięcie tego celu znajdują się algorytmy regułowe, które poza wspomaganiem decyzji pozwalają zaobserwować korelacje wewnątrz wolumenów danych. Ma to szczególne znaczenie w przypadku decyzji uwzględniających duże wolumeny danych. Procedury te napotykają jednak problemy w przypadku silnego zaburzenia proporcji kategorii lub poszczególnych atrybutów. Odpowiedzią na to wyzwanie może być skuteczna metoda wyboru cech istotnych. W artykule wykorzystano jedną z odmian testu permutacyjnego. Jako przykład zastosowania biznesowego omówione zostało wykorzystanie algorytmu RIPPER użytego do analizy wiarygodności kredytowej klientów instytucji finansowej

8

Jakość prognozowania cen w zależności od wykładnika Hursta przy wykorzystaniu danych wysokiej częstotliwości z rynku walutowego

75%

Szóstakowski R.

Przegląd Statystyczny

|

2018

|

vol. 65

|

issue 2

200-223

9

Zarządzanie nieruchomościami z wykorzystaniem kognitywnej maszyny wnioskującej

63%

Nowak-Nova D.

Nowoczesne Systemy Zarządzania

|

2023

|

vol. 18

|

issue 1

29-48

EN

The article presents the possibility of using Automatic Valuation Models (AVMs), extended with technologies of Machine Learning algorithms and Neural Networks, for cognitive processing in the area of Facility Management. Experiments simulating, in the processes of operational management of real estate, of AVMs’s behavior in a cognitive reasoning machine, have been described. The correctness of operation of decision service algorithms, triggered by automated inference engines, has been examined for generalization of information on the property and the planning process using the algorithms. The key findings of the study confirm that the adoption of a cognitive perspective for AVMs and the application of algorithm technology and artificial neural networks in the operational management of real estate, increases the productivity of the processes, and, thus brings benefits the managing entity.

PL

W artykule przedstawiono możliwość zastosowania Automatycznych Modeli Wyceny (AVMs), rozszerzonych o technologie algorytmów uczenia maszynowego i sztuczne sieci neuronowe, do przetwarzania kognitywnego w obszarze Facility Management. Opisano eksperymenty symulujące w procesach operacyjnego zarządzania nieruchomością, zachowania AVMs w kognitywnej maszynie wnioskującej. Badano poprawność działania algorytmów usług decyzyjnych wywoływanych przez zautomatyzowane silniki wnioskujące dla generalizacji informacji o nieruchomości oraz procesu planowania wykorzystującego algorytmy. Kluczowe wnioski z badania potwierdzają, że przyjęcie dla AVMs perspektywy kognitywnej i zastosowanie technologii algorytmów i sztucznych sieci neuronowych w operacyjnym zarządzaniu nieruchomością zwiększa produktywność procesów, tym samym przynosi korzyść zarządzającemu.

10

Predicting Bankruptcy at Polish Companies: A Comparison of Selected Machine Learning and Deep Learning Algorithms

63%

Wyrobek J.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

|

2018

|

issue 6(978)

41-60

EN

Insolvency prediction is one of the crucial abilities in corporate finance and financial management. It is critical in accounts receivable management, capital budgeting decisions, financial analysis, capital structure management, going concern assessment and co-operation with other companies. The purpose of this paper is to compare the efficiency of selected deep learning and machine learning algorithms trained on a representative sample of Polish companies for the period 2008–2017. In particular, the paper tested the following popular machine learning algorithms: discriminant analysis (DA), logit (L), support vector machines (SVM), random forest (RF), gradient boosting decision trees (GB), neural network with one hidden layer (NN), convolutional neural network (CNN), and naïve Bayes (NB). The research hypotheses evaluated in the paper state that if one has access to a large sample of companies, the most accurate algorithm (first choice) in bankruptcy prediction will be gradient boosting decision trees (H1), random forest (H2) and neural networks (H3) (deep learning) algorithms. The initial hypotheses were formulated based on the practitioners’ opinions regarding the usefulness of various machine learning and artificial intelligence algorithms in bankruptcy prediction. As the results of the research suggest, both deep learning and machine learning algorithms proved to have very comparable efficiency. The new factor introduced in the paper was that the training of the models was carried out on a representative sample of companies (for years 2008–2013) and also the testing phase used a significant number of bankrupt and active companies (validation included a completely different set of companies than those used in the training phase: data were taken from a different time period, 2014–2017, and companies in both sets were also completely different).

