Autori: Milena SHEHU

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Statistikë dhe Informatikë e Zbatuar / Statistikë dhe Matematikë e Aplikuar në Ekonomi

• Data e publikimit: 15.06.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Milena SHEHU

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

Abstrakti

Transformimet teknologjike dhe globalizimi kanë rritur ndjeshëm kompleksitetin e tregut të punës, duke e bërë identifikimin dhe analizën e aftësive të kërkuara nga punëkërkuesit një sfidë metodologjike dhe institucionale.

Ky disertacion fokusohet në përdorimin e algoritmeve të Modelimit të Temave (TM) për analizën automatike të shpalljeve të pozicioneve vakante të punës në Shqipëri, me theks të veçantë në aplikimin e algoritmit Latent Dirichlet Allocation (LDA) për identifikimin e strukturave tematike dhe modeleve të aftësive joteknike.

Fillimisht, analizohen teorikisht algoritmet kryesore të modelimit tematik, përfshirë LSA, NMF, LDA dhe BERTopic, duke analizuar avantazhet dhe kufizimet e tyre në kushtet e të dhënave tekst në gjuhën shqipe. Në vijim, LDA analizohet me detaje nga këndvështrimi statistikor dhe zbatohet mbi një korpus shpalljesh pune për të nxjerrë tema koherente dhe aftësi dominuese të kërkuara nga tregu i punës shqiptar,

Kontributi praktik kryesor i disertacionit është zhvillimi i aplikacionit “Harta e Aftësive”, i ndërtuar në gjuhën R Shiny. Aplikacioni mundëson ngarkimin dhe përpunimin paraprak të përshkrimeve të pozicioneve vakante të punës, analizimin vetëm të seksioneve të kërkesave dhe përshkrimit të punës, identifikimin dhe kategorizimin e aftësive joteknike, duke aplikuar algoritmin LDA dhe përpunimin gjuhësor me UDPipe për gjuhën shqipe.

Fusha: Statistikë dhe Matematikë e Aplikuar në Ekonomi

Fjalët kyce: Latent Dirichlet Allocation, Modelimi i Temave, Aftësi joteknike, Përpunimi i Gjuhës Natyrore, Tregu i punës në Shqipëri

Abstract

Technological transformations and globalization have significantly increased the complexity of the labor market, turning the identification and analysis of necessary skills into both a methodological and institutional challenge.

This study examines the use of topic modeling algorithms for the automated analysis of job vacancy postings in Albania, with a particular focus on applying the Latent Dirichlet Allocation (LDA) algorithm to uncover thematic structures and patterns related to non-technical skills. The study first provides a theoretical analysis of the main Topic Modelling algorithms, including LSA, NMF, LDA, and BERTopic, examining their advantages and limitations when applied to a corpus with text data written in Albanian language. Further in the thesis, LDA is analyzed in detail from a statistical perspective and applied to a corpus of job advertisements to extract coherent topics and dominant skills demanded by the Albanian labor market.

The main practical contribution of the dissertation is the development of the “Harta e Aftësive” application, built using R Shiny. The application enables users to upload and preprocess job vacancy descriptions, analyze only the requirements and job description sections, identify and categorize non- technical skills, by applying the LDA algorithm and UDPipe for the Albanian language.

Field of study: Statistics and Applied Mathematics in Economics

Keywords: Latent Dirichlet Allocation, Topic Modeling, Soft Skills, Natural Language Processing, Albanian Labor Market

The post Milena SHEHU -VLERËSIMI I AFTËSIVE JOTEKNIKE PËRMES APLIKIMIT TË ALGORITMEVE TË MACHINE LEARNING REKOMANDIME PËR INSTITUCIONET PUBLIKE TË PUNËSIMIT NË SHQIPËRI appeared first on UNIVERSITETI I TIRANËS.

Autori: Malvina XHABAFTI 

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Sisteme Informacioni Ekonomi

• Data e publikimit: 11.06.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Malvina XHABAFTI 

