1. Analiza stanja digitalne zrelosti v slovenskih mikro, malih in srednjih podjetjihNejc Valič, 2025, magistrsko delo Opis: Zaključno delo preučuje digitalno zrelost slovenskih mikro, malih in srednje velikih podjetij (MSP) ter razkorak med trenutnim in želenim stanjem digitalizacije; njen namen je prispevati k razumevanju rezultatov ocene digitalne zrelosti, kar nam nudi vpogled v stanje digitalizacije MSP.
V teoretičnem delu so predstavljeni koncept digitalne zrelosti, strateški dokumenti EU in Slovenije ter modeli merjenja,ž s poudarkom na večkriterijskem modelu DEXi. Empirični del temelji na podatkih 1116 MSP, zbranih prek spletnega vprašalnika med letoma 2020 in 2022, analiziranih z deskriptivnimi in primerjalnimi statističnimi metodami.
Analiza razkoraka je pokazala, da si velika večina podjetij želi bistvenega napredka – več kot 90 % jih cilja na napredno stopnjo digitalizacije ali oceno »digitalni zmagovalec«. Največje razlike med trenutnim in želenim stanjem so bile zaznane pri strategiji digitalizacije, podatkovni strategiji, mobilnem poslovanju, odnosih s strankami ter pri optimizaciji prihodkov in stroškov. Kot najbolj kritične panoge so se izkazale gostinstvo, zdravstvo in socialno varstvo ter predelovalne dejavnosti, pri katerih so podjetja izrazila največje ambicije glede digitalnega preskoka. Analiza je tudi pokazala, da velikost podjetja in regija vplivata na trenutno stanje, ne pa na želeno stanje, kar kaže na enotno usmerjenost k digitalnemu napredku.
Rezultati potrjujejo, da so MSP še na začetku digitalne preobrazbe, a z visoko ambicioznostjo. Priporočila vključujejo krepitev strateškega pristopa, vlaganja v digitalne kompetence, uporabo naprednih tehnologij ter razvoj podpornega okolja.
Ključne besede: digitalna zrelost, MSP, analiza razkoraka
Objavljeno v DKUM: 25.11.2025; Ogledov: 0; Prenosov: 9
 Celotno besedilo (1,50 MB) |
2. Uporaba orodja Power BI za analizo demografskih podatkov s ciljem izboljšanja uspešnosti prodajeMedina Mešanović, 2025, diplomsko delo Opis: Diplomsko delo obravnava uporabo orodja Power BI za analizo demografskih podatkov z namenom podpore podatkovno podprtemu odločanju v trženju. Namen dela je prikazati, kako lahko podjetja z analizo demografskih in vedenjskih vzorcev sprejemajo učinkovitejše marketinške odločitve in izboljšajo prodajno uspešnost. Raziskava temelji na simuliranem naboru podatkov, ki so bili najprej analizirani v Excelu, nato pa vizualizirani v orodju Power BI. Uporabljene metode vključujejo deskriptivno statistiko, primerjavo skupin in interaktivne prikaze za prepoznavanje vzorcev. Rezultati kažejo, da vizualna analiza omogoča boljše razumevanje ciljne skupine in olajša sprejemanje strateških odločitev. Zaključki poudarjajo pomen vključevanja sodobnih analitičnih orodij v trženjske procese in priporočajo širšo uporabo orodja Power BI v poslovnem okolju.
Ključne besede: Excel, Power BI, podatkovna analitika, demografski podatki, trženjsko odločanje
Objavljeno v DKUM: 21.10.2025; Ogledov: 0; Prenosov: 20
Celotno besedilo (1,30 MB) |
3. Uporaba orodij umetne inteligence za analizo podatkovValentina Đukanović, 2025, diplomsko delo Opis: V diplomskem delu smo raziskali, kako lahko različna analitična orodja – klasična (Microsoft Excel, Orange) in generativna (ChatGPT, Claude) – podprejo proces analize podatkov. Namen raziskave je bil preveriti, ali lahko generativna orodja, ki temeljijo na velikih jezikovnih modelih, zagotovijo enakovredno natančnost in uporabnost kot tradicionalna orodja, hkrati pa ponudijo prednosti v hitrosti in razumljivosti rezultatov.
Metodološko smo izvedli eksperiment na javno dostopnih podatkih o povprečnih bruto plačah v javnem sektorju (2018). Vsi postopki so bili izvedeni z enakimi vhodnimi podatki in enakimi nalogami: izračun povprečja, standardnega odklona in koeficienta variacije, kategorizacija po frekvencah ter priprava vizualizacij (histogram, stolpčni graf). Rezultati so bili primerjani glede na natančnost, hitrost, jasnost interpretacij in uporabniško izkušnjo, ki smo jo ovrednotili tudi z Likertovo lestvico.
