Društvene Mreže - II Kolokvijum
Settings
-
+
Drugi kolokvijum iz Društvenih Mreža.
- 1.Da bi se odredili ključni akteri u mreži:
- A.
Potrebno je posmatrati sve 4 mere centralnosti
- B.
Prvo je potrebno odrediti koja je mera cenralnosti najbitnija za datu mrežu
- C.
Treba posmatrati samo meru sopstvene centralnosti (eigenvector)
- D.
Dovoljno je da se posmataju bilo koje 3 od 4 mere centralnosti
- 2.Ukoliko grafu društvene mreže želi da se doda i podatak o broju razmenjenih poruka između 2 čvora u nekom vremenskom periodu, onda se on dodaje preko:
- A.
Težine ivice
- B.
Izlaznog stepena čvora
- C.
Zbira ulaznog i izlaznog stepena čvora
- D.
Reciprociteta
- 3.Most je (u analizi društvenih mreža grafovima):
- A.
Čvor koji ima najveću sopstvenu centralnost
- B.
Čvor koji povezuje 2 klastera
- C.
Veza koja povezuje 2 klastera
- D.
Čvor koji ima najveći betweenness centrality
- 4.U usmerenoj mreži od n čvorova broj mogućih ivica je:
- A.
N*(n-1)
- B.
N*(n-1)/2
- C.
2 n*(n-1)/2
- D.
2*n*(n-1)
- 5.Dijametar mreže je:
- A.
Najduža moguća putanja između bilo koja 2 čvora u mreži a u kojoj se čvorovi ne ponavljaju
- B.
Najduža najkraća putanja između bilo koja 2 čvora u mreži
- C.
Ukupan broj veza u datoj mreži
- D.
Broj klastera u datoj mreži
- 6.Broker je (u analizi društvenih mreža-grafovima):
- A.
Čvor koji ima najveću sopstvenu centralnost
- B.
Čvor koji ima najveći betweenness centrality
- C.
Veza koja povezuje dva klastera
- D.
Čvor koji povezuje dva klastera
- 7.Prosečna dužina najkraćih putanja između svaka dva čvora u mreži je metrika koja se koristi kada se:
- A.
U mreži dužine najkraćih putanja znatno razlikuju
- B.
U mreži dužina najkraćih putanja približno ista
- C.
Određuje dijametar mreže
- D.
Određuje gustina mreže
- 8.Tranzitivnost zajedno sa homofilijom dovodi do:
- A.
Pucanja ključnih veza u mreži
- B.
Stvaranja klikova
- C.
Stvaranja gustih mreža
- D.
Stvaranja strukturnih rupa
- 9.Putanja je:
- A.
Sekvenca čvorova koja povezuje čvorove A i B, a u kojoj se čvorovi ne ponavljaju
- B.
Broj drugih čvorova sa kojima je dati čvor povezan
- C.
Broj ivica koje uviru u dati čvor
- D.
Broj ivica koje prolaze iz datog čvora
- 10.Kako bi glasila interpretacija sopstvene centralnosti (eigenvector centrality) u kontekstu društvenih mreža:
- A.
Koliko je verovatno da je data osoba posrednik između neke druge dve osobe iz date mreže
- B.
Koliko drugih ljudi može datu osobu direktno da kontaktira
- C.
U kojoj meri je data osoba povezana sa uticajnim, odnosno dobro povezanim članovima mreže
- D.
Koliko brzo data osoba može da dopre do bilo koje druge osobe u mreži
- 11.Klikovi su:
- A.
Slabo povezane mreže
- B.
Slabo povezani klasteri
- C.
Potpuno povezani klasteri
- D.
Trijade
- 12.Kako bi glasila interpretacija betweenness centrality (broj čvorova između kojih se čvor nalazi) u kontekstu društvenih mreža:
- A.
Koliko je verovatno da je data osoba posrednik između neke druge dve osobe iz date mreže
- B.
U kojoj meri je data osoba povezana sa uticajnim, odnosno dobro povezanim članovima mreže
- C.
Koliko drugih ljudi može datu osobu direktno da kontaktira
- D.
Koliko brzo data osoba može da dopre do bilo koje druge osobe u mreži
- 13.Blizina čvora(closeness centrality) označava:
- A.
Blizinu posmatranog čvora centralnoj poziciji
- B.
Koliko čvorova je direktno povezano sa posmatranim čvorom
- C.
Koliko je posmatrani čvor povezan sa ostalim čvorovima koji su uticajni
- D.
Broj čvorova između koji se posmatrani čvor nalazi
- 14.Ako postoji bar jedna putanja između bilo koja dva čvora mreže, onda je ta mreža:
- A.
Gusta
- B.
Zatvorena
- C.
Povezana
- D.
Tranzitivna
- 15.Gustina mreže se definiše kao količnik:
- A.
Broj stvarnih veza u mreži / ukupan broj mogućih veza u mreži
- B.
Broj čvorova u mreži / ukupan broj mogućih veza u mreži
- C.
Broj stvarnih veza u mreži / ukupan broj čvorova u mreži
- D.
Broj čvorova u mreži / ukupan broj stvarnih veza u mreži
- 16.Betweenness centrality označava:
- A.
Blizinu posmatranog čvora centralnoj poziciji
- B.
Koliko čvorova je direktno povezano sa posmatranim čvorom
- C.
Broj čvorova između kojih se posmatrani čvor nalazi
- D.
Koliko je posmatrani čvor povezan sa ostalim čvorovima koji su uticajni
- 17.Fenomen malog sveta je teza koja kaže da:
- A.
Se do svake osobe može doći preko lanca društvenih poznanstava dužine 6
- B.
Se do svake osobe može doći preko kratkog lanca društvenih poznanstava
- C.
Da se do svake osobe može doći preko neke društvene mreže
- D.
Je svaka društvena mreža gusta
- 18.Kako bi glasila interpretacija blizine čvora (closeness centrality) u kontekstu društvenih mreža:
- A.
Koliko je verovatno da je data osoba posrednik između neke druge dve osobe iz date mreže
- B.
U kojoj meri je data osoba povezana sa uticajnim, odnosno dobro povezanim članovima mreže
- C.
