@misc{MTMT:36916031,
	title = {Absztraktkötet - XXI. OGIK Országos Gazdaságinformatikai Konferencia „Adatvezérelt döntéshozatal és MI az üzleti gyakorlatban”},
	url = {https://m2.mtmt.hu/api/publication/36916031},
	isbn = {9789634907718},
	editor = {Lengyel, Péter and Kosztyán, Zsolt Tibor and Füzesi, István},
	publisher = {Debreceni Egyetem Gazdaságtudományi Kar},
	unique-id = {36916031},
	year = {2026},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586; Kosztyán, Zsolt Tibor/0000-0001-7345-8336}
}

@article{MTMT:36948192,
	title = {Machine learning integration in cryptocurrency trading and its fintech implications},
	url = {https://m2.mtmt.hu/api/publication/36948192},
	author = {Lengyel, Péter and Pancsira, János and Füzesi, István},
	doi = {10.1007/s44163-025-00785-w},
	journal-iso = {Discov Artif Intell},
	journal = {Discover Artificial Intelligence},
	volume = {6},
	unique-id = {36948192},
	abstract = {This review synthesises research on fintech implications of integrating machine learning algorithms into cryptocurrency trading strategies to address the fragmented understanding of their impact on trading efficacy, risk management, and financial innovation. The review aimed to evaluate current knowledge on machine learning applications, benchmark algorithmic trading performance, identify risk mitigation techniques, compare algorithm effectiveness, and examine regulatory and ethical considerations. A systematic analysis of diverse methodologies, including supervised, reinforcement, and hybrid learning models across global computational finance and AI literature, was conducted. Findings indicate that deep learning and ensemble methods significantly enhance predictive accuracy and trading profitability under volatile market conditions, while reinforcement learning frameworks improve dynamic portfolio optimisation and risk-adjusted returns. Risk management benefits arise from integrating technical indicators and reward-based safety mechanisms, though universal frameworks remain lacking. Fintech integration advances through blockchain-enabled transparency and automation, yet practical deployment faces scalability and interoperability challenges. Ethical and regulatory discourse is nascent, underscoring the need for responsible AI frameworks to ensure market integrity and investor protection. These findings collectively demonstrate that machine learning substantially transforms cryptocurrency trading strategies, offering enhanced performance and risk control within evolving fintech infrastructures, while highlighting critical gaps in regulatory compliance and ethical governance that warrant focused future research.},
	year = {2026},
	eissn = {2731-0809},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@article{MTMT:37095756,
	title = {The Evolving Landscape of Global Soybean Trade: A Review of Market Dynamics and Sustainability Challenges},
	url = {https://m2.mtmt.hu/api/publication/37095756},
	author = {Friedrich de Oliveira, Henrique and Lengyel, Péter},
	journal-iso = {AGRÁRINFORMATIKA / J AGRICULT INFORM},
	journal = {AGRÁRINFORMATIKA / JOURNAL OF AGRICULTURAL INFORMATICS},
	unique-id = {37095756},
	year = {2026},
	eissn = {2061-862X},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@article{MTMT:35741997,
	title = {Integrating Artificial Intelligence in agricultural higher education: Transforming learning and research},
	url = {https://m2.mtmt.hu/api/publication/35741997},
	author = {Lengyel, Péter and Felvégi, Emese and Füzesi, István},
	doi = {10.17700/jai.2024.15.2.738},
	journal-iso = {AGRÁRINFORMATIKA / J AGRICULT INFORM},
	journal = {AGRÁRINFORMATIKA / JOURNAL OF AGRICULTURAL INFORMATICS},
	volume = {15},
	unique-id = {35741997},
	abstract = {The integration of Artificial Intelligence (AI) in agricultural higher education is transforming the landscape of agricultural practices and research. This paper explores the multifaceted applications of AI technologies in the curriculum and pedagogical approaches of agricultural institutions. By enhancing data analysis, predictive modeling, and decision-making processes, AI empowers students and researchers to tackle complex agricultural challenges such as crop management, pest control, and resource optimization. Furthermore, the study examines the implications of AI on student engagement, skill development, and interdisciplinary collaboration. As agricultural sectors increasingly rely on data-driven solutions, the incorporation of AI in higher education not only prepares future professionals with essential competencies but also fosters innovation in sustainable agricultural practices. This article underscores the critical role of AI in shaping the future of agricultural education and its potential to revolutionize the industry.},
	year = {2025},
	eissn = {2061-862X},
	pages = {1-10},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@article{MTMT:35780939,
	title = {Az „AAA”-videójátékok magyarországi népszerűségét befolyásoló tényezők vizsgálata},
	url = {https://m2.mtmt.hu/api/publication/35780939},
	author = {Balogh, Gergely and Lengyel, Péter and Czine, Péter},
	doi = {10.20311/stat2025.02.hu0167},
	journal-iso = {STATISZTIKAI SZEMLE},
	journal = {STATISZTIKAI SZEMLE},
	volume = {103},
	unique-id = {35780939},
	issn = {0039-0690},
	abstract = {A videójáték-iparban az „AAA” (Triple-A) egy szakszó, amelyet közepes vagy nagy kiadó általgyártott vagy forgalmazott videójátékok osztályozására használunk. Ezek a játékok jellemzően magasabb fejlesztési és marketing-költségvetéssel rendelkeznek, mint a játékok többi fajtája. Kutatásunk során arra kerestük a választ, hogy hazánkban mely tulajdonságok a legfontosabbak a felhasználók számára az „AAA”-játékok esetében. Ezzel a műfajjal kapcsolatos fogyasztói preferenciákvizsgálatához egy nemzetközi téren elterjedt, Best–Worst Scalingként ismert preferenciaértékelő eljárást, annak „object” esetét alkalmaztuk. A következő hét szempontot tartottuk a legjelentősebbnek:ár, folytatás, kiadó, műfaj, platform, kritikusi értékelések, felhasználói értékelések. A primer piackutatásunkban kvantitatív online kérdőíves megkérdezést alkalmaztunk, amelyben 914 fő vett részt.A válaszadók a műfajt tartották a legfontosabb szempontnak. A második és a harmadik legfontosabbszempontként az árat és a platformot választották, ezeket követte a folytatás megléte. A kiadó, afelhasználói értékelések és a kritikusi értékelések voltak a három utolsó szempont a rangsorban.A preferenciaheterogenitás vizsgálata érdekében az egyén szintű Best–Worst-értékekkel további statisztikai számításokat végeztünk. Végül a k-közép klaszterezési eljárás során kapott három klasztereredményeit vizsgáltuk, amelyeket korrespondenciaelemzéssel egészítettünk ki. