Prejsť na obsah
Témy dizertačných prác

v odbore Informačné systémy

 

Školitelia a témy pre prijímacie konanie

so začiatkom štúdia v akad. roku 2019/20

 

Doktorandské štúdium na Fakulte informatiky a informačných technológií STU

 

prof. Ing. Mária Bieliková, PhD. (maria.bielikova[at]stuba.sk)

  1. Klasifikácia správania používateľov v digitálnom svete
    Rýchly rozvoj internetu, webu a digitalizácia prispeli k tomu, že v súčasnosti máme k dispozícií veľké množstvo dát o správaní používateľov v digitálnom svete (napr. sociálne siete, e-obchody, bankovníctvo, poisťovne). Správanie používateľov v týchto systémoch sa však výrazným spôsobom líši, a to ako v type vykonávaných aktivít, v ich množstve, tak aj v sledovaných cieľoch. Vzniká tu obrovský priestor pre výskum zapojením metód umelej inteligencie. Príkladom je automatizované identifikovanie rôznych typov správania používateľov, detekcia anomálií, ktoré má veľký potenciál pomôcť ako používateľovi (napr. personalizáciou systému pre efektívnejšie dosahovanie jeho cieľov), komunite ostatných používateľov (napr. v prípade rôznych prejavov antisociálneho správania ich automatickou identifikáciou a odstránením), tak aj prevádzkovateľom týchto systémov (napr. segmentácia zákazníkov v prípade e-obchodov, detekcia podvodov v bankovníctve a poisťovníctve). Základom výskumu je klasifikácia správania používateľov. Riešenie tejto problematiky vyžaduje stále inovatívnejšie prístupy v oblastiach ako zber dát, dátová analýza, strojové učenie, dolovanie v dátach a hľadanie anomálií. Vzhľadom na aktuálnosť tohto problému a široké možnosti aplikovania navrhnutých riešení v praxi sa v tejto téme predpokladá možnosť ich reálneho využitia aj v rámci spolupráce s priemyselnými partnermi a priame zapojenie doktoranda do takýchto projektov.
  2. Analýza dát a strojové učenie v testovaní softvéru
    Tvorba softvéru je hlavným biznisom väčšiny IT firiem na Slovensku. V rámci vývoja softvéru má špecifické a významné postavenie testovanie softvéru, ktoré je dôležitou súčasťou celého procesu vývoja softvéru. Na rôznej úrovni sa preto využíva vo všetkých softvérových projektoch. Napriek tomu sa vývojovým tímom často nedarí nastaviť vhodné techniky testovania softvéru ani potrebnú úroveň testovania, tak aby testovanie softvéru bolo efektívne a zároveň umožnilo overiť očakávané vlastnosti. Dostupnosť zdrojových kódov a ich verzií testovaného softvéru, ako aj testov samotných, umožňuje zapojiť do výskumu v tejto oblasti metódy strojového učenia, ktorými môžeme odhaliť zvyky skúsených programátorov a testerov a navrhovať metódy automatizovaného generovania a údržby testov podobnej kvality ako samotní experti. Ďalším zdrojom dát je prúd dát o výsledkoch testov, ktorý neustále vzniká v softvérových firmách a má veľký potenciál využitia pri návrhu metód riadeného vykonávania testov. S využitím metód umelej inteligencie a odvodzovania nad prúdom dát je možné predikovať pravdepodobnosť odhalenia chyby testom, ako aj samotnú množinu testov, ktoré môžu byť ovplyvnené zmenou v zdrojovom kóde. V tejto téme sa predpokladá zapojenie doktoranda do reálnych projektov s priemyselnými partnermi.
  3. Skúmanie interakcie človeka so softvérom metódami umelej inteligencie
    Podrobné zaznamenávanie správania používateľov interaktívneho softvéru (vrátane použitia senzorov ako sledovač pohľadu) prináša veľa informácií, ktoré môžu byť využité vo viacerých smeroch. Významnou oblasťou využitia sú štúdie použiteľnosti v kontexte vyhodnocovania používateľského zážitku (UX), kedy sa skúmajú reakcie používateľov na prvky a problémy používateľských rozhraní. Inou oblasťou je modelovanie používateľov, kedy sa ich vlastnosti (napr. zručnosti či osobnostné črty) odvodzujú od zaznamenaného správania. Ďalšou oblasťou môže byť výskum nových fenoménov správania, akými sú konzumácia, šírenie a identifikácia nepravdivých správ (fake news), kde je užitočné skúmať, akým spôsobom používatelia rozpoznávajú nepravdivosť informácií v obsahu na webe. Predpokladom využitia zaznamenaného správania je samozrejme to, že sa tieto informácie (získané v podobe početných, no jednoduchých záznamov akcií používateľov) spracujú vhodnými metódami analýzy dát. Tu je široký priestor na uplatnenie metód umelej inteligencie. Výskum doktoranda sa taktiež môže zamerať na pokročilé metódy zaznamenávania správania, napríklad v rámci rozvoja platforiem (napr. UXtweak) na vykonávanie vzdialených štúdií. V tejto téme sa predpokladá priame zapojenie doktoranda do reálnych projektov s priemyselnými partnermi. Je tu možnosť interdisciplinárneho prepojenia, najmä so psychológmi.

