Interní doktorandi

Kontakty

Pozícia:
Interný doktorand
Adresa
BF348
E-mail
Táto e-mailová adresa je chránená pred spamovacími robotmi. Na jej zobrazenie potrebujete mať nainštalovaný JavaScript.
Telefónne číslo
+421/41/513 32 49

Doplnkové informácie

Doplnkové informácie
Researcher ID: QLV-7730-2026
ORCID Number: https://orcid.org/0009-0007-6511-1683
Pozícia: Interný doktorand, Katedra ekonomiky
Školiteľ: doc. RNDr. Lucia Ďuricová, PhD.
Miestnosť: BF348
Mail: Táto e-mailová adresa je chránená pred spamovacími robotmi. Na jej zobrazenie potrebujete mať nainštalovaný JavaScript.
Telefónne číslo: +421/41/513 32 27
Konzultačné hodiny: Utorok 10:00 - 12:00
ResearchGate: https://www.researchgate.net/profile/Veronika-Labosova

Zabezpečované predmety:

Podnikové plánovanie I. stupeň Bc.
Štatistická analýza pre manažérov II. stupeň Ing.
Štatistická analýza pre manažérov II. stupeň Ing.

Vzdelávanie a graduačný rast:
Ing. – Žilinská univerzita v Žiline, Fakulta prevádzky a ekonomiky dopravy a spojov, odbor: 3.3.16 ekonomika a manažment podniku, názov diplomovej práce: Možnosti financovania vlastného bývania v SR, 2024.

Vedeckovýskumné zameranie:
Predmetom záujmu Ing. Veroniky Labošovej je data mining a strojové učenie a ich využitie v podnikovej praxi. Celé vysokoškolské štúdium absolvovala na Fakulte prevádzky a ekonomiky dopravy a spojov Žilinskej univerzity v Žiline, na Katedre ekonomiky. Bakalárske štúdium ukončila v roku 2022 bakalárskou prácou zameranou na uplatnenie vybraných metód finančno-ekonomickej analýzy v procese hodnotenia finančného zdravia podnikov v podmienkach Slovenskej republiky. Inžinierske štúdium ukončila v roku 2024, pričom vo svojej diplomovej práci sa venovala možnostiam financovania vlastného bývania v Slovenskej republike. V súčasnosti je doktorandkou na Katedre ekonomiky, kde bola na doktorandské štúdium prijatá pod vedením doc. RNDr. Lucie Ďuricovej, PhD., na tému využitia data miningu a strojového učenia v podnikovej praxi. Jej vedeckovýskumná činnosť je orientovaná na praktické uplatnenie data miningu a strojového učenia v ekonomickej a finančnej oblasti. Osobitnú pozornosť venuje klasifikačným a prediktívnym metódam pri hodnotení finančného zdravia a správania podnikov, ako aj problematike spokojnosti zákazníkov a možnostiam jej modelovania. Participuje na riešení dvoch projektov VEGA a jednej grantovej schémy.

Cloudmapa kľúčových slov z publikačnej činnosti Ing. Veroniky Labošovej

Počas pôsobenia na katedre ekonomiky zabezpečuje semináre a cvičenia nasledujúcich predmetov: štatistická analýza pre manažérov, podnikové plánovanie.

Najvýznamnejšie vedecké publikácie:

Duricova, L., & Labosova, V. (2026). Corporate Loan Default Prediction in the Slovak Banking Context: An Interpretable and Ensemble CRISP-DM Pipeline for Credit Risk Assessment. Systems, 14(7), 738. (2024: Q2 – AIS, Scimago; Q1 – JCI, JIF, autorský podiel – 20 %). https://doi.org/10.3390/systems14070738

Labosova, V., Duricova, L., Kramarova, K., & Durica, M. (2026). Garbage in, garbage out? The impact of data quality on the performance of financial distress prediction models. Forecasting, 8(3), 35. (2024: Q2 – AIS, JCI, Q1 – JIF, Scimago, autorský podiel – 25 %). https://doi.org/10.3390/forecast8030035

Vojtekova, S., Kramarova, K., Labosova, V., & Durana, P. (2026). El clásico revisited: Discriminant Analysis versus logistic regression for bankruptcy prediction in the accommodation and food service industry across B9 countries. Mathematics, 14(5), 889. (2024: Q3 – AIS, Q1 – JCI, JIF, Q2 – Scimago, autorský podiel – 25 %). https://doi.org/10.3390/math14050889

Labosova, V., Duricova, L., & Durana, P. (2025). One model fits all? Evaluating bankruptcy prediction across different economic periods. Economies, 13(12), 361. (2024: Q3 – AIS, Q2 – JCI, JIF, Scimago, autorský podiel – 40 %). https://doi.org/10.3390/economies13120361

Témy záverečných prác:

Bakalárske práce
Determinanty spokojnosti zamestnancov
Determinanty finančných ťažkostí podnikov
Uplatnenie umelej inteligencie pri tvorbe marketingovej kampane
Finančné ukazovatele ako indikátory ťažkostí podnikov
Štatistická analýza determinantov spokojnosti zákazníkov
Využitie hĺbkovej analýzy dát a strojového učenia v podnikovej praxi
Využitie hĺbkovej analýzy dát v podnikovej praxi

Scientometrické údaje:

WoS
h-index 1
SCOPUS
h-index 1
Google Scholar
h-index 1
i10-index 0

Projekty:

VEGA 1/0509/24, Predikcia odchodu zákazníka ku konkurencii aplikáciou metód strojového učenia – spoluriešiteľ
VEGA 1/0381/26, Holistický výskum možností aplikácie AI v manažmente podnikov – spoluriešiteľ
Grantová schéma pre doktorandov I-25-028-26, Integrácia algoritmov strojového učenia do procesu hodnotenia spokojnosti zákazníkov s cieľom zvýšenia konkurencieschopnosti podnikov

Predvoľby používateľov súborov cookie
Používame cookies, aby sme vám zaistili čo najlepší zážitok na našej webovej stránke. Ak odmietnete používanie cookies, táto webová stránka nemusí fungovať podľa očakávania.
Prijať všetky
Odmietnuť všetky
Essential
Tieto súbory cookie sú potrebné na správne fungovanie webovej stránky. Nemôžete ich zakázať.
Core
Prijať
Analytics
Nástroje používané na analýzu údajov na meranie efektívnosti webovej lokality a na pochopenie jej fungovania.
Google Analytics
Prijať
Odmietnuť
Marketing
Súbor techník, ktorých cieľom je obchodná stratégia a najmä štúdium trhu.
YouTube
Prijať
Odmietnuť
Uložiť