Koliko drugih ljudi može datu osobu direktno da kontaktira
- D.
Koliko brzo data osoba može da dopre do bilo koje druge osobe u mreži
- 19.Simelijeve veze:
- A.
Su veze koje su slabe
- B.
Opisuju međusobne veze između tri čvora
- C.
Su tranzitivne veze
- D.
Su veze koje su jake
- 20.Izlazni stepen čvora (outdegree) je:
- A.
Predstavlja broj izlaznih veza za posmatrani čvor
- B.
Sabran sa ulaznim stepenom čini ukupan stepen čvora
- C.
Je uvek veći od ulaznog stepena čvora
- D.
Uvek manji ili jednak ulaznom stepenu čvora
- 21.Kada dva odvojena klastera poseduju neredudantne informacije onda nastaju:
- A.
Klikovi
- B.
Strukturne rupe
- C.
Mostovi
- D.
Brokeri
- 22.Ukoliko je prosečan stepen realne (online) društvene mreže onda, za nasumično izabrani čvor, očekivani stepen:
- A.
Je manji od n
- B.
Je jednak n
- C.
Je veći od n
- D.
Ne zavisi od stepena mreže
- 23.Kako bi glasila interpretacija stepena čvora (degree centrality) u kontekstu društvenih mreža:
- A.
Koliko je verovatno da je data osoba posrednik između neke druge dve osobe iz date mreže
- B.
U kojoj meri je data osoba povezana sa uticajnim, odnosno dobro povezanim članovima mreže
- C.
Koliko drugih ljudi može datu osobu direktno da kontaktira
- D.
Koliko brzo data osoba može da dopre do bilo koje druge osobe u mreži
- 24.Rastojanje između dva čvora je:
- A.
Dužina najkraće putanje između posmatrana dva čvora ali koja prolazi kroz prethodno određeni centralni čvor
- B.
Dužina najkraće putanje između posmatrana dva čvora
- C.
Prosečna dužina svih putanja između posmatrana dva čvora
- D.
Dužina najduže putanje između posmatrana dva čvora a u kojoj se čvorovi ne ponavljaju
- 25.Tendencija čvorova da se spajaju sa čvorovima sličnih karakteristika naziva se:
- A.
Homofilija
- B.
Tranzitivnost
- C.
Reciprocitet
- D.
Simelijeve veze
- 26.Koja je tvrdnja tačna:
- A.
Čvorovi grafa predstavljaju relacije koje važe u društvenoj mreži
- B.
Ivice društvenog grafa su čvorovi koji su slabo povezani
- C.
Ne može svakom grafu da se pridruži matrica sesedstva
- D.
Čvorovi grafa predstavljaju entitete između kojih posmatramo veze
- 27.Grafove realnih (online) društvenih mreža karakteriše:
- A.
Postojanje malog broja velikih slabo povezanih grupa
- B.
Postojanje velikog broja malih slabo povezanih grupa
- C.
Postojanje malog broja velikih jako povezanih grupa
- D.
Postojanje velikog broja malih dobro povezanih grupa
- 28.Stepen čvora (degree centrality) označava:
- A.
Koliko je posmatrani čvor povezan sa ostalim čvorovima koji su uticajni
- B.
Broj čvorova između kojih se posmatrani čvor nalazi
- C.
Blizinu posmatranog čvora centralnoj poziciji
- D.
Koliko čvorova je direktno povezano sa posmatranim čvorom
- 29.Šta je na slici označeno znakom pitanja (?)?
- A.
Čvor
- B.
Ivica
- C.
Graf
- D.
Stepen čvora
- 30.Na slici se nalazi:
- A.
Lista ivica grafa
- B.
Matrica susedstva
- C.
Graf
- D.
Stepen čvora
- 31.Metrika mreže broj veza po čvoru (links per node) se definiše kao količnik:
- A.
Broj čvorova u mreži / ukupan broj mogućih veza u mreži
- B.
Broj stvarnih veza u mreži / ukupan broj čvorova u mreži
- C.
Broj čvorova u mreži / ukupan broj stvarnih veza u mreži
- D.
Broj stvarnih veza u mreži / ukupan broj mogućih veza u mreži
- 32.Proces rasta mreže u kome velika većina novih čvorova pristupa mreži kroz uspostavljanje konekcije sa čvorovima koji već imaju visok stepen, opisuje:
- A.
Betweenness centrality
- B.
Fenomen malog sveta
- C.
Sopstvena centralnost
- D.
Preferential attachment
- 33.U neusmerenoj mreži od n čvorova broj mogućih ivica je:
- A.
N*(n-1)
- B.
N*(n-1)/2
- C.
2n*(n-1)/2
- D.
2*n*(n-1)
- 34.Veličina mreže se odnosi na:
- A.
Odnos broja čvorova i broja veza
- B.
Broj veza u mreži
- C.
Dijametar mreže
- D.
Broj čvorova u mreži
- 35.U datom primeru na slici, ukoliko se posmatra stepen čvora (degree centrality):
- A.
Čvor 10 je ključni
- B.
Čvor 3 je ključni
- C.
Čvorovi 3 i 5 su ključni
- D.
Čvor 5 je ključni
- 36.Na slici se nalazi:
- A.
Lista ivica grafa
- B.
Graf
- C.
Stepen čvora
- D.
Matrica susedstva
- 37.Inteligencija koja nastaje saradnjom i takmičenjem više pojedinaca naziva se:
- A.
Mudrost gomile (Wisdom of crowds)
- B.
Crowdsourcing
- C.
Folksonomija
- D.
Kolektivna inteligencija
- 38.Pod društvenim kapitalom se podrazumeva:
- A.
Bilo koji kapital čija je osnova u društvenim odnosima
- B.
Se smatra kapital čija je osnova u društvenim odnosima a koji doprinosi samo socijalnom razvoju društva
- C.
Se smatra kapital čija je osnova u društvenim odnosima a koji doprinosi privrednom i socijalnom razvoju društva
- D.
Se smatra kapital čija je osnova u društvenim odnosima a koji doprinosi samo privrednom razvoju društva
- 39.Do zatvaranja mreže dolazi ukoliko:
- A.
