Big Data

У монографії поглиблено науково-методологічні підходи та запропоновано практичні рекомендації щодо удосконалення управління та застосування управлінського інструментарію підвищення ринкової капіталізації машинобудівних підприємств на основі вартісної концепції. Розкрито теоретичні основи управління ринковою капіталізацією підприємства на основі вартісної концепції. Здійснено оцінювання вартості машинобудівних підприємств України, аналіз формування ринкової капіталізації та оцінювання впливу зміни складових вартості досліджуваних підприємств на її цільове значення. Удосконалено механізм управління ринковою капіталізацією підприємств на основі вартісної концепції, оцінено вплив стимулюючих інструментів на підвищення ринкової капіталізації, запропоновано систему управлінських рішень з (...) оптимізації структури капіталу та визначено її вплив на зміну вартості та ринкової капіталізації машинобудівних підприємств. Видання розраховане на наукових працівників, викладачів ЗВО, керівників підприємств, а також усіх, хто має намір поглибити знання з управління бізнесом. (shrink)

Digital technologies hold promise to modernize healthcare. Such opportunity should be leveraged also to address the needs of rapidly ageing populations. Against this backdrop, this paper examines the use of wearable devices for promoting healthy ageing. Previous work has assessed the prospects of digital technologies for health promotion and disease prevention in older adults. However, to our knowledge, ours is one of the first attempts to specifically address the use of wearables for healthy ageing, and to offer ethical insights for (...) assessing the prospects of leveraging wearable devices in this context. We provide an analysis of the considerable opportunities associated with the use of wearables for healthy ageing, with a focus on the five domains of intrinsic capacity: locomotion, sensory functions, psychological aspects, cognition, and vitality. We then highlight current limitations and ethical challenges of such approach to healthy ageing, including issues related to access, inclusion, privacy, surveillance, autonomy, and regulation. We conclude by discussing the implications of our analysis in light of current debates on the ethics of digital health, and suggest measures to address the identified challenges. (shrink)

When does more data help and when does it not in the sciences? In the past decade, this question has become central because of the phenomenon of Big Data. While these discussions started as a result of somewhat naive ideas that have been closely analyzed and mostly rejected in the philosophy of data, the question about the epistemic difference that more or less data makes still matters, especially in light of the impressive performance of data science and machine learning tools, (...) which seem to improve their outcomes when they are trained on large volumes of data. In several areas of the sciences, having more data is also connected to methodological and epistemic benefits and more generally something that research should strive toward. More data is often equated to better science: this elicits crucial questions about the epistemic value of the quantity of data. In this chapter, we discuss this problem in light of current discussions in the life and health sciences and the philosophy of data. (shrink)

This booklet on Active Assisted Living (AAL) technologies has been created as part of the GoodBrother COST Action, which has run from 2020 to 2024. COST Actions are European research programs that promote collaboration across borders, uniting researchers, professionals, and institutions to address key societal challenges. GoodBrother focused on ethical and privacy concerns surrounding video and audio monitoring in care settings. The aim was to ensure that while AAL technologies help older adults and vulnerable individuals, their privacy and data protection (...) rights remain a top priority. This booklet is designed to guide you through the role that AAL technologies play in improving the quality of life for older adults, caregivers, and people with disabilities. AAL technologies offer tools for those facing cognitive or physical challenges. They can enhance independence, assist with daily routines, and promote a safer living environment. However, the rise of these technologies also brings important questions about data protection and user autonomy. (shrink)

