DMR Drugi Kolokvijum

1. Audio/video sadrzaji su dostupni preko

WEB strana

SMS poruka

IM poruka

PDF dokumentima

2. Sta je od navedenog nedostatak komunikacije na drustvenim mrezama

Nedostatak standardizacije

Fleksibilna komunikacija

Jednostavna brza komunikacija

Doseg informacija postao je globalni

3. Termin koji se koristi umesto drustvenih mreza ili sajtova drzstvenih mreza je

Social network sites -SNS

Social news sites

Social network standard

Social network solution

4. Promer mikrobloging alata je

Twitter

Screencast

Podcast

Webex

5. LMS je skracenica za

Learning Management System

Learning Multimedia System

Learning Mandatory System

Learning Modality System

6. Primer mikroblog alata

Twitter

Podcast

Webex

Screenbcast

Ne znam

7. Strukturna rupa u drustvenim mrezama

Nastaje kada dva odvojena klastera poseduju neredudandne informacija

Premoscuje strukturnu rupu i obezbedjuje pristup novim idejama mislljenjima i sansama

Ne znam

8. Sta nije primer otvorenog aktivity stream-a

Open ID

Twitter stream

Ne zanm

Facebook-ov news feed

9. Sta je primer sistema za ekstrakciju

IBM Watson

Bing

Wikipedia

Google

10. Sta je od navedenog prednost komunikacije na drustvenim mrezama

Jednostvan brza i fleksibilna komunikacija

Nedostatak standardizacije

Skrivanje identiteta u komunikacijama

Problematicnih situacija u vezi sa zastitom privatnosti

11. Primeri alata za kreiranje audio/video sadrzaja su:

Camtasia

Audacity

Screencast-o-matic

Wiki

Twitter

Facebook

Ne znam

Submit

12. Filtter bubble je pojam koji se odnosi na

Izolaciju korisnika od brojnih sadrzaja koje su van njihove sfere interesovanja i/ili neusaglasani sa njohovim pogledom na svet

Problem neraspolozivosti podataka

Cinjenicu kada je broj raspolozivih ocena vrlo mali

Ne znam

13. Gravatar

Koristi se za brze i efikasnije obavestavanje i update-ima u drustvenim medijima

Kreira metapodatke o ljudima mnogo otvorenije i na nacin koji je laksi za odrazavanje

Ne znam

14. Ocene filmova na IMDB.com su primer

Direktne/eksplicitne ocene

Ne znam

Indirektne/implicitne ocene

Option 4

15. Sta od navedenog nije saradnicko ucenje iz korisnicki generisanih sadrzaja

Samostalno kreiranje/azuriranje sadrzaja

Zajednicko koriscenje izabranih alata

Deljenje zajednickih sadrzaja medju ucesnicima

Objavljivanje zajednickih kreiranih sadrzaja

16. Sta je od navedenog prednost indirektne preporuke

Mogu se jednostavno i kontinuirano prikupljati bez opterecivanja korisnika tj bez potrebe za dodatnim angazovanjem korisnika

Pouzdana interpretacija podataka

Jednoznacno ukazuju na ukus/misljenje/stav korisnika

Ne znam

17. Nacin za dobijanje potrebnih usluga, ideja i sadrzaja koriscenjem doprinosta velike grupe online zajednice, a ne od zaposlenih ili dobavljaca predstavlja

Crowdsoursing

Folksonomiju

Outsourcing

18. Koja je tvrdnja tacna

Zadatak svakog ucesnika u drustvenom ucenju je da izabere odgovarajucu vrstu sadrzaja za odredjeni zadatak

Nije neophodno imati metodu izbora vrste sadrzaja s obzirom na uslove razvoja sadrzaja

Sve vrste medija su pogodne sa svaku vrstu sadrzaja u okvirudrustvenog ucenja

Svaku vrstu sadrzaja je najbolje koristiti za sve zadatke

19. Koja su tri osnovana uslova da bi neka drustvena grupa bila unteligenrna kod mudrsoti gomile(vise tacnih)

Decentralizacija

Nezavisnost

Razlicitost

Jednakost

Zavisnost

Ne znam

Submit

20. Sta je od navedenog prednost indirektne preporuke

Mogu se jednostavno i kontinuirano prikupljati bet opterecivanja korisnika tj. bez potrebe za dodatnim angazovanjemkorisnika

Pouzdana interpretacija podataka

Ne znam

Jednoznacno ukazujuna ukus/misljenje/stav korisnika

21. Koja je tvrdnja tacna

Internet je hibridni medijum jer kombinuje sve do sada razvijene medije za komunikaciju i mesa ih