PL

Poprawne przewidywanie niewypłacalności przedsiębiorstw jest niezwykle istotne z perspektywy zarządzania finansami przedsiębiorstw, gdyż ma ono kluczowe znaczenie w zarządzaniu należnościami, ocenie projektów inwestycyjnych, zarządzaniu kapitałem obrotowym, oceną zdolności do kontynuowania działania, podejmowaniu współpracy i podpisywaniu umów z innymi przedsiębiorstwami. Celem artykułu jest porównanie skuteczności wybranych algorytmów uczenia maszynowego i deep learningu, które zostały zastosowane na reprezentatywnej próbie polskich przedsiębiorstw z wykorzystaniem danych za lata 2008–2018. W artykule podjęto próbę porównania skuteczności następujących algorytmów machine learning (uczenia maszynowego): analizy dyskryminacyjnej (DA), funkcji logitowej (L), support vector machines (SVM), random forest (RF), gradient boosting decision trees (GB), sieci neuronowych z jedną warstwą ukrytą (NN), konwolucyjnych sieci neuronowych (CNN) oraz metody naïve Bayes (NB). Zgodnie z hipotezami badawczymi jeśli ma się dostęp do dużej próby firm, najskuteczniejszym algorytmem (pierwszym wyborem) w prognozie bankructwa są algorytmy: gradient boosting decision trees (H1), random forest (H2) i nierekurencyjne wielowarstwowe sieci neuronowe (H3). Wstępne hipotezy zostały sformułowane na podstawie opinii praktyków dotyczących przydatności różnych algorytmów uczenia maszynowego i algorytmów sztucznej inteligencji w prognozowaniu upadłości przedsiębiorstw. W artykule wykorzystano do uczenia algorytmów bardzo dużą (reprezentatywną) grupę przedsiębiorstw komercyjnych (dane za lata 2008–2013), a do walidacji skuteczności algorytmów również bardzo dużą populację przedsiębiorstw (dane za okres 2014–2018); obydwie populacje obejmowały zupełnie inne podmioty gospodarcze i inne okresy, co pozwoliło na rzetelne porównanie skuteczności badanych algorytmów.

11

Artificial intelligence in the disenchanted world

63%

Koronacki J.

Filozofia i Nauka

|

2020

|

vol. 8

12

Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise

63%

Sobocińska M.

Problemy Zarządzania

|

2021

|

issue 1/2021 (91)

65-76

PL

Cel: analiza treści publikacji z zakresu procesów podejmowania decyzji w przedsiębiorstwie wskazuje, że jednym z zadań współczesnego zarządzania jest identyfikowanie efektywnych, bazujących na synergii zasobów ludzkich i technologicznych, rozwiązań stanowiących wsparcie w procesach decyzyjnych. Dotyczy to także marketingu, który podlega wirtualizacji odnoszonej zarówno do jego koncepcji, jak i instrumentów oraz działań marketingowych. Celem artykułu jest ukazanie roli sztucznej inteligencji i ludzkiego talentu w procesach podejmowania decyzji z zakresu marketingu w przedsiębiorstwie. Metodologia: krytyczny przegląd literatury; bazujące na kwerendzie literatury postępowanie badawcze ukierunkowane zostało na sformułowanie odpowiedzi na następujące pytania: – jakie czynniki warunkują skuteczne wdrażanie sztucznej inteligencji jako technologii stanowiącej wsparcie w procesach decyzyjnych w obszarze marketingu w przedsiębiorstwie; – jakie wyróżnia się modele zastosowania sztucznej inteligencji w podejmowaniu decyzji w przedsiębiorstwie? Wyniki: wykorzystanie możliwości stwarzanych przez sztuczną inteligencję we wspieraniu decyzji marketingowych przynosi wiele korzyści, lecz wymaga przełamywania barier mentalnych i kulturowych. Należy podkreślić, że bazowanie na sztucznej inteligencji w procesach decyzyjnych nie oznacza eliminacji ludzi, w szczególności utalentowanych, ponieważ to pracownik może zrewidować kryteria decyzyjne, czy też stwierdzić, że zdezaktualizował się algorytm, w oparciu o który podejmowane były decyzje w przedsiębiorstwie. Ograniczenia/implikacje badawcze: empiryczna weryfikacja zaproponowanego modelu pozwoliłaby na identyfikację roli, którą odgrywają utalentowani pracownicy oraz algorytmy w procesach decyzyjnych w dobie rozwoju innowacyjnych rozwiązań informatycznych wraz z określeniem hierarchii czynników stymulujących te procesy. Oryginalność/wartość: efektem prowadzonych w artykule rozważań jest propozycja modelu czynników i typów rozwiązań pozwalających na efektywne łączenie zasobów ludzkich określanych jako talent i sztucznej inteligencji w podejmowaniu decyzji z zakresu marketingu w przedsiębiorstwie. JEL: M1, M2, M3 Acknowledgements This research received no funds. Suggested Citation: Sobocińska, M. (2021). Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise. Problemy Zarządzania (Management Issues), 19(1), 66–76.

