ד"ר אבשלום אלמלח

דוא"ל
avshalom.elmalech@biu.ac.il
משרד
בניין 502, חדר 14
תחומי עניין

מדעי הרוח והחברה החישוביים, למידת מכונה, למידת מכונה יישומית, מיקור המונים, קבלת החלטות בעידן הטכנולוגי

ד"ר אבשלום אלמלח הצטרף לסגל המחלקה למדעי המידע באוניברסיטת בר־אילן בשנת 2017 ומתמחה בתחומי מדעי הרוח והחברה החישוביים, למידת מכונה יישומית, מיקור המונים, קבלת החלטות בעידן הטכנולוגי.

שעות קבלה
יום רביעי, 17:30
    קורות חיים

    ד"ר אבשלום אלמלח השלים את תאריו באוניברסיטת בר־אילן, תואר ראשון ותואר שני במדעי המחשב ותואר שלישי בתחום הבינה המלאכותית במדעי המחשב. את עבודת הדוקטור כתב בנושא: שימוש בסוכנים חכמים להתמודדות עם רציונליות מוגבלת של מקבלי החלטות. ד"ר אלמלח ערך התמחות פוסט־דוקטורט בתחום קבלת החלטות בעידן הטכנולוגי במחלקה למדעי המחשב באוניברסיטת הרווארד, ארה"ב.

    משנת 2019 ד"ר אלמלח משמש המנהל האקדמי של נבחרת ישראל במדעי המחשב, פרויקט דגל של היחידה לנוער שוחר מדע באוניברסיטת בר־אילן. הוא מלווה את הפרויקט משלביו הראשונים, קרי כתיבת מענה והצעה מפורטת לקול קורא שמוציא משרד החינוך.

    מחקר

    המחקר שלי נע סביב רתימת טכנולוגיות פורצות דרך לשיפור חיינו. שיפור חיינו מתחיל בתהליך קבלת החלטות מושכל. בעידן הטכנולוגי אנחנו מייצרים כמויות עצומות של מידע, אשר יכול לסייע לנו בתהליך קבלת ההחלטות. השאלות שמעניינות אותי הן: איזה מידע יכול לסייע בתהליך קבלת ההחלטות? וכיצד להציג את אותו מידע למקבל ההחלטות כך שיסייע לו באופן מיטבי? את שאלת הצגת המידע אפשר לבחון בתחומים שונים, כגון החלטות עסקיות, החלטות באתרי חיפוש ועוד. נוסף על כך, השאלות הללו יכולות להיבחן בהיבטים של השפעת סוג הטכנולוגיה (למשל, מציאות רבודה) שבאמצעותו יגיע המידע למקבל ההחלטות.

    לבד משאלות סוג המידע והצגתו, אני חוקר איזה תובנות אפשר לייצר מכמויות עצומות של מידע. השיטות שבהן אני משתמש לחקר התובנות העולות מהמידע מבוססות על למידת מכונה. ישנם תחומי דעת רבים שבהם נאספות כמויות עצומות של מידע, וכלי למידת מכונה יכולים לסייע בניתוח מעמיק של המידע הזה ובהפקת תובנות חדשות אשר יכולות לשנות את אותו תחום הדעת. למחקר מסוג זה יש השפעה הן על תחום הדעת שבו מופעלים מודלי למידת המכונה והן על תחום למידת מכונה, כיוון שלרוב הטיפול במידע מצריך אדפטציות לשיטות למידת המכונה והגדרת צינור עיבוד נתונים (pipeline) חדש.

    חשוב לציין שלא בכל תחומי הדעת קיים מידע מטויב. אחת הדרכים לבצע טיוב של נתונים היא באמצעות מיקור המונים. מחקרי עבר הראו כי ישנה השפעה של מנגנון הפיצוי בעבור המשימה ותכנון המשימה על איכותה, לדוגמה, נתינת פידבק חיובי במהלך המשימה עשויה להשפיע על איכות העבודה של עובדי מיקור המונים. וכך, בתחום מיקור המונים אני חוקר כיצד לתמרץ עובדים בפלטפורמות מיקור המונים, כיצד לאמוד את טיב עבודתם, כיצד למנוע נטישה של עובדי מיקור המונים וכיצד לפרק משימות לתתי־משימות, כאלה שעובדי מיקור המונים יכולים לבצע.