Internet ne omogucava asihronu komunikaciju sa sihronom

Internet poseduje centar komunikacije

Ne znam

22. Sinhrono ucenje

Ucesnici koriste istovremeneo alate za ucenje

Ne znam

Ucesnici koriste alate za ucenje iskjucivo u razlicito vreme

Ucesnici koriste alate za ucenje u medjusobno isto/razlicito vreme, kada im to odgovara

23. Uprkos dokazima koji sugerisu suprotno postoji visok nivo poverenja, odnosi se na

"Slepo poverenje"

Poverenje pod prinudom

Poverenje kao preduslov saradnje

Apsolutno poverenje

24. na slici je prikazano

Matrica susedstva

Lista ivica grafa

Graf

Degree

25. Asimetrija poverenja opisuje se kao

Poverenje jedne strane u drug ne znaci obavezno i obrnuto

Ako poverenje nije apsolutno, postoji neizvesnost i nivo poverenja moze se izmeriti raznim kriterijumima

Kada se dobije veci broj preporuka o poverenju u drugu stranu, te preporuke stastavljaju se u jedno poverenje

Nivo poverenja zavisi od uticaja poverenja na dalje akcije korisnika i od drugih manje manje razumljivih faktora

26. Koja tvrdnja je tacna

Zadatak svcakog ucesnika u drustvenom ucenjeu je da izabere odgovarajucu vrstu sadrzaja za odredjeni zadatak

Ne znam

Nije neophodno imati metodu izbora vrste sadrzaja s obzirom na uslove sadrzaja

Svaku vrstu sadrzaja je najbolje koristiti za sve zadatke

27. Poverenje kao rezultat saradnje

Zasniva se na prethodnom iskustvu

Ne znam

Ako je potpuno poznat ishod pre izvrsene akcije

Nije validno jer nije rezultat slobodne volje

Nema zasnivanja na prethodnom iskustvu

28. jedan od primera kolektivne inteligencije

Google PageRank

Google drive

Ne znam

Facebook

29. Na slici je prikazan

Proces kreiranja mashupa-a

Proces kreiranja bilo koje web aplikacije

Proces kreiranja situacione aplikacije

Proces kreiranja kompozitne aplikacije

30. Apsolutno poverenje

Ako je potpuno poznat ishod izvrsene akcije

Zasniva se na prethodnom iskustvu

Nije validno jer nije rezultat slobodne volje

Nema zasnivanja na prethodnom iskustvu saradnje

31. Sta od navedenog nije mogucnost drustvenih mreza

Nije moguca komunikacija vise prema vise

Otvaranje veza i na veoma velikoj udaljenosti

Odrzavanje i ojacavanje slabih veza sa vecim brojem ljudi od uobicajenog

Mogucnost nesinhronizovanog ucesca ljudi u ovim komunikacijam

32. In-Degree je

Broj ivica koje uviru u dati cvor

Sekvenca cvora koja povezuje cvorove A i B a u kojoj se cvorovi ne ponavljaju

Broj ivica koje prolaze iz datog cvora

Broj drugih cvorova sa kojima je dati cvor povezan

33. Metoda najblizih suseda je

Metoda kolabortivnog filtriranja

Metoda online pretrazivanja

Ne znam

Metoda nalize drustvenih mreza

34. primer kada vise korisnika taguje odredjeni sadrzaj razlicitim terminima iz razlicitih recnika, kreirajuci vise metapodataka za sadrzaj, predstavlja

Siru folksonomiju

Uzu folksonomiju

35. Sta od navedenog vazi za subjektivnost poverenja

Poverenje je licno misljenje

Nivo poverenja zavisi od uticaja poverenja na dalje akcije korisnika i od drugih manje razumljivih faktora

Ne znam

Kada se dobija veci broj preporuka o popverenju u drugu stranu te preporuke sastavljaju se u jedno poverenje

36. Primer alata za asinhrono drustveno ucenje je

Wiki

GoogleDrive

Skype

Camtasia

37. LMS je nasato ka sistem za ucenje, odnosno za (oznaciti tacne odgovore)

Razvoj, postavljanje i distribuiranje sadzaja za ucenje

Razvoj i realizaciju procesa ucenja

Saradnju ucenika i nastavnika

Razvoj drustvene mreze

Oglasavanje

Tehnicku podrsku korisnika

Submit

38. Sta predstavlja ocekivanu kolektivnu ili ekonomsku dobrobit koja se dobija saradnjom izmedju pojedinca i grupe

Drustveni kapital

Fizicki kapital

Ljudski kapital

Edukativni kapital

39. Naslici je prikazan

Neusmerinu graf

Usmereni graf

Ivica

Ne znam

40. koja tvrdnja je tacna

Ljudi uglavnom koriste postojece modele ponasanja , a cesto i pojacavaju ponasanja drugih ljudi na osnovu postojecih modela