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

Abstrakti

Ky disertacion trajton parashikimin e ekstremeve hidroklimatike përmes një kornize hibride që integron modele statistikore të serive kohore me metoda inteligjente (rrjete neurale), me synim rritjen e saktësisë dhe të aftësisë paralajmëruese për episode kritike. Studimi fokusohet në dy fenomene me rëndësi për kontekstin shqiptar: thatësirat përmes indeksit SPEI6 në zonën e Fierit dhe përmbytjet përmes reshjeve kumulative P3d në zonën e Shkodrës. Modelet individuale statistikore (SARIMAX) dhe neurale (ANN, LSTM) krahasohen me arkitektura hibride të ndërtuara sipas parimit “model bazë + korrigjues”, ku komponenti statistikor kap strukturën kryesore të sinjalit, ndërsa komponenti neural mëson pjesën jolineare përmes mësimit të mbetjeve. Vlerësimi realizohet në dy dimensione: parashikim regresiv i serisë dhe identifikim/klasifikim i ngjarjeve ekstreme, duke përdorur metrika të përshtatshme për klasat e pabalancuara dhe testim të bazuar në kohë për të ruajtur integritetin kronologjik. Rezultatet e analizës krahasuese tregojnë se modelet hibride janë më të balancuara dhe më efektive se modelet individuale sepse përmirësojnë njëkohësisht saktësinë e parashikimit regresiv dhe aftësinë paralajmëruese për identifikimin e ngjarjeve ekstreme. Brenda secilit fenomen, hibridet japin performancë më të plotë duke reduktuar gabimin mesatar dhe duke rritur cilësinë e sinjalizimit për evente të rralla ndërsa krahasimi ndër fenomene konfirmon se avantazhi i hibridizimit ruhet edhe kur ndryshon dinamika e procesit, duke e bërë qasjen hibride një strategji të qëndrueshme parashikimi për ekstreme hidroklimatike.

Fusha: Statistikë dhe Matematikë e Aplikuar në Ekonomi

Fjalët kyce: Metoda hibride, SARIMAX, ANN, LSTM, mësimi i mbetjeve, thatësira, SPEI6, përmbytje, P3d, ngjarje ekstreme;

Abstract

This dissertation addresses the forecasting of hydroclimatic extremes through a hybrid framework that integrates statistical time-series models with intelligent methods (neural networks), aiming to improve both predictive accuracy and early-warning capability for critical episodes. The study focuses on two phenomena of high relevance in the Albanian context: droughts, represented by the SPEI6 index in the Fier region, and flood-related extremes, represented by cumulative 3-day precipitation (P3d) in the Shkodër region. Standalone statistical (SARIMAX) and neural models (ANN, LSTM) are benchmarked against hybrid architectures designed under a “base model + corrector” principle, where the statistical component captures the dominant structure of the signal, while the neural component learns the remaining nonlinear dynamics via residual learning. Evaluation is performed along two dimensions: continuous (regression) forecasting of the target series and identification/classification of extreme episodes, using metrics appropriate for imbalanced classes and time-based testing to preserve chronological integrity. Comparative results show that hybrid models are more balanced and more effective than standalone models because they simultaneously improve regression forecasting accuracy and early-warning performance for extreme-event identification. Within each phenomenon, hybrids deliver more comprehensive performance by reducing average error and strengthening the quality of signaling for rare events, while cross-phenomenon comparisons confirm that the hybrid advantage remains robust even when process dynamics change, supporting hybridization as a stable forecasting strategy for hydroclimatic extremes.

Field of study: Applied Statistics and Mathematics in Economy

Keywords: Hybrid methods, SARIMAX, ANN, LSTM, residual learning, drought, SPEI6, floods, P3d, extreme events;

The post Malvina XHABAFTI – PARASHIKIME ME ANЁ TЁ METODAVE HIBRIDE: SASIORE DHE INTELIGJENTE  appeared first on UNIVERSITETI I TIRANËS.

Autori: Morena BRESHANAJ

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Sisteme Informacioni Ekonomi

• Data e publikimit: 11.06.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Morena BRESHANAJ

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

Abstrakti

Kërkesa turistike në Shqipëri ka njohur rritje të ndjeshme gjatë dekadës së fundit, duke e bërë parashikimin e saj një element thelbësor për planifikimin ekonomik, zhvillimin e politikave dhe menaxhimin e kapaciteteve në sektorin publik dhe privat. Kjo tezë trajton modelimin dhe parashikimin e flukseve mujore të turistëve jorezidentë për periudhën 2016–2024 duke integruar metoda tradicionale statistikore, metoda të IA bashkëkohore dhe struktura hibride. Fillimisht, analiza eksploruese nxori në pah trendin rritës afatgjatë dhe sezonalitetin e fortë veror, si dhe ndërprerjet strukturore të lidhura me krizën globale të viteve 2020–2021. Më pas u testuan modele si ARIMA, Theta, Holt–Winters, Regresioni Linear, SVR, XGBoost, ANN, Prophet etj., duke përdorur një ndarje të rreptë train–test 80/20. Rezultatet treguan se disa modele IA arrijnë saktësi të lartë në metrika. Metodat hibride, të cilat kombinojnë qëndrueshmërinë strukturore të modeleve statistikore me fleksibilitetin e komponentëve algoritmikë, ofruan parashikimet më të qëndrueshme për horizontin 60-mujor. Renditja shumëkriteriale me PROMETHEE II mundësoi një vlerësim të balancuar të performancës së modeleve. Teza jep kontribut metodologjik duke propozuar një kornizë të përgjithshme hibride për parashikimin afatmesëm dhe afatgjatë në turizëm, e cila mund të zbatohet edhe në kontekste të tjera rajonale.