Rezultati kažejo, da Excel in Orange zagotavljata deterministično natančnost in popolno ponovljivost, vendar sta počasnejša in zahtevnejša za manj izkušene uporabnike. Generativna orodja so bila najhitrejša (≈ 2 minuti do prvih rezultatov) ter najbolje ocenjena pri jasnosti interpretacij in enostavnosti uporabe. Kljub temu so se pri njih pojavila manjša odstopanja v standardnih odklonih in kategorizacijah. To potrjuje hipotezo, da so generativna orodja ob ustrezni pripravi vhodnih podatkov enakovredna klasičnim, pri čemer ponujajo dodatno prednost v hitrosti in dostopnosti.
Zaključimo lahko, da optimalne rezultate zagotavlja hibridni pristop: klasična orodja so primerna za čiščenje, validacijo in sledljivost, generativna pa za hitro prototipiranje, narativne povzetke in podporo uporabnikom brez tehničnega predznanja. Praktična priporočila vključujejo standardizacijo podatkovnih tokov, validacijo ključnih rezultatov v Excelu ali Orangeu ter usposabljanje uporabnikov za kombinirano uporabo obeh pristopov.
Ključne besede: umetna inteligenca, analiza podatkov, Excel, Orange, ChatGPT, Claude
Objavljeno v DKUM: 20.10.2025; Ogledov: 0; Prenosov: 11
Celotno besedilo (2,89 MB) |
4. Uporaba odprtih podatkov za podporo odločanju pri nakupu nepremičnineHana Feratović, 2025, diplomsko delo Opis: Diplomsko delo obravnava pomen uporabe odprtih podatkov pri analizi nepremičninskega trga v Sloveniji. Namen raziskave je bil preučiti, kako lahko javno dostopni podatkovni viri, kot so GURS, portal Prostor, OPSI ter specializirani nepremičninski portali, prispevajo k večji preglednosti, zanesljivosti in učinkovitosti odločanja na trgu. Poseben poudarek je namenjen primerjavi različnih virov in analizi njihove uporabnosti za vrednotenje nepremičnin, spremljanje tržnih trendov ter podporo strateškemu načrtovanju.
Pri raziskavi so bili uporabljeni deskriptivna analiza, študij primerov in pregled dokumentacije. Rezultati kažejo, da odprti podatki bistveno zmanjšujejo informacijsko asimetrijo med udeleženci trga ter omogočajo hitrejši in transparentnejši vpogled v dejansko stanje nepremičnin. Kljub številnim prednostim se kažejo tudi izzivi, kot so neenotna ažurnost podatkov, pomanjkanje standardizacije med občinami ter omejitve dostopa pri določenih zbirkah.
Zaključek dela poudarja, da kombinacija različnih virov podatkov predstavlja najzanesljivejši okvir za analizo nepremičninskega trga. Priporočila vključujejo večjo standardizacijo podatkovnih zbirk, redno posodabljanje ter širšo uporabo digitalnih orodij, ki bi lahko dodatno okrepila transparentnost in zaupanje na nepremičninskem trgu.
Ključne besede: Odprti podatki, nepremičninski trg, prostorski podatki, odločanje, preglednost.
Objavljeno v DKUM: 17.10.2025; Ogledov: 0; Prenosov: 9
Celotno besedilo (3,06 MB) |
5. Spletna platforma za razvoj letnih načrtov treninga in spremljanje vpliva treninga na športno formo posameznikaLuka Lah, 2025, magistrsko delo Opis: Magistrsko delo naslavlja problematiko tradicionalnih pristopov k načrtovanju treningov v športu, kjer se trenerji zanašajo na intuicijo namesto na znanstveno podprte metode. Posledično je delo z večjim številom športnikov pogosto neučinkovito. Ta problem naslavljamo z razvojem funkcionalne prototipne spletne aplikacije Q-LAP (angl. Quick layered annual periodization), ki temelji na sodobni tehnični arhitekturi z čelnim delom Vue.js, Python Flask zaledjem in Oracle avtonomno bazo podatkov z implementacijo Oracle PL/SQL paketov za poslovno logiko. Razvit sistem omogoča avtomatsko ustvarjanje letnih ciklizacij z deset-stopenjsko lestvico težavnosti, pametno distribucijo več kot 200 standardiziranih vaj po petih gibalnih sposobnostih ter biomehansko normalizacijo testnih rezultatov za objektivno primerjavo napredka. Validacija z intervjuji trenerjev Atletskega kluba Velenje je potrdila potrebe po avtomatizaciji administrativnih nalog in boljši vizualizaciji napredka. Aplikacija uspešno implementira znanstveno podprte metode ciklizacije z aktivnim počitkom vsak četrti teden, vendar ostajajo omejitve pri upravljanju lastnih vaj in dinamičnem prilagajanju obremenitev, kar predstavlja priložnosti za nadaljnji razvoj sistema.