Ljudi uglavnom koriste postojece modele ponasanja , a nikad ne pojacavaju ponasanja drugih ljudi na osnovu postojecih modela

Ljudi uglavnom koriste postojece modele ucenja , a nikada ne pojacavaju ponasanja drugih ljudi na osnovu postojecih modela

Ljudi nikada ne koriste postojece modele ponasanja , a cesto i pojacavaju ponasanja drugih ljudi na osnovu postojecih modela

41. Na slici je prikazan

Usmereni graf

Proces kreiranja mashup

Neusmereni graf

Ne znam

42. Transparentnost preoruka

Objasniti kako sistem radi tj. kak je dosao do preporuke

Uveriti korisnika da dodnosi pravu odluku

Ne znam

Pomoci korisniku da brze donese odluku

43. Pearsonov koeficijent korelacije

Je mera slicnosti/razlike u ponasanju/tendencijama korisnika pri ocenjivanju artikla/sadrzaja

Se koristi kd vizuelizacije za bolje razumevanje podataka

Je metrika kd analize drustvenih mreza

Ne znam

44. Sta vazi za SaaS

Mogucnost iznajmljivanja aplikacija od strane eksternog dobavljaca

Ne znam

Staromodni pristup dobijanja podataka sa web sajtova

Sindikacija sadrzaja zasnovana na XML-u

45. Kako se naziva vizuelna predstava tekstualnih podataka tipicno koriscenih da predstave kljucne metapodatke(tagove) na web sajtovima ili da se vizuelizuje slobodan tekst

46. Sta je na slici oznaceno oznakom

Ivica

Graf

Cvor

Degree

47. Which one do you like?

Option 1

Option 2

Option 3

Option 4

48. A moze imati veliko poverenje u B kao lekara, ali uopste nema poverenje u B kao programera je

Poverenje u temu

Poverenje u celini

Poverenjeu temu ali ne i u osobu

Poverenje u osobu

49. Friendfeed

Jeset alata za kreiranje mashup na osnovu feed-ova drustvenih mreza

Jeste end-to-end mashup platforma koja omogucava brzo postavljanje dinamickih web aplikacija

Jeste enterprise mashup platforma

50. Hibridne preporuke oznacavaju

Preporuke kroz kombinaciju razlicitih ulaza i/ili razlicitih algoritama

Preporuke sadrzaja slicnih onima koji su im se ranije svidjali

Preporuke na osnovu profila korisnika i parametra korisnika

Ne znam

51. Kako se dobija veci broj preporuka o poverenju u drugu stranu , te preporuke sastavljaju se u jedno poverenje. Ovo se odnosi na

Kompozitnost poverenja

Marljivost poverenja

Relevantnost poverenja

Subjektivnost poverenja

52. Sta ne spada u uobicajene tehnologije koje se koriste za preuzimanje sadrzaja

CSS

SOAP

API-ji

Informacioni feedovi-RSS

Ne znam

53. Poverenje kao rezultat saradnje

Ako je potpuno poznat ishod pre izvrsene akcije

Nema zasnivanja na prethodnom iskustvu saradnje

Nije validnoo jer nije rezuktat slobodne volje

Zasniva se na prethodnom iskustvu saradnje

54. Which one do you like?

Option 1

Option 2

Option 3

Option 4

55. REST je skracenica od

Representation State Transfer

Resource State Transfer

Representation State Tehnology

Ne znam

56. Koje su prednosti WIKI alataOdaberi vise jedan ili vise odgovora

Lokalizacija sadzaja

Jednostavnost rada na sadrzajima

Moguca velika brzina rada na sadrzajima

Nema navodjenja autora sadrzaja

Moguca neverodostojnost informacija-postavljeni sadzaji nisu obavezno i istiniti

Ne znam

Submit

57. Sta je od navedenog karakteristika sihronog ucenja

Interaktivno, dinamicko ucenje

Moguce veliko vreme odziva

Uglavnom staticko ucenje

Fleksibilno vreme ucenja

58. Betweeness centrality

Omogucava identifikaciju koja se cesto pojavljuje kao posrednici u komunikaciji izmedju drugih drustvenih mreza

Je sekvenca cvora koja povezuje Ai B a u kojoj se cvorovi ne ponavljaju

Je najduza najkraca putanja izmedju bilo koja dva cvora u mrezi

Je broj ivica koje uviru u dati cvor

59. Broj poruka rezmenjenih u nekom vremenskom periodu predstavlja

Tezinu ivice

Outdegree

Indegree

Degree

60. Na slici je prikazan

Mashup na klijentskoj strani

Kompozitna aplikacija

Mashup na serverskoj strani

Situaciona aplikacija

61. Uverenje

Svaki korisnik moze potvrditi licno uverenje u izjavi

Korisnik A moze odrediti licno poverenje tAB u bilo kog korisnika B

Ne znam

Poverenje izmedju korisnika A i B izracunava se mnozenjem poverenja t AB i licnog uverenja u izjavi korisnika B