Fusha: Statistikë dhe matematikë e aplikuar në ekonomi

Fjalët kyçe: Modelim, parashikim, metoda statistikore, metoda IA, metoda hibride, turizëm, PROMETHEE II, grafik interatikv

Abstract

Tourism demand in Albania has experienced significant growth over the last decade, making its forecasting an essential element for economic planning, policy development, and capacity management in the public and private sectors. This thesis deals with the modeling and forecasting of monthly non-resident tourist flows for the period 2016–2024 by integrating traditional statistical methods, contemporary algorithmic approaches, and hybrid structures. Initially, exploratory analysis highlighted the long-term upward trend and strong summer seasonality, as well as structural disruptions related to the global crisis of 2020–2021. Models such as ARIMA, Theta, Holt–Winters, Linear Regression, SVR, XGBoost, ANN, Prophet, etc. were then tested, using a strict 80/20 train–test split. The results showed that some algorithmic models achieve high accuracy in the metrics. Hybrid methods, which combine the structural robustness of statistical models with the flexibility of algorithmic components, provided the most robust forecasts for the 60-month horizon. Multi-criteria ranking with PROMETHEE II enabled a balanced assessment of the models’ performance. The thesis makes a methodological contribution by proposing a general hybrid framework for medium- and long-term forecasting in tourism, which can also be applied in other regional contexts.

Field of study: Statistics and applied mathematics in economics

Keywords: Modeling, forecasting, statistical methods, AI methods, hybrid methods, tourism, PROMETHEE II, interactive graphics

The post Morena BRESHANAJ – MODELIMI DHE PARASHIKIMI I NUMRIT TË TURISTËVE NË SHQIPËRI. Një krahasim i metodave tradicionale, inteligjencës artificiale dhe metodave hibride appeared first on UNIVERSITETI I TIRANËS.

Autori: Hafsa LAÇI 

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Sisteme Informacioni Ekonomi

• Data e publikimit: 11.06.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Hafsa LAÇI 

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

Abstrakti

Modelet deep learning kanë luajtur një rol gjithmonë e më të rëndësishëm në fushën e mjekësisë, duke mundësuar automatizimin e shumë proceseve që deri më sot janë kryer në mënyrë manuale nga mjekët. Ndër këto procese, klasifikimi i imazheve mjekësore paraqet rëndësi të veçantë, pasi ndihmon në kufizimin e subjektivitetit që shoqëron interpretimin manual të tyre. Megjithatë, integrimi i këtyre modeleve në kontekste reale mjekësore mbetet një sfidë e hapur. Shumica e studimeve ekzistuese e vlerësojnë performancën e modeleve në kushte eksperimentale të idealizuara, të cilat nuk pasqyrojnë kompleksitetin real të të dhënave mjekësore. Për më tepër, ato abstragojnë nga çështje të rëndësishme të lidhura me privatësinë e të dhënave, interpretueshmërinë e vendimeve të modelit, kostot e burimeve llogaritëse të nevojshme, si dhe impaktin mjedisor të proceseve të zbatuara.

Ky disertacion e trajton procesin e klasifikimit si një problem shumëdimensional, i cili shkon përtej optimizimit të thjeshtë të performancës së modelit. Qëllimi i tij është të konceptojë, ndërtojë dhe vlerësojë një pipeline të strukturuar për automatizimin e procesit të klasifikimit të imazheve mjekësore në kushte reale klinike, duke garantuar riprodhueshmëri, besueshmëri dhe zbatueshmëri praktike.