    קורסים

    מבוא לתכנות בשפת פייתון

    פייתון מתקדמים

    למידת מכונה

    פרסומים

    פרסומים נבחרים

    1. Taub, G., Elmalech, A., Aharony, N. (2024) Trust and attitude toward information presented using augmented reality and other technological means. Heliyon
    2. Rosenfeld, R., & Elmalech, A. (2023). Information Science Students’ Background and Data Science Competencies: An Exploratory Study. Accepted for publication in the Journal of Education for Library and Information Science. 64 (4), 385-403
    3. Gomez, R., & Elmalech, A. (2023). Empowering the middle management: Incorporating data summarisation and visualisation techniques in management information systems. Journal of Information Science, 0(0). https://doi.org/10.1177/01655515231176649
    4. Yosef, O., Elmalech, A., & Hajaj, C. (2023). Detecting Parallel Covert Data Transmission Channel in Video Conferencing using Machine Learning. Journal of Electronics 12(5) 1-17. https://doi.org/10.3390/electronics12051091
    5. Suissa, O., Zhitomirsky-Geffet, M., & Elmalech, A. (2023). Around the GLOBE: Numerical Aggregation Question-Answering on Heterogeneous Genealogical Knowledge Graphs with Deep Neural Networks. Journal on Computing and Cultural Heritage (JOCCH), 1-24. https://doi.org/10.1145/3586081
    6. Ligumsky, L. K., Cohen, R., Many, A., Elmalech, A., Neiger, R., & Lopian, M. (2023). High order parity improves the perinatal outcome of twin deliveries. American Journal of Perinatology. https://doi.org/10.1055/a-2051-4284
    7. Suissa, O., Elmalech, A., & ZhitomirskyGeffet, M. (2022). Text analysis using deep neural networks in digital humanities and information science. Journal of the Association for Information Science and Technology, 73(2), 268-287. https://asistdl.onlinelibrary.wiley.com/doi/full/10.1002/asi.24544
    8. Suissa, O., Zhitomirsky-Geffet, M., & Elmalech, A. (2022). Toward a Period-specific Optimized Neural Network for OCR Error Correction of Historical Hebrew Texts. ACM Journal on Computing and Cultural Heritage (JOCCH), 15(2), 1-20. https://dl.acm.org/doi/full/10.1145/3479159
    9. Taub, G., Elmalech, A., & Aharony, N. (2022). Willingness to grant access to personal information among augmented reality mobile app users. Personal and Ubiquitous Computing, 1-15. https://link.springer.com/article/10.1007/s00779-022-01700-1
    10. Cohen, R., Kashani Ligumsky, L., Lopian, M., Maiberg, R., Elmalech, A., Olteanu, I., … & Haran, G. (2021). Is vaginal delivery of a breech second twin safe? A comparison between delivery of vertex and non-vertex second twins. The Journal of Maternal-Fetal & Neonatal Medicine, 1-4. https://www.tandfonline.com/doi/abs/10.1080/14767058.2021.2005569
    11. Suissa, O., Zhitomirsky-Geffet, M., & Elmalech, A. (2021) Question answering with deep neural networks for semi-structured heterogeneous genealogical knowledge graphs. Semantic Web, 1-29. https://content.iospress.com/articles/semantic-web/sw222925
    12. Suissa, O., Elmalech, A., & Zhitomirsky-Geffet, M. (2019). Toward the optimized crowdsourcing strategy for OCR post-correction. Aslib Journal of Information Management 1-19. https://www.emerald.com/insight/content/doi/10.1108/AJIM-07-2019-0189/full/html
    13. Elmalech, A., & Grosz, B. J. (2017). " But You Promised": Methods to Improve Crowd Engagement In Non-Ground Truth Tasks. In Fifth AAAI Conference on Human Computation and Crowdsourcing, .21-30
    14. Elmalech, A., Sarne, D. & Grosz, B. (2015). Problem restructuring for better decision making in recurring decision situations. Autonomous Agents and Multi-Agent Systems, 29(1), 1-39. https://doi.org/10.1007/s10458-014-9247-3

    תאריך עדכון אחרון : 28/03/2024