EN

Design/methodology/approach: Critical literature review; the research procedure that is based on the review of the literature is focused on formulating the answers to the following questions: – What factors determine the effective implementation of artificial intelligence as a technology supporting decision-making processes in the sphere of marketing in enterprises? – What are the identified models of application of artificial intelligence and human talent in making decisions in enterprises? Findings: The use of the opportunities offered by artificial intelligence in supporting marketing decisions brings many benefits, but it also requires overcoming mental and cultural barriers. It should be emphasized that relying on artificial intelligence in decision-making processes does not mean eliminating people, especially the talented ones, because it is the employee who can revise the decision-making criteria or state that the algorithm on the basis of which decisions are made in the company is outdated. Research limitations/implications: Empirical verification of the proposed model would allow for identifying the role performed by talented employees and algorithms in decision-making processes in the era of development of innovative IT solutions along with determination of the hierarchy of factors stimulating these processes. Originality/value: Proposing a model of determinants and types of solutions that allow for effectively combining human resources described as talent and artificial intelligence in making decisions in the field of marketing in enterprises is the result of the considerations provided in the paper. JEL: M1, M2, M3 null Acknowledgements This research received no funds. Suggested Citation: Sobocińska, M. (2021). Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise. Problemy Zarządzania (Management Issues), 19(1), 66–76.

13

Wpływ sztucznej inteligencji na rynek finansowy w procesie podejmowania decyzji ekonomicznych – szanse, wyzwania i rekomendacje

63%

Ziółkowska E.

Studia i Prace Kolegium Zarządzania i Finansów

|

2023

|

issue 192

89-108

EN

The aim of the article is to analyse selected issues related to artificial intelligence (AI), its impact on the financial market, taking into account opportunities and challenges, and to present recommendations in the areas of stability, security, and transparency of its application. The research tool used included the analysis of secondary data sources such as the relevant literature (both domestic and international), a systemic analysis of legal acts, and a review of available reports on the use of AI in the financial market. The continuous development of AI in financial markets is influenced by many factors, and it can be both an opportunity and a challenge. The adopted methodology allowed for the identification and specification of the areas where barriers to the use of AI exist. Based on examples, solutions have been presented as recommendations in this regard.

PL

Celem artykułu jest analiza wybranych zagadnień dotyczących sztucznej inteligencji – jej wpływu na rynek finansowy z uwzględnieniem istniejących szans i wyzwań – oraz przedstawienie rekomendacji w zakresie stabilności, bezpieczeństwa i przejrzystości jej zastosowania. Posłużono się w tym celu analizą danych wtórnych, takich jak literatura przedmiotu (krajowa i zagraniczna), analizą systemową aktów prawnych, a także przeglądem dostępnych raportów. Za nieustanny rozwój sztucznej inteligencji na rynkach finansowych odpowiada wiele różnorodnych czynników, co sprawia, że można go postrzegać zarówno jako szansę, jak i wyzwanie. Przyjęta w artykule metodologia pozwoliła na wyłonienie i sprecyzowanie obszarów, w których występują bariery utrudniające zastosowanie sztucznej inteligencji. Na podstawie wybranych przykładów przedstawiono rozwiązania będące rekomendacją w tym zakresie.