62. sta vcazi za SaaS

Mogucnost iznajmljivanja aplikacije od eksternog dobaljaca

Sindikacija sadrzaja zasnovana na XML-u

Staromodni pristup dobijanja podataka sa web sajtova

Ne znam

63. Sta od navedenog nije osnovna karakteristika komunikacije na drustvenim mrezama

Moguca je samo asihrona, a ne i sihrona komunikacija

Omogucava sihrona i asihrona komunikacija

Uvodjenje novih dimenzija drustvene komunikacije

Omogucava komunikaciju na velikim udaljenostima

64. Sta nije karakteristika kompozitne aplikacije

Moze ih razvijati svako

Zahtevaju formalne opise

Razvijaju ih profesionalni programeri

Ne znam

65. EMML je skracenica

Enerprise Mashup Modelling Language

Entity Mashup Modelling Language

Enterprise MashupMaster Language

Enterprise Mashup Modelling Link

66. Sta nije karakteristika slabih veza u drustvenim mrezama

Obicno poseduju istu vrstu informacija

Imaju vecu verivatnocu da poseduju nove imformacije

Veze imaju vecu verovatnocu da budu mostovi

Odrzavaju globalnu strukturu mreze

67. Situaciona aplikacija

Podrazumeva kratkotrajnu integraciju koja obezbedjuje neko novi sadrzaj ili bolje razumevanje medju korisnicima

Ne znam

Je aplikacija koja kombinuje podatke iz vasih izvora (eng.feed)RSS"a u jedan izvor koji poseduje graficki prikaz

Obicno integrise podatke iz internih izvora preduzeca

68. Forma drustvenog gafa koristi se da prikaze

Podatke o clanovima drustvene mreze i njihovim medjusobnim relacijama

Samo podatke o medjusobnim relacijama clanova drustvene mreze

Samo podatke o clanovima drustvene mreze

Ko su uticajni clanovi mreze

69. Sta nije primer baze znanja na Webu

IBM Watson

DBpedia

YAGO

Wikipedia

Ne znam

70. Posrednik (brokrer) u mrezi

Premoscuje strukturnu rupu i obezbedjuje pristup novim idejama misljenjima i sansama

Ne znam

Nastaje kada dva odvojen klastera poseduju neredudandne informacije

71. Most(bridge)u mrezi

Je veza koja premoscuje dva klastera

Premoscuje strukturnu rupu i obezbedjuje pristup ovim idejama misljanja i sansama

Ne znam

Nastaje kao dva odvojena klastera poseduju neredudandne informacije

72. IBM Watson i Wolfarm Alpha su primeri

Sistem za identifikovanje sistema

Sistem za ekstrakciju

Sistem za semanticko indeksiranje

Sistem za pretrazivanje

73. Diametar

Je najduza najkraca putanja izmedju bilo koja dva cvora u mrezi

Ne znam

Je broj ivica koje uviru u dati cvor

Je sekvenca cvora koja povezuje cvorove A i B u kojojse cvorovi ne ponavljaju

74. Sta nije standard za postizanje interoperabilnosti sistema nezavisno od tehnologije

DSL (Domain Specific Language)

SOAP(Simple Object Access Protocol)

WSDL(Web service Description Language)

UDDI(Unoversal Description Discovery and Integration)

75. Sistem za pretrazivanje

Pronalazi (potencijalno)relevantne tekstove i prezentuje ih korisniku

Odredjuje na sta se odnosi entitet

Prepoznaje entitete u tekstu i jedinstveno ih identifikuje

Analizira tekstove i prezentuje samo segmente informacija(izvucene iz teksta)za koje korisnik moze biti zainteresovan

76. Kod ekstrakcija informacija najtezi deo je

Prepoznavanje relacija

Prepoznavanje koreferenci

Prepoznavanje entiteta

Prepoznavanje dogadjaja

77. Putanja je

Sekvenca cvora koja povezuje cvorove Ai B a u kojoj se cvorovi ne ponavljaju

Broj ivica koje uviru u dati cvor

Broj drugih cvorova sa kojima je dati cvor povezan

Broj ivica koji polaze iz istog cvora

78. Klijentski mashup browser u mashup arhitekturi

Jeste poslednji nivo i predstavlja klijent korisnika koji pristupa mashup sajtu

Jeste sama mashup aplikacija koja je nastala povezivanjem podataka

Obezbedjuje sadrzaj za mashup aplikaciju

Ne znam

79. sta je svojstveno za advogato metriku

Poverenje se moze implementirati od strane svakog cvora

Identifikovanje korisnika jedinstvenom e mail porukom

Kreiranje i medjusobno povezivanje izjavao tome koji korisnik koga poznaje

Ne znam

80. Preporuke zasnovane na sadzaju se kreiraju

Tako sto se korisniku preporucuju sadrzaji slicni onima koji su im se ranije svidjali

