Models and methods of controlled transgression of media in crisis conditions

Capa

Citar

Texto integral

Resumo

The creation and transgression of mediaobjects is a complicated process that involves making difficult decisions. Under such conditions, the risk of media crises inevitably increases, for example, inadequate perception by the reader of information released by the media, etc. To avoid such crises, it is necessary to take into account all possible factors, both quantitative and qualitative, characterizing mediaobjects and media in general, as well as precise evaluation methods. The focus of the study is on developing a new approach to decision-making that will aid in the controlled transgression of mediaobjects during crisis situations. The method for making decisions based on a hierarchy of cross-disciplinary criteria that takes into account the concept of crisisology is proposed. Additionally, the authors suggest the use of a decision support software service that utilizes an ontology-based mechanism to adopt the user interface dynamically. The proposed method is universal and can be applied to assess different types of medical objects, reducing the likelihood of crisis situations (caused, among other things, by incorrect assessment of the reliability of information).

Sobre autores

Sergey Zykov

HSE University

Email: szykov@hse.ru
ORCID ID: 0000-0002-2115-5461

Doctor of Technical Sciences, Professor, Department of Business Informatics, Graduate School of Business

11 Pokrovskii Bulvar, Moscow, 109028, Russian Federation

Eduard Babkin

HSE University

Email: eababkin@hse.ru
ORCID ID: 0000-0003-2597-9043

PhD in Computer Science, Docent, Professor, Department of Information Systems and Technologies, Faculty of Informatics, Mathematics, and Computer Science

11 Pokrovskii Bulvar, Moscow, 109028, Russian Federation

Boris Ulitin

HSE University

Autor responsável pela correspondência
Email: bulitin@hse.ru
ORCID ID: 0000-0003-3774-2457

PhD in Computer Science, Docent, Department of Information Systems and Technologies, Faculty of Informatics, Mathematics, and Computer Science

11 Pokrovskii Bulvar, Moscow, 109028, Russian Federation

Bibliografia

  1. Belousova, N.M. (2018). Evaluation of the competitiveness of a media project at different stages of its life cycle. Media Economics of 21st Century, (3), 18-23. (In Russ.)
  2. Cid-Lopez, A., Hornos, M.J., Carrasco, R.A., Herrera-Viedma, E., & Chiclana, F. (2017). Linguistic multi-criteria decision-making model with output variable expressive richness. Expert Systems with Applications, 83, 350-362. http://dx.doi.org/10.1016/j.eswa.2017.04.049
  3. Crawley, E., Cameron, B., & Selva, D. (2016). System architecture: Strategy and product development for complex systems. Pearson Education.
  4. Dehe, B., & Bamford, D. (2015). Development, test and comparison of two multiple criteria decision analysis (MCDA) models: A case of healthcare infrastructure location. Expert Systems with Applications, 42(19), 6717-6727. https://doi.org/10.1016/j.eswa.2015.04.059
  5. Demidovskij, A., & Babkin, E. (2022). Neural multigranular 2-tuple average operator in neural-symbolic decision support systems. Proceedings of the Fifth International Scientific Conference “Intelligent Information Technologies for Industry” (pp. 350-359). Cham: Springer. https://doi.org/10.1007/978-3-030-87178-9_35
  6. Herrera, F., & Martinez, L. (2001). A model based on linguistic 2-tuples for dealing with multigranular hierarchical linguistic contexts in multi-expert decision-making. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), 31(2), 227-234. https://doi.org/10.1109/3477.915345
  7. Igoulalene, I., Benyoucef, L., & Tiwari, M.K. (2015). Novel fuzzy hybrid multi-criteria group decision making approaches for the strategic supplier selection problem. Expert Systems with Applications, 42(7), 3342-3356. https://doi.org/10.1016/j.eswa.2014.12.014
  8. Martínez, L., Rodriguez, R.M., & Herrera, F. (2015). The 2-tuple linguistic model computing with words in decision making (pp. 1-21). Cham: Springer. https://doi.org/10.1007/978-3-319-24714-4
  9. Senthil, S., Srirangacharyulu, B., & Ramesh, A. (2014). A robust hybrid multi-criteria decision-making methodology for contractor evaluation and selection in third-party reverse logistics. Expert Systems with Applications, 41(1), 50-58. https://doi.org/10.1016/j.eswa.2013.07.010
  10. Xu, Z. (2004). A method based on linguistic aggregation operators for group decision making with linguistic preference relations. Information Sciences, 166(1-4), 19-30. https://doi.org/10.1016/j.ins.2003.10.006
  11. Zykov, S.V. (2021). IT crisisology: Smart crisis management in software engineering: Models, methods, patterns, practices, case studies. Singapore: Springer. https://doi.org/10.1007/978-981-33-4435-8

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».