14

Artificial intelligence and algorithms assisting personal finance. A legal and economic perspective

63%

Nowakowski M., Waliszewski K.

Przegląd Ustawodawstwa Gospodarczego

|

2021

|

issue 8

2-10

PL

Czwarta rewolucja przemysłowa, Gospodarka 4.0 i Finanse 4.0 stały się faktem. Zmiany technologiczne w obszarze finansów doprowadziły do coraz częstszego wykorzystywania sztucznej inteligencji, uczenia maszynowego i algorytmów do przygotowania oferty i obsługi klientów indywidualnych. Przykładem zastosowania sztucznej inteligencji jest automatyczne badanie zdolności kredytowej czy doradztwo finansowe (robo-advice). Celem artykułu była prezentacja tych zagadnień z perspektywy prawno-ekonomicznej. Zastosowanie algorytmów w finansach wymaga niekonwencjonalnego podejścia przez regulatora, aby nie przeregulować tego nowego i perspektywicznego segmentu rynku usług finansowych.

EN

The fourth industrial revolution, Economy 4.0 and Finance 4.0 are facts. Technological changes in the context of finance have resulted in a more active application of artificial intelligence, machine learning and algorithms for product ranges and services aimed at individual clients. Examples of applying AI within the financial sector are automated creditworthiness assessment and financial advice (robo-advice). The article presents these areas from a legal and economic perspective. The wider application of algorithms within the financial sector requires a non-conventional approach by regulators in order not to over-regulate this new and promising segment of the financial services market.

15

Najlepsze narzędzie do zwalczania fejków (i dlaczego nie działa)

63%

Balcerzak B.

Dyskurs & Dialog

|

2020

|

vol. II

|

issue 3 (5)

9-21

EN

The article provides a review of various technologies used in detecting fake news online. It also provides discussion of sociological and psychological factors which influence the popularity of fake news. Finally a discussion of political consequences of the use of said technologies is provided.

PL

Artykuł stanowi przybliżenie technik informatycznych wykorzystywanych w procesie rozpoznawania fałszywych wiadomości. Równocześnie wskazuje na społeczne i psychologiczne czynniki wpływające na popularność fake news, oraz wskazuje na społeczne konsekwencje stosowania różnych metod wykrywania Fake News.

16

Analityka kulturowa, czyli jak narzędzia Data Science zmieniły humanistykę

51%

Radomski A.

Studia Humanistyczne AGH

|

2022

|

vol. 21

|

issue 1

7-22

EN

The article presents research paradigms that have radically changed the contemporary humanities. The most important of these is cultural analytics. It is based on Data Science methods. The author presents the assumptions of data science, and then the characteristics of digital humanities and cultural analytics. The second part of the article presents examples of research and projects conducted as part of cultural analysis. These are projects implemented at the DH Lab at Yale University, Software Studies Initiative, and Media Lab Katowice. Research conducted in these institutions transformed the humanities. Its characteristic features are the study of large data collections, research automation, the use of machine learning and knowledge visualization. The new humanities, the author claims, has become an exact science.

PL

W artykule zostały przedstawione paradygmaty badawcze, które radykalnie zmieniły współczesną humanistykę. Najważniejszym z nich jest analityka kulturowa. Jest ona oparta na metodach Data Science. Autor prezentuje założenia data science, a następnie cechy charakterystyczne humanistyki cyfrowej i analityki kulturowej. W drugiej części artykułu zostały przedstawione przykłady badań i projektów prowadzonych w ramach analityki kulturowej. Są to projekty realizowane w DH Lab uniwersytetu w Yale, Software Studies Initiative oraz Media lab Katowice. Badania prowadzone w tych instytucjach przeobraziły humanistykę. Jej cechy charakterystyczne – to badanie dużych kolekcji danych, automatyzacja badań, wykorzystanie uczenia maszynowego i wizualizacja wiedzy. Nowa humanistyka, twierdzi autor, stała się nauką ścisłą.

17

The Application of Machine Learning in Faculty Assessment: A Case Study of Narxoz University

51%

Rybinski K., Tsay V.

