Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.14279/34952| Title: | Ανάλυση των ειδησεογραφικών αξιών σε εικόνες τεχνητής νοημοσύνης χρησιμοποιώντας μοντέλα βαθιάς μάθησης | Authors: | Επαμεινώνδα, Γιάννης | Keywords: | Βαθιά μάθηση;μεγάλα γλωσσικά μοντέλα;Τεχνητή νοημοσύνη;ειδησεογραφικές αξίες | Advisor: | Theodosiou, Zenonas | Issue Date: | May-2025 | Department: | Department of Communication and Internet Studies | Faculty: | Faculty of Communication and Media Studies | 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. | Description: | This study explores the capability of large language models to recognize and evaluate news values in images generated by artificial intelligence, in comparison to human evaluators. It focuses on the use of two AI tools, ChatGPT and AIcado, for the automatic assessment of images produced by the AI systems DALL-E and DeepAI, as well as real news photographs. Through quantitative analysis and statistical metrics (mean difference, p-value, Pearson correlation), differences and correlations were recorded between AI-generated assessments and human evaluators. The findings show that, in comparison to humans, the AI tools tend to overestimate some values, with correlation levels varying depending on the news value and image source. This study contributes to a deeper understanding of the capabilities and limitations of artificial intelligence in journalism, particularly in the domain of visual content analysis, and highlights the need for further research and optimization of these tools in the context of news evaluation. | URI: | https://hdl.handle.net/20.500.14279/34952 | Rights: | Attribution-NonCommercial-NoDerivatives 4.0 International | Type: | Bachelors Thesis | Affiliation: | Cyprus University of Technology |
| Appears in Collections: | Πτυχιακές Εργασίες/ Bachelor's Degree Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Γιάννης Επαμεινώνδα_2025_BSC-ABSTRACT.pdf | abstract | 144.52 kB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
49
Last Week
1
1
Last month
2
2
checked on Nov 17, 2025
Download(s)
6
checked on Nov 17, 2025
Google ScholarTM
Check
This item is licensed under a Creative Commons License