Pipeline-i i propozuar USafePCOS-XNet përfshin mbledhjen dhe strukturimin e të dhënave mjekësore, de- identifikimin e tyre në përputhje me standardet ligjore HIPAA dhe GDPR, si dhe trajnimin, vlerësimin dhe interpretimin e rezultateve të një modeli deep learning të mbështetur në rrjetin bazë EfficientNetB0. Konteksti i aplikimit është klasifikimi i sindromës së vezoreve policistike (PCOS) duke përdorur imazhe ekografike të mbledhura nga një klinikë private. Modeli vlerësohet përmes një protokolli rigoroz eksperimental, i cili përfshin ndarjen e të dhënave në nivel pacienti, 5-fold cross-validation, si dhe përdorimin e metrikave të përshtatshme për probleme me disbalancë ndërmjet klasave (PCOS dhe NON_PCOS).

Për të rritur besueshmërinë e rezultateve integrohet teknika Grad-CAM, e cila ka për qëllim interpretimin e vendimmarrjes së modelit. Paralelisht, vlerësohen aspekte të qëndrueshmërisë, si kohëzgjatja e procesit, energjia e konsumuar dhe gjurma e karbonit. Ky studim propozon një qasje metodologjike gjithëpërfshirëse për automatizimin e klasifikimit të imazheve mjekësore, e menduar për t’u zbatuar në praktikë në mënyrë të besueshme dhe të përgjegjshme.

Fusha:

Sisteme Informacioni në Ekonomi

Fjalët kyce:

Deep learning, klasifikimi i imazheve mjekësore, PCOS, de-identifikim, interpretueshmëri (XAI), qëndrueshmëri

JEL code: C45, I11, I18

Abstract

Deep learning models have had a major impact in the field of medicine, enabling the automation of many processes that have traditionally been performed manually by medical experts. Among these processes, medical image classification is of particular importance, as it contributes to reducing the subjectivity associated with their manual interpretation. However, the integration of such models into real-world clinical settings remains an open challenge. The majority of existing studies evaluate model performance under idealized experimental conditions, which fail to reflect the real-world complexity of medical data. Moreover, they often abstract away from critical issues related to data privacy, the interpretability of model decisions, the computational resources required, and the environmental impact of the applied procedures.

This dissertation considers the classification process as a multidimensional problem, rather than a task limited to optimizing model performance. Its main objective is to design, develop, and rigorously evaluate a structured pipeline for the automation of medical image classification under real clinical conditions, while ensuring reproducibility, reliability, and practical applicability.

The proposed USafePCOS-XNet pipeline consists of a sequence of well-defined phases, including the collection and structuring of medical data, their de-identification in compliance with HIPAA and GDPR legal standards, as well as the training and evaluation of a deep learning model based on the EfficientNetB0 backbone, followed by the interpretation of the model outputs. The application context is the classification of Polycystic Ovary Syndrome (PCOS) using ultrasound images collected from a private clinic. The model is evaluated through a rigorous experimental protocol that includes patient-level data splitting, 5-fold cross-validation, and the use of evaluation metrics appropriate for classification problems with imbalance between classes (PCOS and NON_PCOS).

To enhance the reliability of the results, the Grad-CAM technique is integrated with the aim of interpreting the model’s decision-making process. In parallel, sustainability aspects are evaluated, including process execution time, energy consumption, and the associated carbon footprint. This study proposes a comprehensive methodological approach for the automation of medical image classification, intended to be implemented in practice in a reliable and responsible manner.

Field of study:

Information Systems in Economics

Keywords:

Deep learning, medical image classification, PCOS, de-identification, interpretability (XAI), sustainability

JEL code: C45, I11, I18

The post Hafsa LAÇI – Automatizimi i procesit të klasifikimit të imazheve mjekësore nëpërmjet deep learning appeared first on UNIVERSITETI I TIRANËS.

• Autori: Denisa MILLO

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Sisteme Informacioni Ekonomi

• Data e publikimit: 27.04.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Denisa MILLO

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

Abstrakti:

Ky studim adreson mungesën e korpuseve gjuhësore në gjuhën shqipe, veçanërisht në fushën ekonomike, ku analiza tekstuale kërkon saktësi të lartë dhe modele të afta për të kapur nuancat semantike. Punimi i përgjigjet pyetjeve kërkimore lidhur me ndërtimin e korpusit, gjetjen e modeleve transformuese të përshtatshme për gjuhën shqipe, krahasimin e tyre për gjetjen e modelit me performancë më të mirë dhe adresimin e kufizimeve metodologjike dhe teknike. 

Analiza e literaturës konfirmon se modelet XLM-R dhe DistilBERT janë modele më të përshtatshëm për gjuhët me burime të pakëta, të cilat të kombinuara me Regresin Logjistik përdoren për klasifikimin shumëklasësh të emocioneve. 

