Dokument został przygotowany przez Komitet Etyki w Nauce PAN. Na posiedzeniu 8 listopada 2019 r. przeprowadzono dyskusję poprzedzoną referatami zaproszonych prelegentów: dr. hab. M. Napiórkowskiego i mgr. J. Zawiły-Niedźwieckiego. Tekst stanowiska napisali prof. dr hab. Paweł Łuków, mgr Jakub Zawiła-Niedźwiecki, red. Karolina Głowacka. Pomocy w redakcji tekstu udzieliła mgr Joanna Wysocka-Andrusiewicz. Po dyskusji członków Komitetu i naniesieniu zmian dokument został przyjęty w głosowaniu, w którym oddano 19 głosów, w tym 18 głosów za przyjęciem stanowiska i 1 przeciw. Do stanowiska zgłoszono zdanie odrębne, które można znaleźć na stronie KEN: http://ken.pan.pl.

Dokumentowi towarzyszą dwa krótkie informatory adresowane do różnych środowisk:

Etyczne aspekty upowszechniania poglądów nienaukowych – informacja dla środowisk naukowych (załącznik nr 1);

Etyczne aspekty upowszechniania poglądów nienaukowych – informacja dla dziennikarek i dziennikarzy (załącznik nr 2).

The aim of this article is to defi ning problems occurring in the spatial management system, including those independent of subsequent legislative changes. The process of adopting decisions to be viable and socially equitable and execute the requirements of spatial order and sunstainable development requires fundamental changes. The study draws a conclusion – important in the context of subsequent research activities – that the varied application of development decisions in diff erent municipalities is also the result of not preparing a large part of the representatives of municipalities for specifi c spatial activities.

Cloud computing has become ubiquitous in modern society, facilitating various applications ranging from essential services to online entertainment. To ensure that Quality of Service (QoS) standards are met, cloud frameworks must be capable of adapting to the changing demands of users, reflecting the societal trend of collaboration and dependence on automated processing systems. This research introduces an innovative approach for link prediction and user cloud recommendation, leveraging nano-grid applications and deep learning techniques within a cloud computing framework. Heuristic graph convolutional networks predict data transmission links in cloud networks. The trust-based hybrid decision matrix algorithm is then employed to schedule links based on user recommendations. The proposed model and several baselines are evaluated using real-world networks and synthetic data sets. The experimental analysis includes QoS, mean average precision, root mean square error, precision, normalized square error, and sensitivity metrics. The proposed technique achieves QoS of 73%, mean average precision of 59%, root mean square error of 73%, precision of 76%, normalized square error of 86%, and sensitivity of 93%. The findings suggest that integrating nano-grid and deep learning techniques can effectively enhance the QoS of cloud computing frameworks.