Ukoliko je mreža dobro infrastrukturno povezana (sajt, komunikacija, prostor...)
- B.
Ukoliko se offline i online mreža poklapaju
- C.
Su veze između aktera jake
- D.
Ukoliko je mreža offline ali nije online
- 40.Nedostatak crowdsourcing-a je:
- A.
Plaća se po rezultatu
- B.
Postoji vremensko ograničenje u rešavanju problema
- C.
Nema kontrole nad razvojem ili krajnjim proizvodom
- D.
Potrošači postaju istovremeno i dizajneri
- 41.Google Page Rank je primer:
- A.
Ni jedno od ponuđenog
- B.
Crowdsourcing-a
- C.
Mudrosti masa
- D.
Kolektivne inteligencije
- 42.Premošćući društveni kapital:
- A.
Je generisan jakim vezama
- B.
Je kapital koji nastaje povezivanjem ljudi koji se nalaze na različitim društvenim položajima
- C.
Je kapital koji je sačuvan nakon fizičkog prekida offline društvenoj mreži (npr. preseljenje na drugo mesto zbog posla ili studiranja)
- D.
Je generisan slabim vezama
- 43.Formiranje mreže poverenja bez centralnog sistema odlučivanja koji kontroliše ponašanje i utiče na povinovanje:
- A.
Se smatra nedostatkom kod odlučivanja mudrih gomila
- B.
Se smatra prednošću za odlučivanje mudrih gomila
- C.
Ne smatra se bitnim za odlučivanje mudrih gomila
- D.
Se smatra prednošću za odlučivanje mudrih gomila ali samo ako su te gomile malog obima
- 44.Za veze između prijatelja i između rođaka važi:
- A.
Da su to slabe veze
- B.
Da su veze između prijatelja jake a veze između rođaka slabe
- C.
Da su to jake veze
- D.
Da mogu biti i jake i slabe
- 45.Praksa dobijanja potrebnih usluga, ideja ili sadržaja traženjem doprinosa širokog kruga ljudi (posebno online zajednice) a ne na tradicionalni način (od zaposlenih) naziva se:
- A.
Volontiranje
- B.
Folksonomija (folksonomy)
- C.
Crowdsourcing
- D.
Outsourcing
- 46.Folksonomija je:
- A.
Naziv za servis koji omogućava obeležavanje sadržaja na Web-u od strane svakog pojedinca
- B.
Društveni kapital koji se generiše u okviru neformalnih asocijacija
- C.
Praksa dobijanja potrebnih usluga traženjem doprinosa od širokog kruga pojedinaca
- D.
Oblik umrežavanja koji podstiče saradnju i takmičenje pojedinaca
- 47.Društveno tehnički kapital se odnosi na:
- A.
Upotrebu tehnologije za generisanje društvenog kapitala
- B.
To su tehnologije koje svi mogu slobodno da koriste bez ikakvih ograničenja i uslova
- C.
Je isto što i digitalni kapital
- D.
Tehnologiju koja nastaje iz društvenog kapitala
- 48.Različitost mišljenja, nezavisnost, decentralizacija i agregacija su uslovi:
- A.
Neophodni da bi se ispoljila kolektivna inteligencija
- B.
Neophodni za uspeh crowdsourcing-a
- C.
Neophodni da bi gomila bila mudra
- D.
Neophodni da bi se generisao društveni kapital
- 49.Povezujući društveni kapital:
- A.
Je generisan jakim vezama
- B.
Je kapital koji nastaje povezivanjem ljudi koji se nalaze na različitim društvenim položajima
- C.
Je kapital koji je sačuvan nakon fizičkog prekida offline društvenoj mreži (npr. preseljenje na drugo mesto zbog posla ili studiranja)
- D.
Je generisan slabim vezama
- 50.Spajajući društveni kapital:
- A.
Je generisan jakim vezama
- B.
Je kapital koji nastaje povezivanjem ljudi koji se nalaze na različitim društvenim položajima
- C.
Je kapital koji je sačuvan nakon fizičkog prekida off line društvenoj mreži (npr. preseljenje na drugo mesto zbog posla ili studiranja)
- D.
Je generisan slabim vezama
- 51.Sinhrono učenje je:
- A.
Učesnici koriste alate za učenje isključivo u različito vreme
- B.
Učesnici koriste alate za učenje u međusobno isto ili različito vreme kada im to odgovara
- C.
Učesnici koriste istovremeno alate za učenje
- D.
Učesnici koriste više alata za učenje prema međusobnom dogovoru
- 52.Jedan od primera kolektivne inteligencije:
- A.
Facebook
- B.
Google PageRank
- C.
Twitter
- D.
LinkedIn
- 53.Podela na asinhrono i sinhrono učenje vezana je za:
- A.
Vreme korišćenja alata za učenje
- B.
Mesto korišćenja alata za učenje
- C.
Vrstu alata za učenje
- D.
Način korišćenja alata za učenje
- 54.Izabrati tačan iskaz:
- A.
Sve vrste medija pogodne za svaku vrstu sadržaja (u realizaciji društvenog učenja)
- B.
Nisu sve vrste medija pogodne za svaku vrstu sadržaja (u realizaciji društvenog učenja)
- C.
Učenici u procesu učenje se dogovaraju oko izbora alata za neophodne sadržaje
- D.
Sve vrste medija pogodne za svaku vrstu sadržaja (u realizaciji društvenog učenja) ali neke uz pomoć specijalnih programskih dodataka
- 55.Društveni kapital jednog društva uključuje:
- A.
Sve nabrojano
- B.
Samo institiucije
- C.
Samo odnose
- D.
Samo stavove i vrednosti koje upravljaju međuljudskim interakcijama
- 56.U društvenim mrežama važi da ukoliko osoba A ima jake veze sa osobama B i C onda:
- A.
U opštem slučaju B i C nisu povezane
- B.
Verovatnoća da su osobe B i C povezane je ista kao i da nisu
- C.
Su osobe B i C najverovatnije povezane
- D.