Tako sto se preporuci korisniku ono sto je popularno medju njigovim/njenim "prijateljima"

Tako sto se korisniku preporuci sadrzaji na osnovu njegovog profila i parametra korisnika

Ne znam

81. Sta nije primer alata koji omogucuju ekstrakciju informacija i semanticko indeksiranje

Freebase

Wikimeta

OpenCalais

TgMe

82. Termin se odnosi na resurse koji dobijaju pojedinci ili grupe kroz odrzavanje mreze drustvenih veza naziva se

Drustveni kapital

Tezina veze

Zaliha resursa

Drustveno umrezavanje

83. Kako bi glasila interpretacija EIgenvector metrike centralnosti u kontekstu drustvenih mreza

U kojoj meri je data osoba povezana sa uticajem tj dobro povezanim clanovima mreze ?

Koliko je verovatno da ce data osoba imati ulogu posrednika izmedju nekih drugih dvoje ljudi iz mreze ?

Koliko drugih ljudi data osoba moze kontaktirati ?

Koliko brzo data osoba moze dopreti do svake druge osobe u mrezi ?

84. Kolaborativno filtriranje oznacava

Preporuku korisniku na osnovu onog sto je popularno medju njegovim/njenim "prijateljima"

Preporuka na osnovu profila korisnika parametara korisnika

Preporuka na osnovu sadrzaja slicnim onima koji su im se ranije svidjali

Ne znam

85. na slici je prikazan

Mashup na serverskoj strani

Mashup na klijentskoj strani

Kompozitna aplikacija

Situaciona aplikacija

86. Sta ne odrzavaju ivice (drustvenog) gafa

Broj drugih clanova sa kojima je dati cvor povezan

Posedovanje neke zajednicke osobine clanova mreze

Neki oblik drustvene interakcije

Neki oblik drustvene relacije

87. SOA

Koristi web aplikacionu struktrur izmedju pruzaoca usluga i korisnika usluga ova arhitektura je okrenuta servisima

Ne znam

Koristi niz standardnih web feed formata za objavu informacija koje se relativno cesto menjaju

Je sindikacija sadrzaja zasnovana na XML-u

88. Sta ne vazi za Mashup

Zahteva formlane odnose

Ne znam

Zadovoljava Representational State Transfer (REST) principe

89. Kako je WEB 2.0 uticao na razvoj drustvenih mreza

Omogucio je koriscenje interneta kao platformu za saradnicko ucenje iz korisnicki generisanih sadrzaja

Ne znam

Uveo je koriscenje interneta kao platformu za komunikaciju u okviru ucenja i uslovio prve oblike drustvenog ucenja na internetu

Uveo je semanticko ideksiranje koje omogucava povezivanje sadrzaja sa otvorenim bazama znanja na webu

90. Eigenvector centrality (EC) omogucuje

Da oderi ko je u mrezi povezan sa uticajnim clanovima mreze tj. onima koji imaju najvise konekcija

Je najduza najkraca putanja izmedju bilo koja dva cvora u mrezi

Odrzava brzinu kojom informacije polazeci od nekog izabranog cvora mogu stici do ostalih cvorova mreze

Omogucuje identifikaciju cvorova koji se cesto pojavljuju kao posrednici u komunikaciji izmedju drugih clanova mreze

91. Nivo poverenja zavisi od uticaja poverenja na dalje akcije korisnika i od drugih manje razumljivih faktora je cinjenica vezana za

Relevantnost poverenja

Merljivost poverenja

Kompozitnost poverenja

Subjektivnost poverenja

92. Koje su prednosti crowdsourcinga z akompanije (vise tacnih odgovora)

Placanje po rezultatu

Organizacije imaju pristup vecem broju talenata nego sto postoji u njihovoj organizaciji

Nema kontrole nad razvojem ili krajnjim proizvodima

Isticanje intelektualnog vlasnistva

Problemi se mogu istraziti bez ikakvog troska

Submit

93. Data mashup

Je aplikacija koja kmbinuje podatke iz vise izvora (eng.feed)RSS-a u jedan izvor, koji poseduje graficki prikaz

Ne znam

Obicno integrise podatke iz internih i eksternih izvora preduzeca

Podrazumeva kratkotrajnu integraciju koja obezbedjuje neki novi sadrzaj ili bolje razumevanje medju korisnicima

