https://repository.hneu.edu.ua/handle/123456789/139 Thu, 10 Sep 2026 22:43:29 GMT 2026-09-10T22:43:29Z https://repository.hneu.edu.ua/handle/123456789/41770 Назва: AI-ready open data: Мінімальні вимоги до даних і метаданих для надійної аналітики Автори: Моторнюк С.О. Короткий огляд (реферат): У тезах сформульовано мінімальний профіль — «AI-ready open data», що забезпечує надійну аналітику та застосовність методів штучного інтелекту до відкритих даних. Профіль узгоджено з FAIR-принципами, рекомендаціями W3C щодо публікації даних у вебі, словниками DCAT/DQV, описом Dataset у Schema.org, вимогами щодо метаданих і якості даних за міжнародними стандартами ISO та актуальними регуляторними нормами. Подано перевірювані вимоги до даних і метаданих, набір базових метрик якості, а також архітектуру автоматизованої валідації з інтеграцією у портали на основі CKAN. Практична цінність полягає в уніфікації мінімальних вимог для публікації й повторного використання даних, зниженні ризиків аналітичних похибок і підвищенні довіри користувачів. Thu, 01 Jan 2026 00:00:00 GMT https://repository.hneu.edu.ua/handle/123456789/41770 2026-01-01T00:00:00Z https://repository.hneu.edu.ua/handle/123456789/41769 Назва: Автоматизоване оцінювання якості відкритих даних засобами штучного інтелекту Автори: Моторнюк С.О. Короткий огляд (реферат): У роботі розглянуто проблему автоматизованого оцінювання якості відкритих даних із використанням засобів штучного інтелекту. Запропоновано підхід, що поєднує формальні правила валідації, статистичне профілювання та алгоритми виявлення аномалій. Розроблено прототип інструменту, який забезпечує автоматизоване завантаження та профілювання відкритих даних, перевірку їх повноти, форматної та структурної узгодженості, виявлення дублікатів, проблемних атрибутів і статистично нетипових значень. Взаємодію з платформою відкритих даних на базі CKAN реалізовано через програмний API. Апробація прототипу на реальних наборах відкритих даних підтвердила його здатність виявляти різні типи дефектів та формувати структурований звіт із результатами оцінювання і рекомендаціями щодо покращення даних. Запропонований підхід може бути використаний для автоматизації первинного аудиту якості відкритих даних та регулярного моніторингу їх придатності до повторного використання. Перспективними напрямами подальших досліджень визначено автоматизоване виправлення дефектів, семантичний аналіз метаданих, використання explainable AI та інтеграцію розроблених засобів у CKAN. Thu, 01 Jan 2026 00:00:00 GMT https://repository.hneu.edu.ua/handle/123456789/41769 2026-01-01T00:00:00Z https://repository.hneu.edu.ua/handle/123456789/41768 Назва: Семантична узгодженість відкритих даних: графові моделі та LLM для вирівнювання атрибутів і термінологій між реєстрами Автори: Моторнюк С.О. Короткий огляд (реферат): У статті представлено виробничо-орієнтований фреймворк семантичної узгодженості відкритих даних, що поєднує знаннєвий граф, графові ембеддинги/GNN і великі мовні моделі (LLM) для вирівнювання атрибутів, класифікаторів і термінологій між реєстрами. Рішення інтегрується як плагін до CKAN, автоматично формує індикатори інтероперабельності та FAIR, створює XAI пояснення й виконує верифікацію відповідностей правилам, онтологіям та статистичним перехресним тестам. На типових адміністративно фінансових, соціальних та інфраструктурних наборах показано зростання покриття міжреєстрових відповідників, зменшення семантичних колізій і підвищення якості метаданих за прийнятної продуктивності портального розгортання. Окреслено експлуатаційні та етичні аспекти контролю якості, прозорості процедур та валідації рішень ШІ. Thu, 01 Jan 2026 00:00:00 GMT https://repository.hneu.edu.ua/handle/123456789/41768 2026-01-01T00:00:00Z https://repository.hneu.edu.ua/handle/123456789/41767 Назва: Етика і відповідальність у використанні ШІ для контролю якості відкритих даних: ризики упередженості та механізми відповідального врядування даними Автори: Моторнюк С.О. Короткий огляд (реферат): У статті здійснено комплексний аналіз етичних ризиків застосування алгоритмів штучного інтелекту для контролю якості відкритих даних у публічному секторі та запропоновано практичні норми відповідального врядування за допомогою даних. Показано, що формальна відкритість не гарантує аналітичної придатності без відтворюваних процесів якості, управління упередженістю та прозорої підзвітності. Обґрунтовано модульну інтеграцію контролю якості у портальні платформи типу CKAN із застосуванням показників FAIR відповідності, багаторівневих алгоритмічних аудитів, журналювання походження, XAI пояснень і залучення користувачів. Запропонована архітектура знижує ризики дискримінації та втрати довіри, забезпечуючи вимірювану придатність наборів до повторного використання. Thu, 01 Jan 2026 00:00:00 GMT https://repository.hneu.edu.ua/handle/123456789/41767 2026-01-01T00:00:00Z