To ništa ne govori o vezi između B i C
- 57.Za poslovne veze i veze između poznanika važi:
- A.
Da su poslovne veze jake a veze između poznanika slabe
- B.
Da su to jake veze
- C.
Da su to slabe veze
- D.
Da mogu biti i jake i slabe
- 58.Neformalne asocijacije se:
- A.
Smatraju bitnim mehanizmom stvaranja društvenog kapitala samo ako su dozvoljene od zvaničnih institucija
- B.
Ne smatraju bitnim mehanizmom stvaranja društvenog kapitala
- C.
Se smatraju bitnim mehanizmom stvaranja društvenog kapitala ali prvo mora da se izvrši procena društvene korisnosti
- D.
Smatraju bitnim mehanizmom stvaranja društvenog kapitala
- 59.Vikipedija je primer:
- A.
Mudrosti masa
- B.
Crowdsourcing-a
- C.
Kolektivne inteligencije
- D.
Folksonomije (folksonomy)
- 60.Termin „društveno učenje“ (Social Learning) koristi se za učenje koje se realizuje:
- A.
Na Web-u
- B.
U društvenom kontekstu na Internetu
- C.
Isključivo na sajtovima društvenih mreža
- D.
Korišćenjem Web servisa sajtova društvenih mreža
- 61.Termin se odnosi „na resurse“ koji dobijaju pojedinci ili grupe kroz održavanje mreže društvenih veza naziva se:
- A.
Težina veze
- B.
Zaliha resursa
- C.
Društveno umrežavanje
- D.
Društveni kapital
- 62.Prednost koju kompanije imaju od crowdsourcing-a je:
- A.
Nema problema intelektualnog vlasništva
- B.
Nema vremenskog ograničenja
- C.
Nema problema sa kvalitetom usluga
- D.
Problemi mogu da se istražuju bez ikakvog troška
- 63.U procesu društvenog učenja, ostvaruje se:
- A.
Samo neposredna komunikacija između učesnika i Web alata
- B.
Posredna i neposredna interakcija isključivo između svih učesnika
- C.
Posredna i neposredna interakcija između samih učenika, učenika i nastavnika, između nastavnika međusobno, između svih učesnika i veb alata i između svih učesnika i sadržaja
- D.
Samo posredna komunikacija između učesnika i učesnika i veb alata
- 64.Prednost slabo povezanih mreža je:
- A.
Ako je osoba A povezana slabim vezama sa B i C, onda su vrlo verovatno u vezi i osobe B i C
- B.
Transfer informacija i novih ideja je mnogo intenzivniji
- C.
Jaka podrška od širokog kruga ljudi
- D.
Intenzivnija saradnja između članova mreže
- 65.Primer kada više korisnika taguje određeni sadržaj različitim terminima iz različitih rečnika, kreirajući više metapodataka za sadržaj, predstavlja:
- A.
Užu folksonomiju
- B.
Kolektivnu inteligenciju
- C.
Širu folksonomiju
- D.
Tag cloud
- 66.Povezivanje izjava o tome koji korisnik koga poznaje i koliko ima poverenja u korisnike koje poznaje je omogućeno:
- A.
X.509 standardom
- B.
Agentima poverenja
- C.
FOAF modelom
- D.
Avokado metrikom
- 67.Stav da poverenje „ne teče“ od lošeg do dobrog čvora mreže se koristi kod:
- A.
FOAF modela
- B.
Invarijantnosti poverenja
- C.
Avokado metrike
- D.
Spajanja poverenja
- 68.Poverenje se različito ocenjuje od strane različitih ljudi što znači da je poverenje kao pojava:
- A.
Kompozitno
- B.
Subjektivno
- C.
Merljivo
- D.
Relevantno
- 69.Ako poverenje nije apsolutno, postoji neizvesnost i nivo poverenja može se izmeriti raznim kriterijumima, što znači da je poverenje kao pojava:
- A.
Relevantno
- B.
Merljivo
- C.
Subjektivno
- D.
Kompozitno
- 70.Osoba A može imati veliko poverenje u osobu B kao lekara ali da uopšte nema poverenja u osobu B kao vozača je:
- A.
Poverenje u osobu
- B.
Poverenje u celini
- C.
Poverenje u temu
- D.
Poverenje u temu ali ne u osobu
- 71.Ako se ukloni čvor iz grafa mreže poverenja, a grane se preusmere na njegove poverljive čvorove i ako se spojeno poverenje ne promeni onda je u pitanju:
- A.
Poverenje koje ima jaku opštu invarijantnost
- B.
Poverenje koje ima slabu opštu invarijantnost
- C.
Uverenje
- D.
Preporučeni nivo poverenja
- 72.Koliko nivoa ima FOAF skala poverenja:
- A.
9
- B.
10
- C.
4
- D.
6
- 73.Šta je od navedenog nedostatak komunikacije na društvenim mrežama:
- A.
Jednostavna brza komunikacija
- B.
Fleksibilna komunikacija
- C.
Doseg informacija postao je globalni
- D.
Nedostatak standardizacije
- 74.Nivo poverenja zavisi od uticaja poverenja na dalje akcije korisnika i od drugih manje razumljivih faktora, što znači da je poverenje kao pojava:
- A.
Relevantno
- B.
Merljivo
- C.
Kompozitno
- D.
Subjektivno
- 75.Ako se doda deo putanje poverenja u grafu mreže poverenja usmereno od jednog do drugog čvora, a poverenje između ta dva čvora se ne promeni, onda je u pitanju:
- A.
Poverenje koje ima jaku opštu invarijantnost
- B.
Preporučeni nivo poverenja
- C.
Uverenje
- D.
Poverenje koje ima slabu opštu invarijantnost
- 76.Poverenje jedne strane u drugu ne znači obavezno i obrnuto, što znači da je poverenje kao pojava:
- A.
Kompozitno
- B.
Tranzitivno
- C.
Relevantno
- D.
Asimetrično
- 77.Identifikovanje korisnika jedinstvenom e-mail adresom je svojstveno za:
- A.
Invarijantnost poverenja
- B.
Avogato metriku
- C.
FOAF model poverenja
- D.
