Literatura: |
1. Campos, R., Mangaravite V., Pasquali A., Jorge A.M., Nunes C., Jatowt A. (2018). YAKE! Collection-Independent Automatic Keyword Extractor. In Pasi G., Piwowarski B., Azzopardi L., Hanbury A. (Eds) Advances in Information Retrieval. ECIR 2018. Lecture Notes in Computer Science, vol. 10772. Springer, Cham. https://doi.org/10.1007/978-3-319-76941-7_80.
2. Gogołek W. i inni,; Citizen Big Data Refining on the example of the capital city of Warsaw. Analiza zasobów informacyjnych Big Data. Citizen Science na przykładzie miasta stołecznego Warszawy. Urban Development Issues, vol. 73 (2022), 08 https://doi.org/10.51733/udi.2022.73.08. https://drive.google.com/file/d/1d5sCFJSm6k6GN9XnUiPwp2ay_owsRacg/view?usp=sharing.
3. Gogołek W. Big Data o mediach. Dominanty świata mediów. „Studia Medioznawcze”, Tom 23 Nr 2, Opublikowane: 2022-06-30. Big Data o mediach. Dominanty świata mediów (studiamedioznawcze.eu) Widok Big Data o mediach. Dominanty świata mediów (studiamedioznawcze.eu)
4. Gogołek W. i inni, Machine learning. Edukacja i koronawirus. W: Teoretyczne i praktyczne aspekty pedagogiki medialnej, (red.) D. Siemieniecka, K. Majewska, Wydawnictwo UMK, Toruń 2021, s.189-204. ISBN 978-83-231-4551-6, eISBN 978-83-231-4552-3, https://doi.org/10.12775/978-83-231-4552-3.
5. Gogołek W. Refining Big Data, Bulletin of Science, Technology & Society; 1–6, © The Author(s) 2019; Article reuse guidelines: sagepub.com/journals-permissions; DOI: 10.1177/0270467619864012; journals.sagepub.com/home/bst.
6. Gogołek W. i inni, Z badań nad wykorzystaniem rafinacja informacji sieciowej. Wybory prezydenckie i parlamentarne 2015. Studia Medioznawcze nr 3(62) 2015, Instytut Dziennikarstwa UW, Warszawa 2015, s. 31 – 43. From the research – refining the information from the net. Presidential and parliamentary elections in 2015, 2015 no. 3(62).
http://studiamedioznawcze.pl/article.php?date=2015_3_62&content=gogolek&lang=en
7. Gogołek W., i inni,, Z badań nad systemem rafinacji sieciowej Identyfikacja sentymentów, Studia Medioznawcze Media Studies 4 (67) 2016. http://studiamedioznawcze.pl/article.php?date=2016_4_67&content=gogolek&lang=pl
8. Gogołek W. i inni, Rafinacja informacji sieciowych na przykładzie wyborów parlamentarnych. Część 2. Portale internetowe, konteksty medialne i merytoryczne, Studia Medioznawcze nr 3(54) 2013, Instytut Dziennikarstwa UW, Warszawa 2013, s. 153 - 161. http://studiamedioznawcze.pl/Numery/2013_3_54/pelny.pdf
9. Gogołek W., i inni, Media Studies: Refining Network Information on the Example of Parliamentary Elections. Part 1. Blogs, Forums, Sentiment Analysis, 2012, no. 2(53) http://studiamedioznawcze.pl/article.php?date=2013_2_53&content=gogolek&lang=en.
10. Gogołek W., i inni, Refining Network Information on the Example of Parliamentary Elections. Part 2, Internet Portals, Media and Content, 2012, no 3(53) http://studiamedioznawcze.pl/article.php?date=2013_3_54&content=gogolek&lang=en.
11. Mayer-Schonberger, V., & Cukier, K. (2017). Big Data, Rewolucja która zmieni nasze myślenie pracę i życie. Warszawa: MT Biznes.
12. PwC. (2018). Perspektywy Rozwoju Branży Rozrywki I Mediów W Polsce 2018-2022. Link https://www.pwc.pl/pl/pdf/publikacje/2018/media-i-rozrywka-2018-raport-pwc.pdf.
13. Pruchnik, P., Identyfikacja trendów w polskich mediach na przykładzie kwartalnika „Studia Medioznawcze” (2019). Wykorzystanie narzędzi Big Data, Studia Medioznawcze, Warszawa 2019. Link https://studiamedioznawcze.eu/index.php/studiamedioznawcze/article/view/113/116
14. Silge, J., & Robinson, D. (2019). Text Mining with R A Tidy Approach. Link z https://www.tidytextmining.com/.
|
Zakres tematów: |
Potencjał informacyjny sztucznej inteligencji (AI) i dużych zasobów informacyjnych (Big Data). w badaniach naukowych. Krytyczna rola: (1) technologii informacyjnych (potencjał informatyczny, obliczeniowy i komunikacyjny), (2) Big Data w oczekiwanych efektach wykorzystania (3) narzędzi/aplikacji AI i (4) statystyk. Narzędzia AI do analizy dużych zbiorów informacji i efektywnej komunikacji komputer-człowiek. Ilustracja znaczenia posiadania zasobów na przykładzie kluczowej funkcjonalności sztucznej inteligencji - Machine Learning (ML). Istota procesu budowania modelu/opisu obrazu badanego obiektu/zjawiska w przeszłości, w czasie rzeczywistym i predykcji, a także odkrywania trendów, zależności, prawidłowości w danych opisujących badany obiekt - przedmiot dociekań naukowych. Ilustracja potencjału Big Data, AI i statystyk, studiami przypadków: media, edukacja, historia, wybory prezydenckie/parlamentarne, fake news, medycyna, nowe technologie i inne.
|