1. Napovedovanje namere sprejemanja in uporabe orodja ChatGPT v poslovnem okolju : magistrsko deloPatricia Petek, 2024, magistrsko delo Opis: ChatGPT je klepetalni robot, ki je z razvojem tehnologije, predvsem pa področja umetne inteligence, postal popularno orodje, ki nam lahko olajša marsikatero nalogo v našem vsakdanjem življenju. Hkrati pa je s svojo vsestransko uporabo in mnogimi možnostmi, ki jih ponuja uporabnikom, postal pomembno orodje tudi v poslovnem okolju, saj omogoča, da je delo opravljeno hitreje. ChatGPT svojo vrednost tako kaže na področjih kot so marketing in podpora strankam, ekonomija in finance, na področju kadrovanja in prava, vsekakor pa tudi v mnogih oblikah na področju informacijskih tehnologij. Namen pričujoče raziskave je bil ustvariti napovedni model, s katerim lahko čim bolje napovemo namero sprejemanja orodja ChatGPT in pa tudi njegovo uporabo v poslovnem okolju. Podatke smo pridobili s pomočjo 85 udeležencev, ki delajo na različnih področjih. S pomočjo regresijske analize smo ustvarili model, ki uspešno napoveduje namero sprejemanja orodja ChatGPT v poslovnem okolju na podlagi preprostosti uporabe in navad uporabnika. Prav tako pa smo ustvarili model, ki nadalje uspešno napoveduje tudi uporabo orodja ChatGPT v poslovnem okolju, na podlagi tehnične opremljenosti okolja in navad uporabnika. V navedenih primerih se ni izkazalo, da bi obstajali pomembni moderatorji. Raziskava ima z napovednima modeloma praktične implikacije za podjetja, ki bi želela med zaposlene vpeljati novo orodje, pa morda ni jasno, če je to smiselna naložba.
Ključne besede: UTAUT 2, ChatGPT, umetna inteligenca, poslovno okolje
Objavljeno v DKUM: 28.11.2024; Ogledov: 0; Prenosov: 2
 Celotno besedilo (1,67 MB) |
2. Uporaba umetne inteligence za analizo podatkovih baz : diplomsko deloBenjamin Lokmić, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na uporabo umetne inteligence, natančneje modela GPT-4o, za analizo treh podatkovnih baz, ki vključujejo meritve koncentracij črnega ogljika, prometne podatke in meteorološke podatke. Glavni namen raziskave je raziskati, kako umetna inteligenca omogoča učinkovito obdelavo teh podatkov, ter izvesti analizo vzorcev in korelacij med prometnimi konicami, ravnjo onesnaženja in vremenskimi pogoji. V raziskavi so uporabljeni podatki, zbrani v desetdnevnem obdobju na različnih lokacijah glede na oddaljenost od ceste. Osrednja naloga raziskave sta združevanje teh različnih podatkovnih nizov in preučevanje, kako lahko GPT-4o prispeva k hitrejši in zanesljivejši analizi teh podatkov. Poleg tega raziskava proučuje potencial umetne inteligence pri izboljšanju tradicionalnih pristopov za analizo okoljskih podatkov, zlasti kar zadeva natančnost, hitrost obdelave in prepoznavanje povezav med analiziranimi podatkovnimi bazami.
Ključne besede: umetna inteligenca, GPT-4o, obdelava podatkov
Objavljeno v DKUM: 27.11.2024; Ogledov: 0; Prenosov: 5
Celotno besedilo (2,53 MB) |
3. Umetna inteligenca na področju izobraževanja z vidika učiteljevFeliks Strehar, 2024, diplomsko delo Opis: Diplomsko delo obravnava uporabo umetne inteligence (UI) v izobraževanju z vidika učiteljev. Namen dela je bilo raziskati, kakšne so dosedanje izkušnje z uporabo orodij UI, ali vidijo UI kot uporabno, ali jo uporabljajo v svojem učnem procesu, kako jim najbolj koristi ter kakšne so njihovi pogledi na prihodnost izobraževanja. Uporabljena metodologija vključuje anketiranje učiteljev, katerih odgovore smo analizirali. Rezultati raziskave kažejo, da učitelji prepoznavajo prednosti UI, kot so prilagajanje učnih vsebin in avtomatizacija rutinskih nalog, vendar opozarjajo tudi na potrebo po dodatnem usposabljanju. Ugotovitve vključujejo priporočila za večje vlaganje v tehnično izobraževanje učiteljev ter skrb za etično uporabo UI v izobraževalnem procesu. Zaključki nakazujejo, da lahko UI bistveno izboljša izobraževanje, vendar je potreben premišljen pristop k njeni integraciji, da bi ohranili človeški element v učenju.
Ključne besede: Umetna inteligenca (UI), pogledi učiteljev, izobraževalni proces, etična uporaba umetne inteligence.