Spajanje poverenja
- 78.Disciplina koja traži početni nivo poverenja u akciji za koju ne postoje prethodna znanja, iskustva i ishodi naziva se:
- A.
Skala poverenja
- B.
Mreža poverenja
- C.
Metrika poverenja
- D.
Model poverenja
- 79.Šta je od navedenog, prednost komunikacije na društvenim mrežama:
- A.
Jednostavna i fleksibilna komunikacija
- B.
Zaštita privatnosti
- C.
Moguća skrivanja identiteta u komunikacijama
- D.
Nedostatak standardizacije
- 80.Šta je tačno:
- A.
Sve što važi za poverenje u opštem slučaju važi i za poverenje na vebu
- B.
Ono što važi za poverenje u opštem slučaju uopšte ne važi za poverenje na vebu
- C.
Sve što važi za poverenje u opštem slučaju samo delimično važi i za poverenje na vebu
- D.
Ono što važi za poverenje u opštem slučaju samo delimično važi za poverenje na vebu
- 81.X.509 i PGP (Pretty Good Privacy) predstavljaju:
- A.
Metrike poverenja
- B.
Skale poverenja
- C.
Modele poverenja
- D.
Sisteme za opis poverenja
- 82.Agenti poverenja su:
- A.
Aplikacije društvenih mreža koje se koriste za ocenjivanje poverenja
- B.
Metrika poverenja
- C.
Standard za poverenje
- D.
Mreža poverenja
- 83.Od koliko komponenti se sastoji poverenje na društvenim mrežama:
- A.
6
- B.
9
- C.
5
- D.
3
- 84.„Slepo poverenje“:
- A.
Se ne preporučuje ali postoji
- B.
Je poverenje kod koga je potpuno poznat ishod pre izvršene akcije
- C.
Se zasniva na prethodnom iskustvu
- D.
Je isto što i apsolutno poverenje
- 85.Kada se dobija veći broj preporuka o poverenju u drugu stranu na osnovu njih se sastavlja jedno poverenje, što znači da je poverenje kao pojava:
- A.
Merljivo
- B.
Relevantno
- C.
Subjektivno
- D.
Kompozitno
- 86.Ako postoji poverenje u drugu stranu uglavnom postoji i poverenje u preporuku te druge strane, što znači da je poverenje kao pojava:
- A.
Asimetrično
- B.
Tranzitivno
- C.
Merljivo
- D.
Kompozitno
- 87.Šta je tačno:
- A.
Poverenje u celini povlači poverenje i u temu i u osobu
- B.
Poverenje u osobu povlači poverenje u temu
- C.
Poverenje u celini znači poverenje u osobu ali ne obavezno i poverenje u temu
- D.
Poverenje u temu povlači poverenje u osobu
- 88.Šta važi za poverenje i uverenje:
- A.
Iz uverenja može da se izračuna poverenje
- B.
Poverenje i uverenje su isti pojmovi
- C.
Poverenje i uverenje su dva različita pojma
- D.
Iz poverenja može da se izračuna uverenje
- 89.Stav da dobri čvorovi na društvenoj mreži retko sertifikuju loše čvorove a loši čvorovi sertifikuju jedni druge se koristi kod:
- A.
Invarijantnosti
- B.
Poverenja FOAF modela
- C.
Avokado metrike
- D.
Spajanja poverenja
- 90.Sa stanovišta upotrebe veb servisa, slični korisnici su korisnici:
- A.
Koji koriste iste servise
- B.
Koji pokazuju identično ponašanje na istu dinamiku ponašanja
- C.
Koji pokazuju istu dinamiku ponašanja
- D.
Koji pokazuju identično ponašanje
- 91.Apsolutno poverenje:
- A.
Se ne preporučuje
- B.
Zasniva se na prethodnom iskustvu
- C.
Zasniva se na potrebnom preduslovu saradnje
- D.
Je poverenje kod koga je potpuno poznat ishod pre izvršene akcije
- 92.Poverenje kao rezultat saradnje:
- A.
Nije validno jer nije rezultat slobodne volje
- B.
Zasniva se na potrebnom preduslovu saradnje
- C.
Zasniva se na prethodnom iskustvu
- D.
Je poverenje kod koga je potpuno poznat ishod pre izvršene akcije
- 93.Da bi mogao da se odvija proces komunikacije neophodno je da postoje:
- A.
Predajnik, prijemnik i kanal za komunikaciju
- B.
Predajnik, prijemnik, kanal za komunikaciju i povratna sprega
- C.
Predajnik i prijemnik
- D.
Predajnik i kanal
- 94.Kod procesa komunikacije prikazanog na slici, buka (šum) se odnosi:
- A.
Na dodatne uticaje iz okoline koje ometaju slanje poruke
- B.
Na sve ono što može da omete prenošenje i razumevanje (prijem) poruke
- C.
Samo na ono što fizički može da omete prenošenje poruke
- D.
Samo na perceptivne prepreke koje mogu da se jave kod prijema poruke
- 95.Na slici je prikazano:
- A.
Definisani tipovi poverenja
- B.
Standard za poverenje
- C.
Skala poverenja sa 6 nivoa
- D.
Algoritam za proučavanje poverenja
- 96.Za jedinistveno identifikovanje entiteta se koriste:
- A.
Fajlovi dostupni na Web-u
- B.
Baze znanja koje se nalaze na zaštićenim serverima kojima se pristupa samo iz okvira nekih organizacija
- C.
Baze podataka
- D.
Baze znanja dostupne na Web-u
- 97.Facebook’s Entity Graph je primer:
- A.
Sistema za poslovnu analizu
- B.
Aplikacije za semantičko pretraživanje
- C.
Baze znanja
- D.
Sistema za analizu segmenata
- 98.Prepoznavanje relacija koje postoje između (imenovanim) entitetima:
- A.
Je zadatak ekstrakcije informacija
- B.
Je zadatak analize segmenata
- C.
Nije zadatak analize sadržaja
- D.
Je jedan od faktora na osnovu koga se određuje preformanse sistema za analizu sadržaja
- 99.Izabrati tačan iskaz:
- A.