 

doc. Mgr. Daniela Chudá, PhD. (daniela.chuda[at]stuba.sk)

  1. Antisociálne správanie v online komunitách
    Antisociálne správanie patrí medzi závažné problémy. Príkladom antisociálneho správania je šírenie falošných správ, šírenie neznášanlivých postojov. Anonymita v prostredí informačných technológií podporuje možnosti antisociálneho správania.
    Antisociálne správanie je skúmané v celom spektre online komunít, na sociálnych sieťach, novinových portáloch, systémoch pre odpovedanie na otázky, online hrách, online encyklopédiách aj v diskusných skupinách. Aktuálnou oblasťou výskumu je automatizované rozpoznávanie antisociálneho správania v online komunitách.
  2. Model používateľa pre jeho identifikáciu
    Biometrické charakteristiky, ako dynamika písania na klávesnici, dynamika práce s myšou, aktivity vykonávané v počítačovom systéme, aktivity dynamiky pri práci so smartfónovým zariadením, sú charakteristické pre používateľa. Môžeme ich použiť pri modelovaní používateľa pre identifikáciu, pre rozpoznanie emocionálneho stavu, detekcii počítačových skúseností. Potenciál skúmania je v oblasti budovania používateľských profilov pri práci v počítačovom systéme, pri identifikácii používateľa, pri zvyšovaní presnosti používateľského profilu pre rôzne typy používateľov.

 

doc. Ing. Michal Kompan, PhD. (michal.kompan[at]stuba.sk)

  1. Dôvera a súkromie v odporúčaní na webe
    Odporúčacie systémy sú dnes neoddeliteľnou súčasťou každej modernej webovej aplikácie. Pri interakcii používatelia zanechávajú informácie, ktoré sú následne využité pre generovanie odporúčaní. Vzhľadom na doménu, sú používatelia náchylní nedôverovať generovaným odporúčaniam (napr. v doméne spravodajstva, e-obchodu). Tu sa naskytá jedinečná príležitosť výskumu metód vysvetľovania odporúčaní (generovanie vysvetlení prečo / ako boli odporúčania vygenerované). Ruka v ruke so samotnými vysvetleniami je vhodné skúmať aj spôsoby prezentácie týchto vysvetlení používateľom (možnosť využiť sledovanie pohľadu). Okrem samotného vysvetľovania, sa v praxi stretávame s požiadavkou súkromia používateľov, a teda napr. generovania odporúčania tak, aby nebolo možné zistiť, čo si používateľ kúpil v minulosti. Nové spôsoby vysvetľovania a ochrany súkromia pomáhajú budovať dôveru a následne lojálnosť používateľov, ktoré sú kľúčové pre komerčné využitie. Téma ponúka možnosti interdisciplinárneho prepojenia, napr. pre absolventov sociológie. V téme sa predpokladá zapojenie do projektov s praxou (priame zapojenie výsledkov doktoranda).
  2. Odporúčanie a predikcia krátkodobého správania
    Personalizované odporúčanie hrá kľúčovú úlohu v moderných webových aplikáciách (napr. elektronických obchodoch). Vzhľadom na dynamiku a správanie používateľov je typické, že drvivú väčšinu zákazníkov tvoria používatelia, o ktorých nemáme dlhodobú históriu (typicky len ich aktuálne sedenie). Týmto zákazníkom je poskytnutie relevantných odporúčaní výzvou. Celosvetový trend ukazuje na snahu rozpoznať aktuálny kontext a zámer používateľa (na základe aktuálnej aktivity v danom sedení). To nám umožní reagovať na rôzne ciele, ktoré sa používateľ v danom sedení snaží dosiahnuť. Vo výsledku tak daná webová aplikácia zlepší zážitok používateľa (z rôznych aspektov). Ďalšou významnou oblasťou je predikcia takéhoto správania, resp. aktivity. Oblasť ponúka množstvo príležitostí a výskumných výziev od samotných metód identifikácie kontextu či zámeru, cez nové metódy personalizovaného odporúčania (je vhodná aj pre absolventov príbuzných odborov, napr. matematiky). V téme sa predpokladá priame zapojenie študenta do projektov s praxou (napr. elektronický obchod).

