Ανάλυση των ειδησεογραφικών αξιών σε εικόνες τεχνητής νοημοσύνης χρησιμοποιώντας μοντέλα βαθιάς μάθησης
Date Issued
May 2025
Author(s)
Advisor
Abstract
Η παρούσα έρευνα διερευνά τη δυνατότητα των μεγάλων γλωσσικών μοντέλων να αναγνωρίζουν και να αξιολογούν τις ειδησεογραφικές αξίες σε εικόνες που έχουν παραχθεί από Τεχνητή Νοημοσύνη (ΤΝ), συγκριτικά με ανθρώπινες αξιολογήσεις. Εστιάζει στη χρήση δύο εργαλείων ΤΝ, του ChatGPT και του AIcado, για την αυτόματη αξιολόγηση εικόνων που δημιουργήθηκαν μέσω των εργαλείων DALL-E και DeepAI, καθώς και πραγματικών ειδησεογραφικών εικόνων. Μέσω ποσοτικής ανάλυσης και στατιστικών μετρικών (μέση διαφορά, p-τιμή, συσχέτιση Pearson), καταγράφηκαν διαφορές και συσχετίσεις μεταξύ των αξιολογήσεων των εργαλείων ΤΝ και των ανθρώπινων αξιολογήσεων. Τα αποτελέσματα δείχνουν ότι, σε σχέση με τους ανθρώπους, τα εργαλεία ΤΝ τείνουν να υπερεκτιμούν κάποιες αξίες, ενώ οι συσχετίσεις ποικίλουν ανάλογα με την ειδησεογραφική αξία και την προέλευση της εικόνας. Η εργασία συμβάλλει στη βαθύτερη κατανόηση των δυνατοτήτων και των περιορισμών της ΤΝ στη δημοσιογραφία, ιδιαίτερα όσον αφορά την οπτική αξιολόγηση περιεχομένου, και υποδεικνύει την ανάγκη για περαιτέρω έρευνα και βελτιστοποίηση αυτών των εργαλείων στο πεδίο της ειδησεογραφικής αξιολόγησης.
File(s)![Thumbnail Image]()
Name
Γιάννης Επαμεινώνδα_2025_BSC-ABSTRACT.pdf
Size
144.52 KB
Format
Adobe PDF
Checksum (MD5)
eca286aa336becb54de3c39a847d9ea3