Kod semantičkog indeksiranja glavni zadatak je da se odredi pravo značenje entiteta u datom kontekstu
- B.
Semantičko indeksiranje se koristi za ekstrakciju informacija
- C.
Za semantičko indeksiranje koriste se baze znanja koje se nalaze na Web-u
- D.
Semantičko indeksiranje je isto što i pretraživanje informacija
- 100.IBM Watson je poznat kao:
- A.
Sistem koji je prvi uspeo da prevaziđe čoveka u kvizovima opšteg znanja
- B.
Sistem koji je prvi put uspeo da pobedi svetskog prvaka u šahu
- C.
Sistem sa najvećom bazom znanja
- D.
Sistem koji prikuplja i analizira online novinske članke, blogove i postove u realnom vremenu
- 101.Kod identifikacije ključnih tema/koncepata nakon identifikacije tema:
- A.
Analiziraju se tekstovi i prezentuju samo segmenti informacija
- B.
Konsultuju se baze znanja dostupne na Web-u
- C.
Obično se radi njihovo rangiranje po značajnosti
- D.
Pronalaze se (potencijalno) relevantni tekstovi i prezentuju korisniku
- 102.Kod ekstrakcije informacija, najteži zadatak je:
- A.
Prepoznavanje koreferenci
- B.
Prepoznavanje opisa entiteta
- C.
Prepoznavanje događaja
- D.
Prepoznavanje relacija
- 103.Sistem za ekstrakciju:
- A.
Analizira tekstove i prezentuje samo segmente informacija (izvučene iz teksta) za koje korisnik može biti zainteresovan
- B.
Prepoznaje entitete u tekstu i jedinstveno ih identifikuje
- C.
Pronalazi (potencijalno) relevantne tekstove i prezentuje ih korisniku
- D.
Određuje na šta se odnosi entitet
- 104.Razrešavanje koreferenci kod ekstrakcije informacija obuhvata:
- A.
Određivanje na šta se odnosi entitet
- B.
Određivanje opisa entiteta
- C.
Određivanje vrste entiteta
- D.
Određivanje relacije između entiteta
- 105.Google Knowledge Graph je primer:
- A.
Baze znanja
- B.
Aplikacije za semantičko pretraživanje
- C.
Sistema za analizu sentimenata
- D.
Sistema za poslovnu analizu
- 106.IBM Watson i Wolfram Alpha su primeri:
- A.
Sistema za identifikovanje entiteta
- B.
Sistema za pretraživanje
- C.
Sistema za semantičko indeksiranje
- D.
Sistema za ekstrakciju
- 107.Šta je primer baze znanja koja se koristi za semantičko indeksiranje:
- A.
IBM Watson
- B.
Google
- C.
Bing
- D.
Freebase
- 108.Šta je primer sistema za pretraživanje:
- A.
IBM Watson
- B.
Google
- C.
Bing
- D.
Freebase
- 109.Kod semantičkog indeksiranja za jedinstveno imenovanje entiteta koristi se:
- A.
Kolektivna inteligencija
- B.
Baza indeksa Web stranica
- C.
Analiza sentimenata
- D.
Baze znanja
- 110.Procenat relevantnih informacija koje su ekstrahovane je:
- A.
Mera odziva sistema za ekstrakciju informacija
- B.
Mera preciznosti sistema za ekstrakciju informacija
- C.
Mera gustine sistema za ekstrakciju informacija
- D.
Mera održivosti sistema za ekstrakciju informacija
- 111.Google i Bing su primer:
- A.
Sistema za ekstrakciju
- B.
Sistema za pretraživanje
- C.
Sistema za semantičko indeksiranje
- D.
Sistema za identifikovanje entiteta
- 112.Sistem za pretraživanje:
- A.
Prepoznaje entitete u tekstu i jedinstveno ih identifikuje
- B.
Analizira tekstove i prezentuje samo segmente informacija (izvučene iz teksta) za koje korisnik može biti zainteresovan
- C.
Pronalazi (potencijalno) relevantne tekstove i prezentuje ih korisniku
- D.
Određuje na šta se odnosi entitet
- 113.Prepoznavanje opisa entiteta:
- A.
Određivanje vrste entiteta
- B.
Određivanje tipičnog prideva entiteta
- C.
Određivanje relacije između entiteta
- D.
Određivanje na šta se odnosi entitet
- 114.Za jedinstveno identifikovanje entiteta se koriste:
- A.
Fajlovi dostupni na Web-u
- B.
Baze znanja koje se nalaze na zaštićenim serverima kojima se pristupa samo iz okvira nekih organizacija
- C.
Baze podataka
- D.
Baze znanja dostupne na Web-u
- 115.Procenat ekstrahovanih informacija koje su relevantne je:
- A.
Mera odziva sistema za ekstrakciju informacija
- B.
Mera preciznosti sistema za ekstrakciju informacija
- C.
Mera gustine sistema za ekstrakciju informacija
- D.
Mera održivosti sistema za ekstrakciju informacija
- 116.Ekstrakcija informacija i pretraživanje informacija su:
- A.
Slični procesi, gde ekstrakcija informacija pronalazi relevantne tekstove, a sistem za pretraživanje analizira tekstove i predstavlja samo segmente teksta
- B.
Slični procesi, gde ekstrakcija informacija analizira tekstove i predstavlja samo segmente teksta, a sistem za pretraživanje pronalazi relevantne tekstove
- C.
Identični procesi i predstavljaju sinonime za isti postupak
- D.
Potpuno različiti procesi
- 117.Prepoznavanje imenovanih entiteta kod ekstrakcije informacija obuhvata:
- A.
Određivanje relacije između entiteta
- B.
Određivanje na šta se odnosi entitet
- C.
Određivanje tipičnog opisa entiteta
- D.
Određivanje vrste entiteta
- 118.Analiza poruka koje se razmenjuju preko društvenih medija sa ciljem da se identifikuje stav, mišljenje ili emocija naziva se:
- A.
Poslovna inteligencija
- B.
Poslovna analitika
- C.
Semantička analiza
- D.
Analiza sentimenata
- 119.Procenat relevantnih informacija koje su ekstrahovane i procenat ekstrahovanih koje su relevantne su:
- A.
