|
Podpora konkurenceschopnosti vysokých škol ze strukturálních fondů
FIALOVÁ, Hana
Cílem práce je analyzovat a definovat jak strukturální fondy mohou podpořit konkurenceschopnost vysokého školství v České republice. Úvodní část obsahuje souhrn fondů Evropské unie a operačních programů s důrazem na operační program Vzdělávání pro konkurenceschopnost (OP VK)se zaměřením na zlepšení kvality a modernizaci systémů počátečního, terciárního a dalšího vzdělávání a zlepšení podmínek ve výzkumu a vývoji. Analýza konkrétních projektů podporovaných z operačního programu Vzdělávání pro konkurenceschopnost je představena ve druhé části.
|
|
Nezaměstnanost jako sociální a ekonomický problém
Fialová, Hana
V diplomové práci je zpracována problematika nezaměstnanosti z hlediska vybraných sociálních a ekonomických problémů s ohledem na okres Svitavy v Pardubickém kraji. Dále je vymezena státní politika zaměstnanosti České republiky a popsána realizace aktivní politiky. Zmíněny jsou současné návrhy řešení nezaměstnanosti. Blíže jsou specifikovány nástroje systému dávek státní sociální podpory a pomoci v nezaměstnanosti a posouzeno využívání a zneužívání těchto nástrojů na Svitavsku. Kromě porovnání statistických údajů tato práce předkládá zjištění z vlastního empirického šetření v regionu.
|
|
KOMUNIKACE JAKO SOUČÁST OŠETŘOVATELSKÉ PÉČE
FIALOVÁ, Hana
Moji bakalářskou práci jsem rozdělila na dvě části, teoretickou a praktickou. V teoretické části se zaměřuji na definici komunikace obecně a také na komunikaci v rámci ošetřovatelské péče. V praktické části práce jsou prezentovány výsledky sociologického výzkumu získané s použitím metody dotazování pomocí techniky dotazníku, který byl určen zdravotním sestrám v domovech pro seniory v Českých Budějovicích a ve Žďáře nad Sázavou. Dále jsou zde uvedeny výsledky rozhovorů s klienty těchto zařízení.
|
| |
| |
|
Shlukovací metody pro velké soubory dat
Vilikus, Ondřej ; Fialová, Hana (vedoucí práce) ; Húsek, Dušan (oponent)
S rostoucím množstvím shromažďovaných a ukládaných dat vzniká potřeba shlukovacích metod, které by se dokázaly vypořádat i s rozsáhlými datovými soubory. Proto se objevuje množství nových algoritmů, vycházejících jak ze statistických přístupů, tak i z oblasti strojového učení. Cílem této diplomové práce je stručně představit dostupné metody shlukové analýzy a zhodnotit jejich silné a slabé stránky při analýze velkých souborů. Obsahem teoretické části je shrnutí základních pojmů a principů, které jsou všem metodám společné, a popisu nejznámějších metod shlukové analýzy. Ten obsahuje stručné vysvětlení, na jakém principu fungují a jaké výhody nebo případné nedostatky můžeme při jejich použití očekávat. Praktická část práce je věnována vlastnímu testování osmi metod dostupných v komerčním (SPSS, S-PLUS, STATISTICA) nebo akademickém (Weka) softwaru. Pro testování jsou použity umělé soubory se specifickými charakteristikami, které jsem vygeneroval pomocí vlastního algoritmu. Ten je rozšířením Neyman-Scottova procesu a kromě sférických shluků generuje i shluky nepravidelných tvarů. Výsledky potvrzují očekávání vycházející z teoretických předpokladů. Přinášejí však možnost kvantifikace vlivu charakteru dat na vhodnost jednotlivých metod.
|
| |