Ključne besede: Ciklizacija treningov, digitalizacija športa, biomehanski indeksi, spletna aplikacija, motorične sposobnosti
Objavljeno v DKUM: 16.10.2025; Ogledov: 0; Prenosov: 12
Celotno besedilo (3,01 MB) |
6. Open government data topic modeling and taxonomy developmentAljaž Ferencek, Mirjana Kljajić Borštnar, 2025, izvirni znanstveni članek Opis: : The expectations for the (re)use of open government data (OGD) are high. However, measuring their impact remains challenging, as their effects are not solely economic
but also long-term and spread across multiple domains. To accurately assess these impacts,
we must first understand where they occur. This research presents a structured approach
to developing a taxonomy for open government data (OGD) impact areas using machine
learning-driven topic modeling and iterative taxonomy refinement. By analyzing a dataset
of 697 OGD use cases, we employed various machine learning techniques—including
Latent Dirichlet Allocation (LDA), Non-Negative Matrix Factorization (NMF), and Hierarchical Dirichlet Process (HDP)—to extract thematic categories and construct a structured
taxonomy. The final taxonomy comprises seven high-level dimensions: Society, Health,
Infrastructure, Education, Innovation, Governance, and Environment, each with specific
subdomains and characteristics. Our findings reveal that OGD’s impact extends beyond
governance and transparency, influencing education, sustainability, and public services.
Our approach provides a scalable and data-driven methodology for categorizing OGD impact areas compared to previous research that relies on predefined classifications or manual
taxonomies. However, the study has limitations, including a relatively small dataset, brief
use cases, and the inherent subjectivity of taxonomic classification, which requires further
validation by domain experts. This research contributes to the systematic assessment of
OGD initiatives and provides a foundational framework for policymakers and researchers
aiming to maximize the benefits of open data.
Ključne besede: open government data, topic modeling, taxonomy development, machine learning
Objavljeno v DKUM: 28.08.2025; Ogledov: 0; Prenosov: 5
Celotno besedilo (600,19 KB)
Gradivo ima več datotek! Več... |
7. Uporaba metod strojnega učenja za klasifikacijo nalog po prioritetah v IT projektihTatyana Unuchak, Mirjana Kljajić Borštnar, Yauhen Unuchak, 2025, izvirni znanstveni članek Opis: Določanje prioritet in razvrščanje nalog še vedno predstavlja izziv pri učinkovitem vodenju projektov. Obstaja veliko klasičnih pristopov
za določanje prioritet. Vendar so te tehnike delovno intenzivne, subjektivne in neprilagodljive. V prispevku obravnavamo pristope za
samodejno določanje prioritet nalog v IT projektih, ki temeljijo na strojnem učenju. Raziskujemo, kako lahko z uporabo metod strojnega učenja pomagamo projektnim vodjem pri učinkovitejšem razvrščanju nalog v IT projektih. V ta namen smo na množici več kot
1000000 zapisov projektnih nalog razvili klasifikacijski model za samodejno določanje prioritet. Problem, ki smo ga obravnavali, je
večrazredni, pri tem je večina primerov, označenih z najvišjo prioriteto, kar predstavlja izziv pri modeliranju kot tudi pri učinkovitosti
upravljanja IT projektov. Preskusili smo različne algoritme ter različne pristope, s ciljem izboljšanja rezultatov klasifikacije. Pokazali
smo, da je naloge smiselno razvrstiti v manjše skupine prioritet, kar prispeva k večji natančnosti klasifikacijskega modela in preglednosti prioritet nalog, slednje pa lahko olajša upravljanje IT projektov.