94. WorkXpress je primer

Okruzenje za implementaciju situacionih aplikacija

Strukturnog wikija

Kompozitne aplikacije

Content managment sistema

95. Ako postoji poverenje u drugu stranu uglavnom postoji i poverenje u preporuke druge strane to je

Tranzitivnost poverenja

Subjektivnost poverenja

Merljivost poverenja

Relevantnost poverenja

96. Maksimalna/minimalnaduzina putanje oa A do B, se definise kao

Kao maksimalni/minimalni broj koraka koji su potrebni da bi se stiglo od A do B

Kao preporuceni novo poverenju A u B

Navrajanjem svih putanja izmedju krisnika i svakog drugog korisnika sa licnim uverenjem

97. Content provider u mashup arhitekturi

Obezbedjuje sadrzaj za mashup aplikaciju

Jeste sama mashup aplikacija kja nastaje povezivanjem podataka

Jeste poslednji novo i predstavčlja klijent korisnika koji pristupa mashup sajtu

Ne znam

98. sta je primer online reklamiranjaNe znam odgovor

RavenPack Nwews Analytic

ADmantX

Safesforse Marketing Cloud

Lithium Social Intelligence Product

99. Ekstrakcija informacije je

Tehnologija zasnovana na analizi prirodnog jezika sa ciljem ekstrakcije informacija o predefinisanim tipovima entiteta, relacija i/ili dogadjaja

Lat za ekstrakciju informacija o predefinisanimtipovima entiteta, realicija i/ili dogadjaja

100. Za jedinstveno identifikovanje entiteta se koristi

Baze znanja dostupne na Web-u

Fajlovi dsotupni na Web-u

Baze podataka

Baze znanja koji se nalaze na zasticenim serverima kojima se pristupa samo iz okvira nekih organizacija

101. Koja tvrdnja je tacna

Svaki clan moze predstavljati jedan cvor grafa

Relacija izmedju clanova mreze su cvorovi grafa

Ne znam

Ivica drustvenog grafa ne moze da odredjuje neku zajednicku karakteristiku clanova grafa

102. TextRazor je primer

Alata koji obezbedjuje CONGNITION ASA SERVICE

Alata za pretragu

Baze znanja

Alata koji odredjuje iskljucivo semanticko indeksiranje

103. Sta je primer poslovne analitike

RavenPack News Analytic

Safesforce Marketing Cloud

ADmantX

Lithium Social Intelligence Product

104. na slici je prikazana

Lista ivica grafa

Graf

Degree

Matrica susedstva

105. REST je skracenica od

Representation State Transfer

Representation State Trnasfer

Representation State Tehnology

Resource State Transfer

106. Izabrati kako se realizuje komunikacija u sradnickom ucenju Izaberi jedan ili vise odgovora

Diskusijom i raspravom o gotovim i kreiranim zajednickim sadzajima

Ne znam

Obavestenjem i informisanjem o zajednickim sadzajima

Tagovanjem sadrzaja

Komentarisanjem gotovih i kreiranih zajednickih sadrzaja

Submit

107. Kak bi glasila interpretacija Closness metrike centralnosti u kontekstu drustvenih mreza

Koliko brzo data osoba moze dopreti do svake druge osobe u mrezi

Ne znam

U kojoj meri je data osoba povetana sa uticajem tj. dobro povezanim clanovima mreze

Koliko drugih ljudi data osoba moze direktno kontaktirati

108. Sta su svojstva za advogato metriku

Poverenje se moze implementirati od strane svakog cvora

Kreiranje i medjusobno poverenje izjava o tome koji korisnik koga poznaje

Identifikovanje korisnika jednostavnim e-mail adresom

Kreiranje i medjusobno povezivanje izjava o tome koji korisnik koga poznaje

109. Open mashup aliance (OMA)

Predstavlja standardni model koji je predlozen od strane firme koje razvijaju enterprise mashup

Je domenski specificni jezik koji obezbedjuje interoperibilnost i portabilnost

Obicno integrise podatke iz internih i eksternih izvora preduzeca

Ne znam

110. Degree je

Sekvenca cvora koja povezuje cvorove A i B a u kojoj se cvorovi ne ponavljaju

Broj ivica koji uviru u dati cvor

Broj drugih cvorova sa kojima je dati cvor povezan

Broj ivica kojieprelaze iz datog cvora

111. Online reklamiranje

Analiza web stranice fradi ekstrakcije entiteta,tipateksta, emocije sadrzanih u tekstu

Zavisnost performansi od specificnosti i kompleksnosti zadatka ekstrakcije

Estrakciju informacije za preporuku reklama za datu web stranu

Estrakcija entitetaiz novinskih clanaka, blog postova i sl.

