Društvene Mreže - II Kolokvijum

153 Questions

Settings
Please wait...
Drutvene Mree - II Kolokvijum

Drugi kolokvijum iz Društvenih Mreža. 


Questions and Answers
  • 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