Objavljeno v DKUM: 20.11.2024; Ogledov: 0; Prenosov: 8
Celotno besedilo (962,73 KB) |
4. Analiza uporabe umetne inteligence v slovenskih medijihŽiga Kapun, 2024, diplomsko delo Opis: Uporaba umetne inteligence je prisotna že na nešteto področjih, kjer se uporablja za najrazličnejše namene. Najdemo jo lahko v optimizaciji procesov, pregledovanju velikih količin podatkov ter tudi ustvarjanju vsebin. Podobno kot na drugih področjih, se je umetna inteligenca, ali AI, uveljavila tudi na področju medijev. Tako se diplomska naloga posveča prav uporabi AI na področju medijev v Sloveniji. Naloga le-te je predstaviti vrste AI in možnosti, ki jih slednja omogoča medijem, prav tako pa z analizo ankete predstavi dejansko stanje uporabe AI v Sloveniji.
Ključne besede: Umetna inteligenca - AI, mediji, generativna AI, strojno učenje, globoko učenje
Objavljeno v DKUM: 14.11.2024; Ogledov: 0; Prenosov: 29
Celotno besedilo (2,03 MB) |
5. Generiranje načrta vadbe s pomočjo umetne inteligenceJan Korže, 2024, diplomsko delo Opis: Delo opisuje uporabo in delovanje ChatGPT API-ja za implementacijo uporabniškega vmesnika, preko katerega lahko z umetno inteligenco ustvarimo unikaten trening za uporabnika, ki ga lahko nato izvede s pomočjo mobilne aplikacije Impact Wrap. Namen je predstaviti različne modele ChatGPT in bistvene razlike med njimi in hkrati preveriti ali lahko že v naprej naučen model pripravimo in uporabimo za olajšanje dela trenerjev boksa, kickboxa in ostalih športov , ki želijo uporabiti večdnevne treninge
Ključne besede: ChatGPT, umetna inteligenca, učenje modela
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 32
Celotno besedilo (8,68 MB) |
6. Komparativna analiza orodij za vodenje it skupin z uporabo umetne inteligenceHana Muzelj, 2024, diplomsko delo Opis: Diplomska naloga se osredotoča na komparativno analizo orodij za vodenje IT skupin, ki vključujejo elemente umetne inteligence. V teoretičnem delu so obravnavane definicije in koncepti informacijskih tehnologij, vodenja IT skupin in umetne inteligence, medtem ko praktični del vključuje poglobljeno primerjavo izbranih orodij glede na njihove funkcionalnosti, integracijo UI ter prispevek k učinkovitosti in organizaciji dela IT ekip. Cilj naloge je oceniti, katero orodje najbolj podpira optimalno delovanje IT skupin v sodobnem tehnološkem okolju.
Ključne besede: vodenje IT skupin, umetna inteligenca, komparativna analiza, učinkovitost, integracija UI
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 14
Celotno besedilo (5,09 MB) |
7. Integracija velikih jezikovnih modelov v mobilne rešitveDavid Balažic, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na analizo in implementacijo velikih jezikovnih modelov v mobilne rešitve z namenom raziskave njihovega delovanja, integracije in vpliva na uporabniško izkušnjo. V prvem delu je predstavljen teoretični del delovanja velikih jezikovnih delov. V praktičnem delu je ponazorjeno implementiranje teh modelov v mobilne rešitve in predstavljanje pristopa delovanja preko programskega vmesnika ter neposredno na napravi. Rezultati raziskave kažejo, da je pristop s programskim vmesnikom primernejši ob uporabi kompleksnejših modelov, vendar se pristop neposredno na napravi izkaže za koristnega ob uporabi manjših modelov.
Ključne besede: veliki jezikovni modeli, umetna inteligenca, mobilne rešitve, model
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 4
Celotno besedilo (1,58 MB) |
8. Primerjava sistemov za upravljanje vsebin Wix in WordPress za spletno stran samostojnega podjetnikaSabina Paurič, 2024, diplomsko delo Opis: Diplomsko delo se osredotoča na primerjavo dveh priljubljenih sistemov za upravljanje vsebin, Wix in WordPress, s poudarkom na uporabniški izkušnji, prilagodljivosti, tehnični zahtevnosti in stroških. Raziskuje tudi vlogo umetne inteligence pri generiranju spletnih strani. V okviru diplomskega dela sta bili izdelani dve spletni strani, ena s sistemom WordPress in druga z Wix. Na koncu je bila izvedena primerjalna analiza obeh sistemov ter podani odgovori na raziskovalna vprašanja.
Ključne besede: Umetna inteligenca, WordPress, Wix, CMS-primerjava
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 11
Celotno besedilo (2,87 MB) |
9. Umetna inteligenca v oglaševanjuNika Antolinc, 2024, diplomsko delo Opis: Umetna inteligenca (UI) postaja ključno orodje v sodobnem oglaševanju, saj omogoča podjetjem, da na bolj učinkovit način ciljajo na svoje občinstvo, prilagajajo oglase posameznim uporabnikom ter optimizirajo celotne oglaševalske kampanje. S pomočjo naprednih tehnologij, kot so strojno učenje, obdelava naravnega jezika in generativni modeli, podjetja lažje razumejo in se odzivajo na hitro spreminjajoče se potrebe potrošnikov. Tako se lahko hitreje in bolj prilagojeno odzivajo na izzive digitalnega okolja, kar povečuje njihovo konkurenčnost.
