Seminarium naukowe z udziałem zagranicznych gości

W dniu 29 maja o godzinie 16:00 Katedra Informatyki zaprasza na darmowe seminarium naukowe z udziałem zagranicznych gości.

Na Uniwersytecie Ekonomicznych w dniach od 27 do 31 maja będą gościć dwie delegacje naukowców.

Pierwszą będzie reprezentował prof. Zoran Kalinić z University of Kragujevac w Serbii. Poprowadzi serię wykładów i warsztatów dotyczących tematyki e-commerce.

Druga delegacja będzie reprezentowana przez czwórkę naukowców z Narodowego Uniwersytetu Technicznego „Politechnika Dniprowska” (Ukraina): dr hab. Oleksandra Vahonova, dr. Liubov Tymoshenko, dr. Oleksandr Horpynych oraz dr. Yevgen Terekhov.

W środę 29 maja o godzinie 16:00 w sali 3/15@ zapraszamy do wzięcia udziału w seminarium naukowych gdzie nasi goście przedstawią swoje aktualne badania naukowe:

1. Prof. Zoran Kalinić przedstawi temat: The application of hybrid SEM-ANN approach in prediction of new technology acceptance (streszczenie jest prezentacji poniżej)
2. Naukowcy z Politechniki Dniprowskiej przedstawią wyniki badań naukowych, prowadzonych w Katedrze Ekonomii Stosowanej, Przedsiębiorczości i Administracji Publicznej, oraz opowiedzą o projektach edukacyjnych czy naukowych, w których uczestniczą studenci Katedry.

prof. Zoran Kalinić (Streszczenie prezentacji):
The prediction of acceptance of some new technology is an important issue for all stakeholders. The studies investigating factors influencing consumer’s decision to adopt new product or service are usually based on well-known models and theories. The application of the artificial neural network model, which may identify non-linear relationships, is suggested. The advantage of using this approach is that the neural network model is able to learn complex linear and non-linear relations between predictors and the adoption decision. Also, ANNs are more robust and can provide higher prediction accuracy than linear models and may out-perform traditional statistical techniques. On the other hand, due to its “black-box” nature, neural networks are unsuitable for hypothesis testing and examining causal relationships. Therefore, a two-stage approach is suggested: first, SEM is used to test the overall research model and determine significant hypothesized predictors, which are then, in a second stage, used as inputs to the neural network model used to determine the relative importance of each predictor variable.