Dva pojma koja su direktno proporcionalna
- B.
Dva ista pojma
- C.
Dva različita pojma koja se međusobno isključuju
- D.
Dva različita pojma koji su često u “konfliktu”
- 120.Poslovne analitike se odnose na:
- A.
Ekstrakciju entiteta iz novinskih članaka, blog postova i slično
- B.
Analizu tekstualnih sadržaja društvenih medija i mreža radi identifikacije relevantnih entiteta
- C.
Zavisnost performansi od specifičnosti i kompleksnosti zadatka ekstrakcije
- D.
Ekstrakciju informacije za preporuku reklama za datu Web stranu
- 121.Identifikacija ključnih tema/koncepata i semantičko indeksiranje su:
- A.
Slični termini s tim što se kod identifikacije ključnih tema/koncepata teme/koncepti ne vezuju za ceo tekst
- B.
Slični termini s tim što se kod identifikacije ključnih tema/koncepata teme/koncepti ne vezuju za pojedinačne reči
- C.
Potpuno različiti termini koji se često mešaju
- D.
Slični termini s tim što se kod semantičnog indeksiranja teme/koncepti ne vezuju za pojedinačne reči
- 122.Semantičko indeksiranje:
- A.
Prepoznaje entitete u tekstu i jedinstveno ih identifikuje
- B.
Analizira tekstove i prezentuje samo segmente informacija (izvučene iz teksta) za koje korisnik može biti zainteresovan
- C.
Pronalazi (potencijalno) relevantne tekstove I prezentuje ih korisniku
- D.
Određuje na šta se odnosi entitet
- 123.Šta je primer sistema za pretraživanje:
- A.
Walfram Alpha
- B.
Dbpedia
- C.
Google
- D.
IBM Watson
- 124.Kvalitet sistema preporuke se meri kroz njegovu sposobnost:
- A.
Da preporuči sadržaj iz long tail-a
- B.
Da preporuči što više sadržaja
- C.
Da vrši brzu selekciju
- D.
Da bude user friendly
- 125.Sparsity problem je problem koji se javlja kada:
- A.
Za neki proizvod/sadržaj ne postoji ni jedna direktna ocena
- B.
Postoji nedostatak parova (korisnik, ocena)
- C.
Ne može da se utvrdi sličnost između korisnika/artikala
- D.
Nedostaju informacije o novim korisnicima/artiklima
- 126.“Ovaj blog post je napisao/preporučio tvoj prijatelj X” je objašnjenje koje se dobija kada sistem primenjuje metodu:
- A.
Najbližih suseda
- B.
Koja se bazira na društvenim konekcijama
- C.
Koja koristi bazu znanja
- D.
Koja se bazira na sadržaju
- 127.“Korisnici koji su kupili proizvod X takođe su kupili proizvod Y” je objašnjenje koje se dobija kada sistem primenjuje metodu:
- A.
Najbližih suseda
- B.
Koja se bazira na društvenim konekcijama
- C.
Koja koristi bazu znanja
- D.
Koja se bazira na sadržaju
- 128.Filter bubble je problem:
- A.
Koji se javlja kada ne može da se utvrdi sličnost između korisnika/artikala
- B.
Izolacije korisnika od sadržaja koji ne pripadaju sferi njegovog iskazanog interesovanja
- C.
Koji se javlja kada nedostaju informacije o novim korisnicima/artiklima
- D.
Koji se javlja kada postoji nedostatak parova (korisnik, ocena)
- 129.Metoda najbližih suseda predstavlja:
- A.
Metodu zasnovanu na znanju koju koriste sistemi preporuka
- B.
Metodu za personalizovanje poruka
- C.
Metodu zasnovanu na sadržaju koju koriste sistemi preporuka
- D.
Metodu kolaborativnog filtriranja koju koriste sistemi preporuka
- 130.Od koliko neuronskih mreža se sastoji Youtube-ov sistem preporuka:
- A.
1
- B.
2
- C.
3
- D.
Više od 4
- 131.Kolaborativno filtriranje označava:
- A.
Softverske sisteme koji na osnovu procenjenih interesovanja i preferenci korisnika automatski selektuju informacije/artikle/usluge koje bi korisniku mogle biti interesantne/relevantne
- B.
Vizuelizaciju za bolje razumevanje podataka
- C.
Najšire korišćen pristup za generisanje preporuka, posebno u kontekstu online društvenih mreža i Web-a generalno
- D.
Metodu umetanja podataka u Web stranice
- 132.Netflix je najpoznatiji po:
- A.
Po broju registrovanih korisnika
- B.
Količini sadržaja koje nudi
- C.
Svom sistemu preporuka
- D.
Po tome što je uspeo da animira korisnike za eksplicitno ocenjivanje
- 133.Velika količina veza na društvenim mrežama, komentarisanje, tagovanje, označavanje sadržaja sa “sviđa mi se”/”ne sviđa mi se” dovodi do:
- A.
Fenomena nazvanog long tail
- B.
Zasićenja informacijama
- C.
Zasićenja interakcijama
- D.
Filter bubble problema
- 134.Kolaborativno filtriranje koristi:
- A.
Podatke sa profila korisnika, parametre konteksta i podatke o ostalim korisnicima
- B.
Koristi sve raspoložive podatke na Internetu o korisniku, artiklima i drugim korisnicima
- C.
Samo podatke sa profila korisnika i parametar konteksta
- D.
Podatke sa profila korisnika, parametar konteksta i podatke o proizvodima
- 135.Kod Pirsonovog koeficijenta, što je vrednost bliža -1 to znači da:
- A.
Su korisnici/artikli sličniji
- B.
Se korisnici/artikli više razlikuju
- C.
Da artikal/korisnika ne treba preporučiti
- D.
Da artikal/korisnika treba preporučiti
- 136.Pirsonov koeficijent korelacije se koristi da se:
- A.
Izmeri popularnost korisnika/proizvoda/sadržaja
- B.
Odredi broj proizvoda/sadržaja koji će biti preporučen
- C.