Diplomska naloga raziskuje, kako umetna inteligenca spreminja in nadgrajuje oglaševalske prakse. Poudarek je na tem, kako UI omogoča podjetjem, da dosežejo višjo stopnjo angažiranosti potrošnikov in izboljšajo učinkovitost svojih oglaševalskih strategij. Poleg tega naloga obravnava tudi izzive, povezane z uporabo umetne inteligence, kot so varnost podatkov in pristranskost algoritmov. Ti izzivi lahko pomembno vplivajo na zanesljivost, etičnost in splošno uspešnost oglaševalskih praks, zato je razumevanje teh vidikov ključno za uspešno implementacijo UI v oglaševanje.
Naloga tako ponuja celovit vpogled v potenciale umetne inteligence za preoblikovanje sodobnega oglaševanja, hkrati pa opozarja na pomembne omejitve in etične izzive, ki jih je treba upoštevati pri njeni uporabi.
Ključne besede: umetna inteligenca, oglaševanje, personalizacija, analiza, generiranje, optimizacija
Objavljeno v DKUM: 21.10.2024; Ogledov: 0; Prenosov: 12
Celotno besedilo (985,28 KB) |
10. Značilnosti in izzivi trga dela v izbranih razvitih državahDomen Kokolj, 2024, magistrsko delo Opis: V magistrskem delu smo raziskovali značilnosti in izzive trga dela v izbranih razvitih državah. Države, ki smo jih izbrali so Avstralija, Nemčija, Francija, Velika Britanija, Japonska in ZDA. V uvodnih poglavljih smo predstavili teoretične temelje povpraševanja in ponudbe dela. Nato smo izvedli pregled trga dela v izbranih državah za obdobje od 2004 do 2023. Zanimala nas je predvsem struktura zaposlenosti, in sicer po spolu, starosti in aktivnosti. Prav tako smo se dotaknili brezposelnosti in povprečnega trajanja brezposelnosti v letu 2004 in 2023. V četrtem poglavju smo podrobneje pogledali, kako avtomatizacija dela vpliva na zaposlenost, kako delo od doma vpliva na produktivnost zaposlenih in kaj sploh je umetna inteligenca in njeni vplivi na zaposlenost. Nato smo opravili pregled obstoječih empiričnih študij na področju umetne inteligence in njenega vpliva na zaposlenost. Prav tako smo pregledali študije funkcije zaposlenosti, da smo ugotovili, katere spremenljivke bi bilo smiselno vključiti v naš model. V zadnjem poglavju smo opravili empirično analizo vpliva digitalizacije in umetne inteligence na zaposlenost v izbranih razvitih državah. Odvisna spremenljivka, ki smo jo izbrali, je zaposlenost, neodvisne pa bruto domači proizvod in plače. Kot neodvisni spremenljivki sta bili vključeni tudi digitalizacija, ki je sestavljen indeks iz spremenljivk število fiksnih priklopov internetnih storitev na sto ljudi, izvoza informacijske in komunikacijske tehnologije, število posameznikov, ki uporabljajo internetne storitve kot odstotek celotne populacije, in število naročnin na mobilne storitve na sto ljudi. Indeks digitalizacije smo nato razširili in mu dodali še izdatke za raziskave in razvoj kot odstotek BDP in domača posojila zasebnemu sektorju kot odstotek BDP. Ta razširjen indeks smo označili kot AI – pripravljenost na umetno inteligenco. Ker smo analizirali panelne podatke, smo uporabili model združenih podatkov in model fiksnih učinkov. Da smo ugotovili, kateri izmed omenjenih modelov je primernejši, smo izračunali F-statistko s pomočjo programa EViews. Glede na rezultate F-statistike smo izbrali model fiksnih učinkov. Nato smo model fiksnih učinkov primerjali še z modelom slučajnih učinkov. Da smo ugotovili kateri je primernejši smo uporabili Hausmanov test. Ugotovili smo, da je model fiksnih učinkov primernejši. Na koncu smo še z metodo White cross-section preverjali odpornost modela na heteroskedastičnost in avtokorelacijo. V modelih, ki so ocenjeni z White cross-section metodo imata indeks digitalizacije in pripravljenosti na umetno inteligenco pozitiven predznak, kar pomeni, da pozitivno vplivata na zaposlenost.
Ključne besede: digitalizacija, umetna inteligenca, avtomatizacija, delo od doma, ekonometrična analiza, razvite države
Objavljeno v DKUM: 17.10.2024; Ogledov: 0; Prenosov: 15
Celotno besedilo (2,44 MB) |