 

prof. RNDr. Mária Lucká, PhD. (maria.lucka[at]stuba.sk)

  1. Informatické nástroje riadenia a modelovania inteligentných energetických sietí
    Riadenie energetických sietí vybavených inteligentnými meracími prístrojmi, tzv. smart gridov, je náročný a komplexný problém. Inteligentné merače poskytujú obrovské množstvo dát z pravidelných meraní, ktorých spracovanie skrýva veľký potenciál a je neodmysliteľnou podporou ich riadenia. Zložitosť riadenia siete stúpa s pribúdajúcou aktivitou všetkých zúčastnených subjektov. Modely inteligentných sietí zahŕňajú predovšetkým presné modely predpovedania výroby a spotreby elektrickej energie, a tiež vývoj jej cien, ktoré je dôležité pre všetkých účastníkov trhu s energiou – predajcov, dodávateľov a odberateľov elektrickej energie. Novou koncepciou je požiadavka na flexibilitu a energetickú autonómiu menších jednotiek, tzv. mikrogridov. Tieto predstavujú flexibilné uzly siete, pričom obsahujú viacnásobné zdroje energie, viacerých používateľov rôzneho typu, viaceré úložiská energie. Dá sa na ne pozerať ako na samostatné obchodné jednotky, ktoré môžu medzi sebou obchodovať, pričom cieľom je minimalizácia nákladov na energiu za predpokladu pohyblivých cien. Významnú úlohu zohráva komunikácia so zákazníkom, jeho aktívna úloha pri ovládaní výroby a spotreby elektrickej energie. Modelovanie počíta so zahrnutím obnoviteľných zdrojov energie, úložísk energie, vplyvu počasia a iných parametrov. Vyžaduje aplikáciu špeciálnych metód spracovania statických, ale aj prúdových dát a prácu s blockchainmi.

 

doc. Ing. Ivan Polášek, PhD. (ivan.polasek[at]stuba.sk)

  1. Optimalizácia a znovupoužitie pri vývoji rozsiahlych softvérových systémov
    Rastúce požiadavky a zložitosť navrhovaných systémov vyžadujú sofistikovaný a kreatívny proces analýzy a návrhu s intenzívnou spoluprácou mnohých expertov s rôznymi špecializáciami, ktorí sú informovaní o reálnom stave a problémoch až v čase analýzy a vývoja. Preto patrí medzi hlavné motivácie tohto výskumu analyzovať a navrhnúť rôzne metódy pre:
    • kolaboratívny a paralelný vývoj nad spoločnými modelmi pre zvyšovanie produktivity a efektívnosti práce,
    • vizualizácia paralelných vrstiev s jednotlivými modulmi, prípadmi použitia, verziami, s alternatívnymi a paralelnými tokmi scenárov na zníženie vágnych a redundantných prvkov, na dosiahnutie odľahčenej a optimálnej architektúry,
    • refaktorovanie a opätovné použitie znalostí v modeloch a zdrojovom kóde,
    • multidimenzionálna vizualizácia štruktúry zdrojového kódu vo virtuálnej a rozšírenej realite (VR a XR), tém a zdrojov znalostí, kvality (identifikácia vzorov a antivzorov), autorov a používateľov, evolúcie, prepojených s modelom na zníženie kognitívnej záťaže a zložitosti rozsiahlych UML modelov pomocou vrstiev, rozkladajúcich systém na preskúmanie a hlbšie pochopenie, ktoré môže viesť k efektívnejším implementáciám.

 

doc. Ing. Viera Rozinajová, PhD. (viera.rozinajova[at]stuba.sk)

  1. Analýza dát
    Súčasná doba je charakterizovaná generovaním veľkého množstva dát rôznych typov, ktoré je potrebné efektívne spracovávať. Informácie obsiahnuté v nich často pomáhajú podporiť správnosť a presnosť procesov rozhodovania, preto sa vývoj metód analýzy údajov stáva dôležitou súčasťou výskumu v informatike. Z rôznych dôvodov nie sú tradičné metódy spracovania všeobecne použiteľné, preto treba hľadať nové prístupy.
    Aktuálnou oblasťou výskumu sú úlohy optimalizácie v energetike, ale predmetom záujmu je dátová analýza v širšom kontexte – môže ísť o úlohy predikcie, zhlukovania, klasifikácie alebo detekcie anomálií v rôznych doménach. Zaujímavé výzvy ponúkajú úlohy, kde spracovanie závisí nielen na postupnosti udalostí v samotnom dátovom prúde, ale aj na širšom znalostnom kontexte.
    Téma bude naviazaná na výskumný projekt, resp. spoluprácu s priemyslom.