Este manual sobre tecnologías para un envejecimiento activo y saludable, también conocido como Vida Asistida Activa (Active Assisted Living – AAL en sus siglas en inglés), ha sido creado como parte de la Acción COST GoodBrother, que se ha llevado a cabo desde 2020 hasta 2024. Las Acciones COST son programas de investigación europeos que promueven la colaboración internacional, uniendo a investigadores, profesionales e instituciones para abordar desafíos sociales importantes. GoodBrother se ha centrado en las cuestiones éticas y de privacidad (...) relacionadas con la monitorización empleando cámaras y micrófonos en entornos de provisión de cuidados. El objetivo ha sido garantizar que, mientras las tecnologías AAL ayudan a las personas mayores y a los individuos vulnerables, sus derechos de privacidad y protección de datos se mantengan como una prioridad. Este manual está diseñado para guiar en el papel que juegan las tecnologías AAL en la mejora de la calidad de vida de personas mayores, sus cuidadores y personas con discapacidades. Las tecnologías AAL ofrecen herramientas para quienes enfrentan desafíos cognitivos o físicos. Pueden mejorar la independencia, asistir en las rutinas diarias y promover un entorno de vida más seguro. Sin embargo, el aumento de estas tecnologías también plantea preguntas importantes sobre la protección de datos y la autonomía del usuario. A~través de estudios de casos prácticos, este manual explora escenarios reales en los que se aplican las tecnologías AAL. Ofrecen información sobre sus beneficios y desafíos. Se discuten situaciones en las que personas mayores han recuperado su sentido de independencia, por ejemplo, mediante el uso de sistemas de detección de caídas o dispositivos de monitorización de salud. Estas historias ofrecen una perspectiva humana de la tecnología, mostrando cómo pueden mejorar el bienestar mientras plantean cuestiones sobre la privacidad y el uso ético. El manual también destaca la importancia de tomar decisiones informadas al elegir e implementar sistemas AAL. Se enfatiza la~necesidad de que estas tecnologías equilibren seguridad y conveniencia con respeto a los derechos individuales. Encontrará información sobre cuestiones clave, incluyendo cómo seleccionar dispositivos adecuados, gestionar la configuración de privacidad y garantizar que la tecnología se integre de manera fluida en la vida diaria. Además de estos casos de estudio, el manual aborda temas importantes, como la seguridad de los datos, las consideraciones éticas y el papel de las normativas europeas, como el Reglamento General de Protección de Datos (RGPD), en la protección de la privacidad del usuario. Comprender estos aspectos es esencial para asegurar que los sistemas AAL no solo sean efectivos, sino también respetuosos de los derechos y la dignidad de los usuarios. Este recurso está destinado a una amplia audiencia, incluidos usuarios finales, cuidadores, profesionales de la salud y responsables de políticas. Proporciona orientación práctica sobre cómo integrar las tecnologías AAL en entornos de cuidados mientras se protege la privacidad y se garantiza un uso ético. Las ideas presentadas aquí buscan empoderar a los usuarios y cuidadores para que tomen decisiones informadas que mejoren tanto la calidad del cuidado como el respeto por la autonomía personal. (shrink)

Training artificial intelligence (AI) systems requires vast quantities of data, and AI developers face a variety of barriers to accessing the information they need. Synthetic data has captured researchers’ and industry’s imagination as a potential solution to this problem. While some of the enthusiasm for synthetic data may be warranted, in this short paper we offer critical counterweight to simplistic narratives that position synthetic data as a cost-free solution to every data-access challenge—provocations highlighting ethical, political, and governance issues the use (...) of synthetic data can create. We question the idea that synthetic data, by its nature, is exempt from privacy and related ethical concerns. We caution that framing synthetic data in binary opposition to “real” measurement data could subtly shift the normative standards to which data collectors and processors are held. And we argue that by promising to divorce data from its constituents—the people it represents and impacts—synthetic data could create new obstacles to democratic data governance. (shrink)

This paper addresses a relatively new mode of ecological research: data synthesis studies. Data synthesis studies involve reusing data to create a general model as well as a reusable, aggregated dataset. Using a case from movement ecology, I analyse the trade-offs and strategies involved in data synthesis. Like theoretical ecological modelling, I find that synthesis studies involve a modelling trade-off between generality, precision and realism; they deal with this trade-off by adopting a pragmatic kludging strategy. I also identify an additional (...) trade-off, the synthesis trade-off, between making data easy to synthesise for a particular project, on the one hand, and facilitating data reuse for other projects, on the other. In response to this synthesis trade-off, researchers create flexible datasets that are relatively easy to use for particular projects and can be adjusted to suit some other purposes. The flexibility compromise is also found in broader open data efforts, making it a significant element in the future of data-intensive ecology. (shrink)

The fundamental algorithm in Nature: If zero then one, and, simultaneously, if one then zero. Basis for code and coding (all languages). Technically, then, 50 + 50 is 50.

DNA sequencers, Twitter, MRIs, Facebook, particle accelerators, Google Books, radio telescopes, Tumblr: what do these things have in common? According to the evangelists of “data science,” all of these are instruments for observing reality at unprecedentedly large scales and fine granularities. This perspective ignores the social reality of these very different technological systems, ignoring how they are made, how they work, and what they mean in favor of an exclusive focus on what they generate: Big Data. But no data, big (...) or small, can be interpreted without an understanding of the process that generated them. Statistical data science is applicable to systems that have been designed as scientific instruments, but is likely to lead to confusion when applied to systems that have not. In those cases, a historical inquiry is preferable. (shrink)