112. Sta nije tipicni zadatak ekstrakcije informacija

Normalizacija seme

Prepoznavanje dogadjaja

Razresavanje koreferencije

Prepoznavanje imenovanih entiteta (Named Entity recognition)

113. Sta vazi za API (Aplication Programming Interface)

Izlaze otkriva funkcionalnost sistema ostalim sistemima i korisnicima

Sindikacija sadrzaja na XML-u

Ne znam

Mogucnost iznajmljivanja aplikacija od eksternog dobavljaca

114. Metoda najblizih suseda zanovana na artiklima

Zasnovati predekcije (a time i preporuke) na slicnosti artikla ne korisnika

Zasnovati predekcije (a time i preporuke) na slicnosti artikla i korisnika

Zasnovati predekcije (a time i preporuke) na slicnosti korisnika ne artikla

Ne znam

115. Prosecna tezina putanje od A do B

Kao preporuceni novo poverenja A u B

Ne znam

Kao maksimalni/minimalni broj koraka koji su potrebni da bise stiglo od A do B

Nabrajanjem svih putanja izmedju korisnika i svakog drugog korisnika sa slicnim uverenjem

116. Nabrojati dimenzije drustvenog kapitala (vise odgovora)

Bridging-premoscujuci

Odrzavani

Educating-obrazovani

Financial-finasijski

Bonding-povezujuci

Ne znam

Submit

117. Kako bi glasila interpretacija Betweenness metrike centralnosti u kontekstu drustvenih mreza ?

Koliko je verovatno da ce data osoba imati ulogu posrednika izmedju nekih drugih dvoje ljudi iz mreze ?

U kojoj meri je data osoba povezana sa uticajnim tj dobro povezanim clanovima mreze ?

Koliko brzo data osoba moze dopreti do svake druge osobe u mrezi ?

Koliko drugih ljudi data osoba moze direktno kontaktirati ?

118. PubSubHubBub

Koristi se za brze i efikasnije obavestavanje o updateima u drustvenim medijima

Kreira metapodatke o ljudima , mnogo otvorenije i n nacin koji je laksi za odrzavanje

Je otvoreni protokol koji omogucava sigurnu autorizaciju na jednostavna i standardan nacin sa web, mobilnih ili desktop aplikacija

119. Closeness centrality

Odrzava brzinu kojom informacija prelazeci od nekog izabranog cvora mogu stici do ostalih cvorova u mrezi

Je najdza najkraca putanja izmedju bilo koja dva cvora u mrezi

Omogucava identifikaciju cvorova koji se cesto pojavljuju kao posrednici u komunikaciji izmedju drugih cvorova mreza

Ne znam

120. RSSNe znam da li je tacan odgovor

Koristi web kao aplikacionu infrastrukturu izmedju pruzaoca usluga i korisnika usluga ova arhitektura je okrenuta servisima

Je sindikacija sadrzaja zasnovana na XML-u

Koristi niz standardnih web feed formata za objavu informacija koje se relativno cesto menjaju

Se primenjuje kod sistema koji poseduju paradigmu okrenutu rsursima

121. Sta nije svojstvo za FOAF

Poverenje se moze implementirati od strane svakog cvora

Ne znam

Identifikovanje korisnika jedinstvenom e-mail adresom

Kreiranje i medjusobno povezivanje izjava o tome koji korisnik koga poznaje

122. Yoono

Jeste alat za kreiranje mashup na osnovu feed-ova drustvenih mreza

Jeste enterprise mashup platforma

Ne znam

123. Salmon ProtocolNe znam da li je tacan odgovor!!!

Koristi se za brze i efikasnije obavestavanje o update-ima u drustvenim medijima

Kreira metapodatkeo ljudima , mnogo otvorenije i na nacin koji je laksi za odrzavanje

Je protokol koji omogucava sigurnu autorizaciju na jednostavan i standardan nacin sa wb , mobilnih i desktop aplikacija

124. Webfinger

Je otvoreni protokol koji omogucava sigurnu autorizaciju na jedostavan i standardan nacin sa web, mobilnih ili desktop racunara

Koristi se za brze i efikasnije obavestavanje o updateima u drustvenim medijima

Kreira metapodatke o ljudima mnogo otvorenije i na nacin koji je laksi za odrzavanje

Ne znam

125. Consumer mashupNe znam da li je tacan odgovor

Obicno integrise podatke iz internih i eksternih izvora preduzeca

Je aplikacija koja kombinuje podatke uz vise izvora (eng. feed) RSS-a u jedan izvor, koji poseduje graficki prikaz

Podrazumeva kratkotrajnu integraciju koja obezbedjuje neki novi sadrzaj ili bolje razumevanje korisnika

126. Spajanje poverenjaNe znam da li je tacan odgovor

Nabrajanje svih putanja izmedju korisnika i svakog drugog korisnika sa licnim uverenjem

Ne znam

Korisnik A moze odrediti licno poverenje tAB u bilo kog korisnika B

Svaki korisnik moze potvditi licno uverenje u izjavi

Dmr Drugi Kolokvijum

1. Audio/video sadrzaji su dostupni preko

2.