Ključne besede: IT project management, machine learning, task prioritization, multiclass classification, data imbalance
Objavljeno v DKUM: 28.08.2025; Ogledov: 0; Prenosov: 8
Celotno besedilo (2,25 MB)
Gradivo ima več datotek! Več... |
8. Exploring digital transformation journey among micro, small-, and medium-sized enterprisesMarjeta Marolt, Gregor Lenart, Mirjana Kljajić Borštnar, Andreja Pucihar, 2025, izvirni znanstveni članek Opis: This paper aims to explore the patterns in micro, small-, and medium-sized enterprises’ (MSMEs) digital transformation journey during recent years. Using an emergent
concurrent mixed-methods approach, we combined insights from six in-depth interviews
with MSME managers and owners with survey data from 66 MSMEs. The findings reveal
major inhibitors and accelerators of MSMEs’ digital transformation and demonstrate how
they cope with them by engaging in digitalisation actions. This study also provides insights
into how inhibitors, accelerators, and digitalisation actions vary across MSME sizes. While
an increased adoption of digital technology was observed among the participating MSMEs,
this study identifies three distinct digital transformation paths: necessary, experimental,
and committed. Each path is shaped by a unique combination of inhibitors and accelerators. From the practical perspective, this research provides insights for MSME managers
and owners on how to tailor their digital transformation efforts to their unique inhibitors
and accelerators. In addition, our insights can help policy makers to promote the digital
transformation of MSMEs through appropriate measures and support mechanisms tailored
to the specific needs of smaller enterprises.
Ključne besede: digital transformation, turbulent environment, micro, small- and medium-sized enterprises, case study
Objavljeno v DKUM: 25.08.2025; Ogledov: 0; Prenosov: 9
Celotno besedilo (670,88 KB)
Gradivo ima več datotek! Več... |
9. Optimizacija delovnih tokov v ELEI iCLuka Mramor, 2025, magistrsko delo Opis: Zaključno delo obravnava optimizacijo delovnih tokov v podjetju Elea iC, kjer se projektanti pogosto soočajo s časovno potratnimi in ponavljajočimi se nalogami, ki niso neposredno povezane s končnim izdelkom projekta, a so kljub temu nujne za njegovo izvedbo. Te naloge vključujejo primerjavo različic načrtov, digitalizacijo arhivskih zapisov, preverjanje sprememb v projektni dokumentaciji in iskanje podatkov v notranjih bazah. Glavni cilj dela je preučiti možnosti avtomatizacije teh procesov ter raziskati, kako lahko umetna inteligenca in sodobna digitalna orodja prispevajo k večji učinkovitosti in zmanjšanju obremenitve zaposlenih.
Pri raziskavi so uporabljene metode analize obstoječih delovnih procesov in testiranja digitalnih rešitev, ki omogočajo avtomatizacijo ponavljajočih se nalog. Poseben poudarek je na implementaciji programskih skript v jeziku Python za avtomatizacijo procesiranja podatkov, uporabi SQL podatkovnih baz za učinkovitejše upravljanje podatkov ter integraciji orodij, kot sta PyCharm in pgAdmin. Umetna inteligenca se v delu uporablja za preverjanje načrtov, brskanje po internih bazah znanja in izboljšanje dostopa do informacij.
Rezultati dela kažejo, da je z ustreznimi tehnološkimi rešitvami mogoče znatno skrajšati čas, potreben za izvedbo podpornih nalog, zmanjšati napake pri obdelavi podatkov ter izboljšati preglednost in dostopnost dokumentacije. Optimizacija delovnih procesov z avtomatizacijo prispeva k večji produktivnosti zaposlenih in omogoča projektantom, da se osredotočijo na ključne faze projektiranja, ne pa na administrativna opravila.
Ključne besede: optimizacija delovnih tokov, avtomatizacija procesov, umetna inteligenca, digitalizacija podatkov
Objavljeno v DKUM: 03.07.2025; Ogledov: 0; Prenosov: 0
Celotno besedilo (4,54 MB) |
10. 38th Bled eConference: Empowering Transformation: Shaping Digital Futures for All : Conference Proceedings2025, zbornik Opis: The Bled eConference, organised by the University of Maribor, Faculty of Organizational Sciences, has been shaping electronic interactions since 1988. The theme of the 38th conference is "Empowering transformation: Shaping digital futures for all". The central theme highlights the need for a digital transformation that is focused on the well-being of individuals and society as a whole. It emphasizes the importance of inclusive and sustainable development that enables equal participation of diverse stakeholders in shaping a digital future for all—one that is grounded in ethical, social, and sustainable principles. Within this framework, digital technologies are viewed as enablers for the transformation of existing systems and solutions in a human-centered way. The goal is to foster innovation, strengthen resilience, and promote long-term societal and economic progress. The papers in this conference proceedings explore a range of topics including the opportunities and challenges of the twin transition, emerging technologies, artificial intelligence and data science, decision analytics for business and societal changes, digital innovation and business models, restructured work and the future workplace, digital health, digital ethics, digital education, smart sustainable cities, digital consumers, and the digital transformation of the public sector.
Ključne besede: resilience, digital transformation, digital innovation, twin transition, sustainability, digital transition, green transition, designing digital future
Objavljeno v DKUM: 09.06.2025; Ogledov: 0; Prenosov: 58
Celotno besedilo (22,86 MB)
Gradivo ima več datotek! Več... |
