Dr. Elena Petrova
Ricercatrice dati
In EveryInfra Elena stabilisce i limiti di conformità ed etica dei dati: quali dati si possono raccogliere, come vengono conservati e come vengono sanitizzati. Rivede anche la formulazione dei nostri termini legali.
Formazione
- Higher School of Economics (Mosca), laurea triennale e magistrale in Matematica applicata e informatica (2007–2012)
- Max Planck Institute for Software Systems, dottorato di ricerca in scienze sociali computazionali (2012–2018)
Esperienze precedenti
- MPI-SWS (Kaiserslautern) — Ricercatrice post-dottorato (2018–2021)
- Un istituto di ricerca sui diritti digitali (Berlino) — Ricercatrice (2021–2024)
Articoli di Dr. Elena Petrova
- Report settimanale sulla verifica dell'età: test su 1.800 recensioni di app
Un report settimanale basato sui dati può mostrare come le regole sulla verifica dell'età si applicano davvero nelle app? Abbiamo letto 1.800 recensioni di Google Play e tutti i 2.604 commenti pubblici sull'EU KIDS Act, escludendo dai dati ogni campo personale.
- Le licenze AI per le news passano al pagamento per uso: 8 eventi e un test di ricerca
In 30 giorni Google, Cloudflare e la coalizione di editori SPUR hanno spinto le licenze per le news verso un pagamento per ogni uso da parte dell'AI. Nessuno ha ancora stabilito chi conteggia un uso. Abbiamo testato come tre strumenti di ricerca fanno emergere i documenti originali dietro otto di questi eventi.
- Come costruire un flusso di screening delle liste di sanzioni: dalle corrispondenze sui nomi a una revisione tracciabile per l'audit
Scaricare le liste ed eseguire un fuzzy matching è solo l'inizio. Questo articolo spiega come versioni delle liste, corrispondenza di nomi ed entità, titolarità effettiva, revisione umana, monitoraggio continuo, gestione del degrado del servizio e prove per l'audit si combinano in un prodotto di screening.
- Monetizzare i dati delle gare d'appalto pubbliche: dall'acquisizione dei bandi agli abbonamenti per opportunità commerciali di settore
Le informazioni sulle gare d'appalto pubbliche sono già consultabili: perché pagare un abbonamento? Prendendo come riferimento i dati ufficiali di TED, questo articolo esamina il filtraggio per settore, la verifica dei requisiti, le scadenze e le modifiche di versione, la collaborazione in team e le modalità di collaudo di un servizio in abbonamento per le opportunità di gara.
- Il coding con l'AI ha davvero migliorato l'efficienza? Non trattare tre tipi di prove come un'unica conclusione
Riporta nei rispettivi contesti l'esperimento randomizzato di METR del 2025, gli aggiornamenti del disegno sperimentale del 2026 e i sondaggi tra i lavoratori tecnici, distinguendo velocità dei task, impegno manuale e valore consegnato per definire le metriche di valutazione del tuo team.