What first name or nickname would you like us to use?

2. Sta je od navedenog nedostatak komunikacije na drustvenim mrezama

3. Termin koji se koristi umesto drustvenih mreza ili sajtova drzstvenih mreza je

4. Promer mikrobloging alata je

5. LMS je skracenica za

6. Primer mikroblog alata

7. Strukturna rupa u drustvenim mrezama

8. Sta nije primer otvorenog aktivity stream-a

9. Sta je primer sistema za ekstrakciju

10. Sta je od navedenog prednost komunikacije na drustvenim mrezama

11. Primeri alata za kreiranje audio/video sadrzaja su:

12. Filtter bubble je pojam koji se odnosi na

13. Gravatar

14. Ocene filmova na IMDB.com su primer

15. Sta od navedenog nije saradnicko ucenje iz korisnicki generisanih sadrzaja

16. Sta je od navedenog prednost indirektne preporuke

17. Nacin za dobijanje potrebnih usluga, ideja i sadrzaja koriscenjem doprinosta velike grupe online zajednice, a ne od zaposlenih ili dobavljaca predstavlja

18. Koja je tvrdnja tacna

19. Koja su tri osnovana uslova da bi neka drustvena grupa bila unteligenrna kod mudrsoti gomile(vise tacnih)

20. Sta je od navedenog prednost indirektne preporuke

21. Koja je tvrdnja tacna

22. Sinhrono ucenje

23. Uprkos dokazima koji sugerisu suprotno postoji visok nivo poverenja, odnosi se na

24. na slici je prikazano

25. Asimetrija poverenja opisuje se kao

26. Koja tvrdnja je tacna

27. Poverenje kao rezultat saradnje

28. jedan od primera kolektivne inteligencije

29. Na slici je prikazan

30. Apsolutno poverenje

31. Sta od navedenog nije mogucnost drustvenih mreza

32. In-Degree je

33. Metoda najblizih suseda je

34. primer kada vise korisnika taguje odredjeni sadrzaj razlicitim terminima iz razlicitih recnika, kreirajuci vise metapodataka za sadrzaj, predstavlja

35. Sta od navedenog vazi za subjektivnost poverenja

36. Primer alata za asinhrono drustveno ucenje je

37. LMS je nasato ka sistem za ucenje, odnosno za (oznaciti tacne odgovore)

38. Sta predstavlja ocekivanu kolektivnu ili ekonomsku dobrobit koja se dobija saradnjom izmedju pojedinca i grupe

39. Naslici je prikazan

40. koja tvrdnja je tacna

41. Na slici je prikazan

42. Transparentnost preoruka

43. Pearsonov koeficijent korelacije

44. Sta vazi za SaaS

45. Kako se naziva vizuelna predstava tekstualnih podataka tipicno koriscenih da predstave kljucne metapodatke(tagove) na web sajtovima ili da se vizuelizuje slobodan tekst

46. Sta je na slici oznaceno oznakom

47. Which one do you like?

48. A moze imati veliko poverenje u B kao lekara, ali uopste nema poverenje u B kao programera je

49. Friendfeed

50. Hibridne preporuke oznacavaju

51. Kako se dobija veci broj preporuka o poverenju u drugu stranu , te preporuke sastavljaju se u jedno poverenje. Ovo se odnosi na

52. Sta ne spada u uobicajene tehnologije koje se koriste za preuzimanje sadrzaja

53. Poverenje kao rezultat saradnje

54. Which one do you like?

55. REST je skracenica od

56. Koje su prednosti WIKI alataOdaberi vise jedan ili vise odgovora

57. Sta je od navedenog karakteristika sihronog ucenja

58. Betweeness centrality

59. Broj poruka rezmenjenih u nekom vremenskom periodu predstavlja

60. Na slici je prikazan

61. Uverenje

62. sta vcazi za SaaS

63. Sta od navedenog nije osnovna karakteristika komunikacije na drustvenim mrezama

64. Sta nije karakteristika kompozitne aplikacije

65. EMML je skracenica

66. Sta nije karakteristika slabih veza u drustvenim mrezama

67. Situaciona aplikacija

68. Forma drustvenog gafa koristi se da prikaze

69. Sta nije primer baze znanja na Webu

70. Posrednik (brokrer) u mrezi

71. Most(bridge)u mrezi

72. IBM Watson i Wolfarm Alpha su primeri

73. Diametar

74. Sta nije standard za postizanje interoperabilnosti sistema nezavisno od tehnologije

75. Sistem za pretrazivanje

76. Kod ekstrakcija informacija najtezi deo je

77. Putanja je