 

doc. Ing. Marián Šimko, PhD. (marian.simko[at]stuba.sk)

  1. Dolovanie v texte a extrakcia informácií
    Nárast množstva dostupných informácií, podporovaný neustálym rozmachom webu, sa prirodzene odrazil do zvýraznenia aktuálnosti problému preťaženia informáciami.
    Je potrebné objavovať a vyvíjať nové prístupy spracovania textových dát do aplikácií umožňujúcich efektívnejšie a hodnotnejšie pristupovanie k informáciám (v širšom alebo užšom zmysle). Na význame naberajú metódy strojového učenia, štatistické spracovanie a v poslednej dobe aj aplikácie modelov neurónových sietí. Mnoho otázok týkajúcich sa spracovania textu zostáva stále otvorených. Je potrebné hľadať nové, alebo vylepšovať existujúce modely reprezentujúce text ako aj relevantné informácie v ňom uchované, s prípadným zameraním na špecifiká rôznych domén. Je nevyhnutné skúmať nové a zlepšovať existujúce metódy dolovania v texte, spracovania prirodzeného jazyka či extrakcie informácií. Úskalím pritom môže byť charakter, kvalita alebo jazyk spracovávaného textu. Hľadanie nových poznatkov v rámci tejto výskumnej témy je ukotvené v praktických aplikáciách výskumných a priemyselných projektov. Aktuálnymi výskumnými výzvami sú analýza sentimentu, sumarizácia textu, detekcia falošných správ, detekcia antisociálneho správania či extrakcia informácií z používateľmi vytváraného obsahu.

 

doc. Ing. Valentino Vranić, PhD. (valentino.vranic[at]stuba.sk)

  1. Vzory v agilnom vývoji softvéru a ďalej
    Efektívne spôsoby organizovania ľudí boli zachytené vo forme organizačných vzorov (napr. Architect Also Implements, Engage Customers alebo Developer Controls Process). Je potrebné urobiť organizačné vzory prístupnejšími pre všetkých ľudí zapojených do vývoja softvéru, podporiť ich zahrnutie do organizácií a skúmať, ako súvisia s modularizáciou softvéru. Periférne vnímanie ako prostriedok vysokoúčinnej a nenáročnej komunikácie medzi vývojármi si zaslúži zvláštnu pozornosť. Na všeobecnejšej úrovni, mali by sa skúmať možnosti prenesenia idey vzorov, ako je etablovaná vo vývoji softvéru, do iných oblastí, vrátane sociálnej inovácie a umenia.

  2. Reprezentácia a znovupoužitie softvérových znalostí
    Enormné intelektuálne úsilie sa investuje do tvorby softvéru, ale len zlomok zo všetkých softvérových znalostí, ktoré v tomto procese vznikajú, sú pohotovo zvovupoužiteľné. Ďalší výskum radov softvérových výrobkov a manažmentu variability, doménovo špecifických jazykov alebo softvérových vzorov by mohol pomôcť toto zmeniť. Všeobecnejšie vzaté, bolo by vhodné skúmať, ako heterogénne softvérové znalosti obsiahnuté v rôznych artefaktoch vytváraných počas vývoja softvéru (vrátane početných dokumentov a neformálnych skíc) môžu byť efektívne reprezentované a znovupoužité. Jednou zo zvlášť zaujímavých ideí je prepojiť a vizualizovať softvérové znalosti pomocou viacrozmerného modelovania softvéru, v čom môžu pomôcť doménovo špecifické modelovanie v kombinácii s viacúrovňovým metamodelovaním.
  3. Porozumenie softvéru
    Softvér nie je náročné len tvoriť, ale je náročné aj porozumieť mu. Potrebné je skúmať adekvátne spôsoby zachovania zrozumiteľnosti zámeru, s ktorým sa softvér vyvíja a ako toto dosiahnuť priamo v zodpovedajúcom kóde a modeloch. Časť riešenia tkvie v založení a udržaní zodpovedajúcej modularizácie kódu a modelov, akými sú modularizácia riadená prípadmi použitia alebo aspektovo-orientovaná modularizácia. Avšak, žiadna modularizácia nevyhovuje všetkým príležitostiam, čím vzniká potreba za mechanizmom na hladké prepínanie z jednej modularizácie do druhej, čo možno vnímať ako formu kontinuálnej a automatizovanej refaktorizácie. Téma porozumenia softvéru je oveľa širšia a siaha až k testovaniu softvéru a vzdelávaniu v oblasti vývoja softvéru.