Analiza krahasuese dhe rezultatet tregojnë se DistilBERT-i, falë kompaktësisë dhe efikasitetit llogaritës, arrin performancë më të qëndrueshme në korpusin e përdorur në gjuhën shqipe, me F1-score 0.76 kundrejt 0.72 të XLM-R-së. Analiza e matricave të konfuzionit konfirmoi aftësinë e DistilBERT-it për të diferencuar më qartë emocionet semantikisht të përafërta. 

Megjithatë, studimi vuri në dukje kufizime të rëndësishme, përfshirë mungesën e korpuseve të mëdha në shqip, morfologjinë komplekse të gjuhës, mungesën e përshtatjes së imët (fine-tuning) të plotë dhe kufizimet infrastrukturore në trajtimin e modeleve shumëgjuhëshe. Rekomandimet përfshijnë zgjerimin e korpuseve ekonomike në gjuhën shqipe, ndërtimin e tokenizuesve të dedikuar për shqipen dhe përdorimin e GPU-ve ose TPU-ve për trajnime të avancuara. 

Studimi kontribuoi në themelimin e një baze shkencore empirike për krijimin dhe analizën emocionale për tekstin mediatiko-ekonomik.. Metodologjia e krijuar mund të përdoret në tekste të tjera dhe hedh themelet për identifikimin e problemeve të mashtrimit apo propagandës së realizuar me mjete mediatike. 

Nënfusha e Studimit: 

Sistemet e Informacioni në Ekonomi 

Kodi i nënfushës: 061 sipas ISCED-06. 

Fjalët kyce: 

Përpunimi i gjuhës natyrore (NLP), analizë emocionale, korpusi ekonomik në gjuhën shqipe, transformuesit, XLM-R-i, DistilBERT, Regresioni logjistik, gjuhët me burime të kufizuara, metrika F1- score. 

Abstract:

This study addresses the lack of language corpora in the Albanian language, especially in the economic domain, where textual analysis requires high accuracy and models capable of capturing semantic nuances. The paper responds to research questions related to corpus construction, identifying suitable transformer models for Albanian language, comparing them to determine the best-performing model, and addressing methodological and technical limitations. 

The literature review confirms that XLM-R and DistilBERT are among the most suitable models for low- resource languages, and that, when combined with Logistic Regression, they can be used for multiclass emotion classification. 

The comparative analysis and results show that DistilBERT, thanks to its compactness and computational efficiency, achieves more stable performance for Albanian language corpora used , with an F1-score of 0.76 compared to 0.72 for XLM-R. The analysis of the confusion matrices confirmed DistilBERT’s ability to differentiate more clearly between semantically similar emotions. 

However, the study highlighted important limitations, including the absence of large Albanian corpora, the complex morphology of the language, the lack of full fine-tuning, and infrastructural constraints when working with multilingual models. Recommendations include expanding Albanian economic corpora, building dedicated tokenizers for Albanian, and using GPUs or TPUs for advanced training. 

The study contributed to establishing an empirical scientific foundation for emotion media-aconomical corpus creation and analysis. The proposed methodology can be applied to other texts and lays the groundwork for identifying issues of deception or propaganda produced through media tools. 

Sub-Field: 

Information Systems in Economics 

Code: 061 as per ISCED-06. 

Keywords: 

Natural Language Processing (NLP), emotion analysis, Albanian economic corpus, transformers, XLM- R, DistilBERT, Logistic Regression, low-resource languages, F1-score metric. 

The post Denisa MILLO – ANALIZA EMOCIONALE PËR KORPUSIN E TEKSTIT MEDIATIKO-EKONOMIK NË GJUHËN SHQIPE. ZGJEDHJA E MODELIT OPTIMAL DUKE PËRDORUR TRANSFORMUESIT. appeared first on UNIVERSITETI I TIRANËS.

• Autori: Etion KAPEDANI

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Sisteme Informacioni Ekonomi

• Data e publikimit: 13.03.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Etion KAPEDANI

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)

Abstrakti

Në periudhën 2009-2023, prokurimi publik shkon nga 7-14% të PBB-së së Shqipërisë dhe nëpërmjet Sistemit Elektronik të Prokurimit janë kontraktuar mbi 10 miliardë Euro. Qëllimi i këtij punimi është të analizojë ecurinë e konkurrencës gjatë 15 viteve dhe të rekomandojë përmirësime të këtij sistemi elektronik.

