Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.01 vteřin. 
Vizualizace a testování týmových profilů
Höschl, Cyril
Cílem práce je představit metody vedoucí k vizualizaci a testování týmových profilů. Osobnostní profil je vektor skórů charakterizujícího člena týmu. Týmový profil je skupina osobnostních profilů. Prvním krokem pro zobrazení týmového profilu je vyjádření podobnosti mezi individuálními profily. Prezentujeme nový přístup k vyjádření podobnosti mezi osobnostními profily pomocí významnosti jejich rozdílu vyjádřenou pravděpodobností. Tuto míru použijeme pro testování profilů i pro spočítání jejich podobnostní matice. Týmový profil zobrazíme sociomapou. Abychom ji mohli sestrojit, prezentujeme vlastní algoritmus pro projekci podobnostní matice do roviny. Tento algoritmus porovnáváme se známými metodami Multidimenzionálního škálovýní a Analýzy hlavních komponent, kterými řešíme stejnou úlohu. Při porovnání MDS a PCA ze srovnávací studie plyne, že náš algoritmus se chová přesněji a srovnatelně rychle. Též prezentujeme některé známé metody počítačové grafiky, kterými docilujeme grafické 3D podoby sociomapy a ukazujeme některá nová vylepšení pro reálnější dojem při čtení sociomapy.
Vizualizace a testování týmových profilů
Höschl, Cyril
Cílem práce je představit metody vedoucí k vizualizaci a testování týmových profilů. Osobnostní profil je vektor skórů charakterizujícího člena týmu. Týmový profil je skupina osobnostních profilů. Prvním krokem pro zobrazení týmového profilu je vyjádření podobnosti mezi individuálními profily. Prezentujeme nový přístup k vyjádření podobnosti mezi osobnostními profily pomocí významnosti jejich rozdílu vyjádřenou pravděpodobností. Tuto míru použijeme pro testování profilů i pro spočítání jejich podobnostní matice. Týmový profil zobrazíme sociomapou. Abychom ji mohli sestrojit, prezentujeme vlastní algoritmus pro projekci podobnostní matice do roviny. Tento algoritmus porovnáváme se známými metodami Multidimenzionálního škálovýní a Analýzy hlavních komponent, kterými řešíme stejnou úlohu. Při porovnání MDS a PCA ze srovnávací studie plyne, že náš algoritmus se chová přesněji a srovnatelně rychle. Též prezentujeme některé známé metody počítačové grafiky, kterými docilujeme grafické 3D podoby sociomapy a ukazujeme některá nová vylepšení pro reálnější dojem při čtení sociomapy.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.