Przedstawione przez polskich naukowców prace dotyczyły różnych metod, które zostały opracowane w ramach konkursów w obszarze wiarygodności informacji, oceny weryfikowalności tekstów, analizy wieloautorskiego stylu pisania oraz wykrywania zagrożeń w Internecie.

Artykuł polskich naukowców został opublikowany w otwartym dostępie. W ramach pracy zostało opisane podejście, które uzyskało najlepszy wynik według metryki ERDE w międzynarodowym konkursie w zakresie wczesnego wykrywania zagrożeń w Internecie eRisk 2024.

W tym roku wzięło udział aż 26 zespołów z całego świata. Zastosowanie modeli językowych opartych na transformerach oraz technik międzyjęzykowego uczenia transferowego pozwoliło naszym naukowcom zdobyć dwa drugie miejsca w rankingach, dla języka angielskiego i arabskiego.

Opisane w artykule podejście może pomóc w doskonaleniu algorytmów uczenia maszynowego, które są używane w ramach różnych serwisów internetowych (np. media społecznościowe) do filtrowania treści, w szczególności w celu wykrywania tekstów wprowadzających w błąd, szkodliwych lub po prostu nielegalnych.

Harmonogram Roku Akademickiego 2024/2025 na studiach stacjonarnych oraz niestacjonarnych pierwszego i drugiego stopnia.

Kluczową kwestią było sprawdzenie, czy możliwe jest rozpoznanie różnic w stylu pisania. Metoda opracowana przez zespół OpenFact polegała na wprowadzeniu tagów stylometrycznych bezpośrednio do tekstu. W efekcie prac powstał artykuł, opisujący zastosowane podejście.

W szczególności zostały omówione wyzwania, jakie stoją przed instytucjami akademickimi, które próbują wdrażać zasady otwartej nauki, oraz przeszkody, które hamują te procesy. Poruszono również kwestię roli projektów Wikimedia, takich jak Wikipedia, w krajobrazie otwartej nauki.

W ramach badań naukowych zostały opracowane modele predykcji sukcesu i bankructwa giełd kryptowalut, bazując na danych finansowych oraz informacjach zebranych z otwartych źródeł internetowych, takich jak Wikipedia oraz Wikidane.

Podczas konferencji Wikimania 2024 w Katowicach zostały przedstawione wyniki badań naukowych dotyczących mierzenia amerykanizacji w różnych regionach świata na podstawie otwartych danych z Wikipedii oraz Wikidanych.

Strona internetowa jest dedykowana dla materiałów uzupełniających do badań naukowych w obszarze analizy amerykanizacji w różnych regionach świata z wykorzystaniem Wikipedii oraz Wikidanych. Prezentacja zostanie przedstawiona podczas konferencji Wikimania 2024 w Katowicach.

Spośród licznych zespołów, które zgłosiły swoje rozwiązania, metoda opracowana przez polskich naukowców osiągnęła najlepszy wynik w międzynarodowym konkursie eRisk 2024. Celem konkursu było opracowanie systemu wczesnego rozpoznawania osób z anoreksją na podstawie ich aktywności w Internecie.

Polscy naukowcy zajęli pierwsze miejsce w międzynarodowym konkursie w obszarze wiarygodności informacji. Zadanie obejmowało teksty z 5 różnych obszarów problematycznych: ocena stronniczości wiadomości, wykrywanie propagandy, sprawdzanie faktów, wykrywanie plotek oraz dezinformacji na temat COVID-19.

Projekt OpenFact realizowany przez naukowców z Katedry Informatyki Ekonomicznej uzyskał najwyższą liczbę punktów i pozytywną ocenę po drugiej fazie projektu. Tym samym powtórzył swój sukces sprzed roku, kiedy po fazie pierwszej również został najlepiej oceniony wśród wszystkich zespołów.

Wykład otwarty pt. BaseModel: wprowadzenie do modelowania behawioralnego odbył na Uniwersytecie Ekonomicznym w Poznaniu. Wykład poprowadził Ksawery Smoczyński, Machine Learning Engineer w Synerise BaseModel.

Wykład otwarty na Uniwersytecie Ekonomicznym w Poznaniu na temat praktycznych aspektów pracy jako Data Scientist w jednej z największych platform zakupowych w Europie Środkowo-Wschodniej. Prelegenci: dr Piotr Kałużny, Anna Cielas.

Podczas wydarzenia uczestnicy mieli okazję dowiedzieć się, jak odróżnić fake newsy (fałszywe wiadomości) od prawdziwych informacji oraz jakie narzędzia mogą wykorzystać do weryfikacji treści w mediach społecznościowych.

Podczas tego wydarzenia kandydaci na studia mieli okazję porozmawiać z obecnymi studentami i wykładowcami na temat kierunków prowadzonych na Uniwersytecie Ekonomicznym w Poznaniu.

Realizowane zadanie dotyczyło dziedziny Data Science, a także przetwarzania języka naturalnego. Studenci przygotowali rozwiązanie w języku Python, które z wykorzystaniem LLM (duży model językowy), a także innych metod przetwarzania języka naturalnego identyfikuje zduplikowane oferty pracy.

W najnowszym numerze czasopisma „Biblioteka” (UAM) został opublikowany artykuł na temat analizy cytowań i odwołań do prac naukowych w Wikipedii. Analizie poddano 332 mln odwołań referencyjnych zamieszczonych w 61 mln artykułach Wikipedii w 309 wersjach językowych.

Wizyta prof. Preslava Nakova z Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) w Katedrze Informatyki Ekonomicznej UEP. Podczas spotkania zostały omówione kolejne etapy współpracy w zakresie wykrywania fałszywych informacji z wykorzystaniem sztucznej inteligencji.