Dr Krzysztof W\u0119cel z Katedry Informatyki Ekonomicznej otrzyma\u0142 grant na przeprowadzenie bada\u0144 z wykorzystaniem narz\u0119dzi dost\u0119pnych w chmurze Microsoft Azure. Nagroda zosta\u0142a przyznana w ramach programu Microsoft Azure for Research Award po pozytywnej ocenie zg\u0142oszonego projektu \u201eData Science for improving the quality of crowdsourced information. The case of Wikipedia\u201d. W realizacji projektu b\u0119dzie uczestniczy\u0142 r\u00f3wnie\u017c doktorant W\u0142odzimierz Lewoniewski oraz studenci, kt\u00f3rzy w okresie letnim b\u0119d\u0105 odbywali w Katedrze Informatyki Ekonomicznej praktyki w tym zakresie.<\/p>\n
Celem prowadzonych bada\u0144 jest opracowanie metod pozwalaj\u0105cych na zgromadzenie kompletnej, dok\u0142adnej, wiarygodnej i aktualnej informacji, czyli tzw. informacji wysokiej jako\u015bci, na podstawie analizy informacji dostarczanych przez niezale\u017cnych dostawc\u00f3w (crowdsourcing). Najbardziej znanym przyk\u0142adem \u017ar\u00f3d\u0142a wsp\u00f3\u0142tworzonego przez wiele os\u00f3b jest Wikipedia. Obecnie zawiera ona ponad 44 miliony artyku\u0142\u00f3w w prawie 300 j\u0119zykach. Jest pi\u0105t\u0105 najbardziej popularn\u0105 witryn\u0105 na \u015bwiecie. Jest r\u00f3wnie\u017c \u017ar\u00f3d\u0142em, kt\u00f3re przyci\u0105ga najwi\u0119kszy ruch internetowy z wyszukiwarek \u2013 37,5% (\u017ar\u00f3d\u0142o: Alexa).<\/p>\n
Szczeg\u00f3lnym wyzwaniem jest wolumen danych. Angielska Wikipedia zawiera ponad 5 milion\u00f3w artyku\u0142\u00f3w. Sam tekst tych artyku\u0142\u00f3w po spakowaniu zajmuje 13GB. Do tego dochodz\u0105 strony z dyskusj\u0105 o artyku\u0142ach \u2013 25GB. Gdyby chcie\u0107 uwzgl\u0119dni\u0107 informacje o tym, kto i kiedy zmieni\u0142 jak\u0105 stron\u0119 (bez samej tre\u015bci zmian), to potrzebne jest kolejne 50GB. Przewidywany wolumen dla zakresu planowanych bada\u0144 to 15-20 terabajt\u00f3w (1TB = 1024GB). Wykorzystanie us\u0142ug Azure mo\u017ce istotnie poprawi\u0107 jako\u015b\u0107 i szybko\u015b\u0107 prowadzonych bada\u0144. Nie tylko pozwoli na przezwyci\u0119\u017cenie wyzwa\u0144 zwi\u0105zanych z wolumenem danych, ale r\u00f3wnie\u017c istotnie zwi\u0119kszy mo\u017cliwo\u015bci obliczeniowe, przede wszystkim w zakresie uczenia maszynowego (Machine Learning) do budowy modeli oceny jako\u015bci.<\/p>\n
Prowadzone badania na Uniwersytecie Ekonomicznym w Poznaniu mog\u0105 przyczyni\u0107 si\u0119 do przezwyci\u0119\u017cenia wielu wyzwa\u0144 spo\u0142ecznych i ekonomicznych zwi\u0105zanych z jako\u015bci\u0105 informacji. Jako jeden z przyk\u0142ad\u00f3w mo\u017cna poda\u0107 problem rozprzestrzeniania si\u0119 fa\u0142szywych wiadomo\u015bci (fake news). Zesp\u00f3\u0142 naukowc\u00f3w UEP zdob\u0119dzie istotne do\u015bwiadczenie w pracy z wielkoskalowymi danymi, co wzmocni potencja\u0142 naukowy w sk\u0142adanych wnioskach o granty unijne.<\/p>\n