Izabere metoda koju će koristiti sistem preporuke
- D.
Izmeri sličnost korisnika/proizvoda
- 137.Preporuke zasnovane na znanju, predstavljaju sledeće:
- A.
Preporučiti korisniku ono što odgovara njegovim potrebama
- B.
Preporučiti korisniku ono za šta je malo njegovih “prijatelja” čulo/kupilo
- C.
Preporučiti korisniku sadržaje slične onima koji su mu se i ranije sviđali
- D.
Preporučiti korisniku ono što je popularno među njegovim/njenim “prijateljima”
- 138.Personalizovane preporuke koriste:
- A.
Podatke sa profila korisnika, parametre konteksta i podatke o ostalim korisnicima
- B.
Koristi sve raspoložive podatke na Internetu o korisniku, artiklima i drugim korisnicima
- C.
Samo podatke sa profila korisnika i parametre konteksta
- D.
Podatke sa profila korisnika, parametre konteksta i podatke o proizvodima
- 139.Pretpostavka da se interesovanja korisnika tokom vremena ne menjaju:
- A.
Je heuristika koja se koristi kod sistema preporuka
- B.
Nije tačna ali se to pokazalo kao nebitno
- C.
Je dovela do pojave filter bubble problema
- D.
Je greška koja dovodi do problema u radu kod sistema preporuka
- 140.Sistemi preporuke su:
- A.
Softverski sistemi koji selektuju informacije koje bi korisniku mogle da budu interesantne/korisne
- B.
Personalni asistenti
- C.
Softverski sistem za analizu društvenih mreža
- D.
Softverski sistem za pretragu sadržaja na Internetu
- 141.Amazon je poznat po:
- A.
Broju proizvoda koje nudi
- B.
Isključivoj upotrebi neuronskih mreža u sistemu preporuka
- C.
Tome što najbolje koristi eksplicitno ocenjivanje
- D.
Tome što je uspešno iskoristio long tail u sistemu preporuka
- 142.Poverenje u sistem preporuke se, između ostalog, podstiče:
- A.
Podizanjem Pirsonovog koeficijenta
- B.
Davanjem objašnjenja uz preporuku
- C.
Zahtevanjem da se sadržaji eksplicitno ocene
- D.
Što većom količinom preporuka
- 143.Problem izolacije korisnika od sadržaja koji se nalaze izvan iskazane sfere interesovanja je:
- A.
Cold start problem
- B.
Filter bubble problem
- C.
Problem privatnosti
- D.
Sparsity problem
- 144.Long tail predstavlja:
- A.
Veliki deo informacija na Internetu za koje veliki broj korisnika pokaže interesovanje
- B.
Mali deo informacija na Internetu za koje veliki broj korisnika pokaže interesovanje
- C.
Veliki deo informacija na Internetu za koje mali broj korisnika pokaže interesovanje
- D.
Mali deo informacija na Internetu za koje mali broj korisnika pokaže interesovanje
- 145.Velika količina vesti, blogova, foruma, Wiki podataka kojima su ljudi svakodnevno okruženi dovodi do:
- A.
Zasićenja informacijama
- B.
Fenomena nazvanog long tail
- C.
Zasićenja interakcijama
- D.
Filter bubble problema
- 146.Preporuke zasnovane na sadržaju koriste:
- A.
Koristi sve raspoložive podatke na Internetu o korisniku, artiklima i drugim korisnicima
- B.
Podatke sa profila korisnika, parametre konteksta i podatke o proizvodima
- C.
Samo podatke sa profila korisnika i parametre konteksta
- D.
Podatke sa profila korisnika, parametre konteksta i podatke o ostalim korisnicima
- 147.Kada korisnik označi neki proizvod/sadržaj sa 5 zvezdica, onda je taj proizvod:
- A.
Označen kao linkovan
- B.
Indirektno ocenjen
- C.
Označen da je od poverenja
- D.
Direktno ocenjen
- 148.Problem hladnog starta (Cold start problem) je problem koji se javlja kada:
- A.
Nedostaju informacije o novim korisnicima/artiklima
- B.
Postoji nedostatak parova (korisnik, ocena)
- C.
Ne može da se utvrdi sličnost između korisnika/artikla
- D.
Za neki proizvod/sadržaj ne postoji ni jedna direktna ocena
- 149.Kupovina nekog proizvoda ili zadržavanje na nekom sadržaju na Internetu:
- A.
Ne predstavlja kriterijum za ocenjivanje
- B.
Predstavlja indirektno ocenjivanje
- C.
Predstavlja direktno ocenjivanje
- D.
U zavisnosti od konteksta može da bude I direktno I indirektno ocenjivanje
- 150.“Ovaj novinski članak govori o temi X koja pripada skupu tema za koje ste ranije pokazali interesovanje” je objašnjenje koje se dobija kada sistem primenjuje metodu:
- A.
Koja koristi bazu znanja
- B.
Koja se bazira na društvenim konekcijama
- C.
Koja se bazira na sadržaju
- D.
Najbližih suseda
- 151.Šta je od navedenog prednost eksplicitnog ocenjivanja:
- A.
Jednoznačno ukazuju na ukus/mišljenje/stav korisnika
- B.
Podstiče poverenje korisnika u sistem
- C.
Jednostavno i kontinuirano prikupljanje podataka bez opterećenja korisnika
- D.
Korisnici rado ocenjuju artikle/sadržaje
- 152.Kod Pirsonovog koeficijenta, što je vrednost bliža 1 to znači da:
- A.
Su korisnici/artikli sličniji
- B.
Se korisnici/artikli više razlikuju
- C.
Da artikal/korisnika ne treba preporučiti
- D.
Da artikal/korisnika treba preporučiti
- 153.Šta je tačno:
- A.
Sistem preporuke prethodi sistemu pretrage
- B.
Sistem preporuke i sistem pretrage sadržaja na Internetu je isto
- C.
Sistem preporuke treba da preporuči nešto što je korisniku nepoznato a sistem pretrage da locira ono što je poznato
- D.
Sistem preporuke treba da preporuči nešto što je korisniku poznato a sistem pretrage da locira ono što je nepoznato
Back to top