Zarządzanie Zasobami Ludzkimi

|

2018

|

issue 3-4(122-123)

145-170

EN

This paper shows that machine learning models can be used to achieve a more transparent, fair, and unbiased faculty incentive system that is closely linked to the implementation of university strategy. Narxoz University in Almaty, Kazakhstan, has implemented the KPI system, with strategic goals cascaded into organizational units and from there to individual faculty and staff members. Wage increase and promotion decisions are linked to a semi–annual faculty and staff performance review. This, in its turn is based on the KPI assessment, quality of teaching, research output, and additional achievements. Data analyzed by Narxoz’s HR Committee as well as decisions taken by the Committee to estimate logit and CART models that recommend wage raise decisions were used. We have demonstrated that these simple machine learning models can replicate HR Committee decisions with good accuracy. Moreover, we have also shown that faculty members selected for wage raises by machine learning algorithms achieve better results than faculty promoted by the HR Committee. This paper also presents the benefits of using data science techniques in HR processes at business schools. Firstly, the technique leads to the discovery of the actual decision processes that take place. Secondly, it allows verification of whether decisions are taken in line with internal procedures or without regard for such procedures, and allows the verification of their time consistency. Thirdly, such analysis provides good grounds for a transparent discussion about improvements in HR processes. Finally, a modeling of HR decisions allows the creation of evidence–based policies and helps forge a learning organizational culture.

PL

W artykule przedstawiono studium przypadku zastosowania modeli sztucznej inteligencji do stworzenia przejrzystego, efektywnego i opartego na faktycznych osiągnięciach systemu motywacyjnego, który jest ściśle powiązany ze strategią uczelni. Na Uniwersytecie Narxoz w Ałmaty w Kazachstanie wprowadzono system oceny kadr oparty na strategicznych KPI, które zostały skaskadowane na poziom jednostek uczelni oraz niżej na poziom poszczególnych pracowników naukowo-dydaktycznych i administracyjnych. Decyzje o premiach, podwyżkach płac i awansie zostały połączone z oceną pracowniczą opartą o KPI, dokonywaną półrocznie. W przypadku pracowników naukowo-dydaktycznych cele KPI uwzględniają jakość zajęć, działalność naukową i dodatkowe osiągnięcia. W artykule wykorzystano dane KPI i decyzje podejmowane przez Komitet ds. HR uczelni do oszacowania modeli logit i CART, które pozwoliły ocenić, jakie czynniki miały kluczowy wpływ na decyzje Komitetu ds. HR. Pokazano, że te proste modele maszynowego uczenia są w stanie replikować decyzje Komitetu z dużą dokładnością. Ponadto pokazano również, że w przypadku różnicy zdań Komitetu i modeli pracownicy, którzy byli rekomendowani do podwyżki przez model, ale nie uzyskali pozytywnej decyzji Komitetu, osiągali lepsze wyniki w pracy. Artykuł prezentuje korzyści z wykorzystania modeli sztucznej inteligencji w procesach HR-owych na uczelni i w innych firmach. Po pierwsze, pozwala na opisanie jak wygląda faktyczny proces decyzyjny. Po drugie, można ocenić, czy kluczowe decyzje HR-owe są podejmowane zgodnie z wewnętrznymi procedurami, czy z ich naruszeniem, oraz ocenić spójność wewnętrznych procesów HR-owych. Po trzecie, taka analiza daje przesłanki do merytorycznej i transparentnej dyskusji na temat doskonalenia procesów HR-owych. W końcu, modelowanie decyzji HR-owych tworzy kulturę organizacyjną opartą na faktach i kulturę uczącej się organizacji.

18

Konstrukcja słownika do zautomatyzowanego rozpoznawania typu opinii biegłego rewidenta

51%

Staszkiewicz P., Michalak J.