Si burim të dhënash janë përdorur Analizat Vjetore të Agjencisë së Prokurimit Publik, si dhe të dhënat e seksionit Open Data në faqen e kësaj agjencie. Këto të dhëna janë anonimizuar, agreguar sipas kategorive, analizuar me programe statistikore, në mënyrë që, nëpërmjet Regresit Linear të kuptohen tendencat kohore të indikatorëve. Gjithashtu, ky studim ka anketuar përdoruesit e këtij sistemi elektronik, firmat private, për të kuptuar nevojat e tyre. Për më tepër, ky studim ka nxjerrë në pah nevojën për strukturim të mëtejshëm të të dhënave.

Ky studim kuantitativ sjell rezultat mikse. Në fillim shihet përmirësim i konkurrencës në Blerjet me Vlera të Vogla dhe në Prokurimin e Drejtpërdrejtë dhe, më pas, fenomeni i tenderëve me 1 ofertë të vetme në pjesën tjetër të prokurimit. Koeficienti i Korrelacionit dhe R-Squared tregojnë për një lidhje të fortë lineare ndërmjet konkurrencës dhe përdorimit të fondeve publike.

Ky studim rekomandon përditësimin e këtij sistemi elektronik duke strukturuar të dhënat dhe duke shtuar modulin e menaxhimit të kontratave, që do të mundësojë ndjekjen dhe gjurmimin e zbatimit të kontratave, si në aspektin kohor po ashtu edhe në atë financiar.

Fusha: Sisteme informacioni në ekonomi

Fjalët kyçe: sistem elektronik, e-Procurement, prokurim publik, konkurrencë.

JEL code: H57, H83, D73, K23, O38

Abstract  

Në periudhën 2009-2023, prokurimi publik shkon nga 7-14% të PBB-së së Shqipërisë dhe nëpërmjet Sistemit Elektronik të Prokurimit janë kontraktuar mbi 10 miliardë Euro. Qëllimi i këtij punimi është të analizojë ecurinë e konkurrencës gjatë 15 viteve dhe të rekomandojë përmirësime të këtij sistemi elektronik.

Si burim të dhënash janë përdorur Analizat Vjetore të Agjencisë së Prokurimit Publik, si dhe të dhënat e seksionit Open Data në faqen e kësaj agjencie. Këto të dhëna janë anonimizuar, agreguar sipas kategorive, analizuar me programe statistikore, në mënyrë që, nëpërmjet Regresit Linear të kuptohen tendencat kohore të indikatorëve. Gjithashtu, ky studim ka anketuar përdoruesit e këtij sistemi elektronik, firmat private, për të kuptuar nevojat e tyre. Për më tepër, ky studim ka nxjerrë në pah nevojën për strukturim të mëtejshëm të të dhënave.

Ky studim kuantitativ sjell rezultat mikse. Në fillim shihet përmirësim i konkurrencës në Blerjet me Vlera të Vogla dhe në Prokurimin e Drejtpërdrejtë dhe, më pas, fenomeni i tenderëve me 1 ofertë të vetme në pjesën tjetër të prokurimit. Koeficienti i Korrelacionit dhe R-Squared tregojnë për një lidhje të fortë lineare ndërmjet konkurrencës dhe përdorimit të fondeve publike.

Ky studim rekomandon përditësimin e këtij sistemi elektronik duke strukturuar të dhënat dhe duke shtuar modulin e menaxhimit të kontratave, që do të mundësojë ndjekjen dhe gjurmimin e zbatimit të kontratave, si në aspektin kohor po ashtu edhe në atë financiar.

Fusha: Sisteme informacioni në ekonomi

Fjalët kyçe: sistem elektronik, e-Procurement, prokurim publik, konkurrencë.

JEL code: H57, H83, D73, K23, O38 

The post Etion KAPEDANI – Përmirësimi i Sistemit Elektronik të Prokurimit Publik appeared first on UNIVERSITETI I TIRANËS.

• Autori: Megi MARKU 

• Institucioni: Universiteti i Tiranës,  Fakulteti i Ekonomisë, Departamenti i Statistikës dhe Informatikës së Zbatuar

• Fusha e studimit:  Sisteme Informacioni Ekonomi

• Data e publikimit: 09.03.2026

• Disertacioni gjendet i publikuar në Gjuhën Shqipe

© E drejta e autorit: Megi MARKU

Publikuar nga Universiteti i Tiranës
Bazuar në aktet ligjore, rregulloreve dhe politikave të UT-ës

👉 Klikoni këtu për të parë disertacionin e plotë (PDF)