Zeszyty Teoretyczne Rachunkowości

|

2018

|

issue 100(156)

117-130

PL

Artykuł przedstawia uproszczoną procedurę konstrukcji słownika tonu służącego do zautomatyzowanego rozpoznawania typu opinii biegłego rewidenta, opracowanego na podstawie opinii sporządzonych w języku polskim. Opierając się na próbie 362 opinii załączonych do sprawozdań finansowych zestawionych w okresie od 2013 roku do 2016 roku stworzono korpus językowy. Wykorzystując metody analizy tekstu i analizy korelacji oszacowano ładunki informacyjne słów na podstawie korelacji z typem opinii biegłego rewidenta. Wyniki wskazują na istotny związek opinii zmodyfikowanej (negatywnej lub z zastrzeżeniem) i tonu oraz braku takich zależności w przypadku opinii bez zastrzeżeń. Procedura tworzenia słownika oraz sam słownik mogą być zastosowane do konstruowania automatycznych algorytmów handlu akcjami.

EN

This paper presents a simplified procedure for construction of a tone dictionary used for the automated recognition of the auditor's opinion type. The study was based on audit opinions prepared in the Polish language. Our sample consists of 362 reports for the period 2013-2016. It served as a basis for creating the language corpus. We applied text mining techniques combined with correlation analysis to assess information content of words on the basis of correlation with the type of auditor’s opinion. We have demonstrated that a modified auditor’s report (negative or qualified) has a significant correlation with tone while in the case of an unqualified opinion there is no such correlation. The procedure of dictionary creation and the dictionary itself can be used to develop automatic trading algorithms.

19

Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa

51%

Ptak-Chmielewska A., Baszniak K., Kurpanik J.

Wiadomości Statystyczne. The Polish Statistician

|

2022

|

vol. 67

|

issue 9

24-52

EN

The COVID-19 pandemic changed the lives of people all around the world, e.g. affected mental health and the functioning of several families. The main goal of the research presented in this paper is to assess the influence of the COVID-19 pandemic on the mental health of members of households. The research was performed on the basis of a data set from the COVID Impact Survey carried out by the Data Foundation think tank in 2020 (during the first wave of COVID-19 pandemic) in the USA among adult respondents. The survey used 6,768 observations. The authors estimated a model of logistic regression and models based on data mining methods, such as decision trees, XG Boost, k-nearest neighbours method, artificial neural networks and a support vector machine. Cluster analysis made it possible to divide respondents into groups showing their characteristic features and problems, and the constructed model took into account their mental issues and the relationship between those issues and the financial situation of households. The results demonstrate that isolation, remote education and work and limited physical activity contribute to the worsening of mental health of the population.

PL

Pandemia COVID-19 odmieniła życie ludzi na całym świecie, m.in. wpłynęła na kondycję psychiczną i funkcjonowanie wielu rodzin. Głównym celem badania omawianego w artykule jest ocena wpływu pandemii COVID-19 na stan zdrowia psychicznego członków gospodarstw domowych. W badaniu posłużono się zbiorem danych pochodzących z ankiety COVID Impact Survey, przeprowadzonej w 2020 r. (w trakcie pierwszej fali pandemii) w Stanach Zjednoczonych wśród osób dorosłych przez organizację Data Foundation. Analizie poddano 6768 obserwacji. Oszacowano model regresji logistycznej oraz modele oparte na metodach data mining, takich jak: drzewa decyzyjne, wzmacnianie gradientowe, metoda k-najbliższych sąsiadów, sztuczne sieci neuronowe i metoda wektorów wspierających. Analiza skupień pozwoliła podzielić respondentów na grupy uwidaczniające cechy charakterystyczne i problemy członków gospodarstw domowych, a w utworzonym modelu uwzględniono kwestie zdrowia i zaburzeń psychicznych oraz ich związek z sytuacją finansową gospodarstw. Wyniki badania wskazują na to, że izolacja, zdalny tryb nauczania i pracy oraz mniejsza aktywność fizyczna przyczyniają się do pogarszania się stanu zdrowia psychicznego.

20

O wiele więcej niż Google Translate, czyli komputerowe przetwarzanie języka naturalnego (NLP) w translatoryce i translatologii

38%

Okulska I.

Porównania

|

2020

|

vol. 26

|

issue 1

283-297

EN

The more technological development, the greater the participation of the human – in formulating tasks and problems, supervising and improving automated processes and interpreting their outcomes. The hierarchy is preserved, humans are still indispensable, but it does not mean that in certain areas of machinery the potential does not really exceed that of the human and that this advantage is not worth exploiting. Natural language processing (NLP) is not a young field, but in recent years, thanks to the thrive of deep learning methods, data and knowledge mining or new human-machine interfaces, computer text analysis is experiencing a real renaissance. As far as translation is concerned, it is mostly algorithms for machine translation that are being discussed. This article, on the other hand, presents a slightly broader spectrum of the translation process and looks at the accompanying elements (such as criticism) in which the use of NLP methods may bring new and interesting results. Results which, due to limited computing power, humans are unable to achieve. The discussion in the paper covers such aspects as the vector representation of language,stylometry and its application, or the analysis of large data sets – all for the purposes of translation and translatology.

PL

Przewrotna jest rola postępu – im więcej technologicznego rozwoju, tym większy udział człowieka – w koncepcji, formułowaniu zadań, interpretacji wyników, nadzorze i korekcie. Hierarchia jest zachowana, człowiek wciąż nieodzowny, ale to nie znaczy, że w pewnych obszarach maszynowy potencjał rzeczywiście nie przewyższa ludzkiego i że nie warto z tej przewagi skorzystać. Przetwarzanie języka naturalnego (NLP) to dziedzina niemłoda, ale w ostatnich latach dzięki rozkwitowi metod uczenia głębokiego (deep learning), mody na maszynowe wnioskowanie (data/knowledge mining) czy nowym sprzętowym interfejsom (m.in. zaawansowane rozpoznawanie obrazu) komputerowa analiza tekstu przeżywa istny renesans. W odniesieniu do translacji przyjęło się mówić i pisać głównie o coraz doskonalszych lub właśnie zupełnie niemożliwych algorytmach dla kolejnych par języków czy coraz większej precyzji samego tłumaczenia. Niniejszy artykuł przedstawia natomiast nieco szersze spektrum procesu tłumaczenia i przygląda się elementom przekładowi towarzyszącym (jak choćby krytyka), w których wykorzystanie metod NLP możeprzynieść nowe, ciekawe wyniki. Wyniki, których ze względu na ograniczoną moc obliczeniową człowiek nie jest w stanie osiągnąć. Omówione zostały takie aspekty jak wektorowa reprezentacja języka, stylometria i jej zastosowania czy analiza wielkich zbiorów danych – wszystko to na potrzeby szeroko rozumianychtranslacji i translatologii.

Refine search results

Chatbot – modelowanie i aplikacje

Sztuczna inteligencja w odczarowanym świecie

Wykorzystanie Google Trends do predykcji stopy zwrotu indeksu WIG20

ZASTOSOWANIE METOD UCZENIA MASZYNOWEGO I ZAAWANSOWANEGO PRZETWARZANIA ZDARZEŃ DLA OCHRONY PRZEMYSŁOWYCH SIECI INFRASTRUKTURY KRYTYCZNEJ

Sztuczna inteligencja w innowacjach fi nansowych – aspekty prawne i regulacyjne

Artificial Intelligence in Audit

Wspomaganie procesów decyzyjnych przez wykorzystanie algorytmów regułowych wyznaczających istotność atrybutów

Jakość prognozowania cen w zależności od wykładnika Hursta przy wykorzystaniu danych wysokiej częstotliwości z rynku walutowego

Zarządzanie nieruchomościami z wykorzystaniem kognitywnej maszyny wnioskującej

Predicting Bankruptcy at Polish Companies: A Comparison of Selected Machine Learning and Deep Learning Algorithms

Artificial intelligence in the disenchanted world

Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise

Wpływ sztucznej inteligencji na rynek finansowy w procesie podejmowania decyzji ekonomicznych – szanse, wyzwania i rekomendacje

Artificial intelligence and algorithms assisting personal finance. A legal and economic perspective

Najlepsze narzędzie do zwalczania fejków (i dlaczego nie działa)

Analityka kulturowa, czyli jak narzędzia Data Science zmieniły humanistykę

The Application of Machine Learning in Faculty Assessment: A Case Study of Narxoz University

Konstrukcja słownika do zautomatyzowanego rozpoznawania typu opinii biegłego rewidenta

Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa

O wiele więcej niż Google Translate, czyli komputerowe przetwarzanie języka naturalnego (NLP) w translatoryce i translatologii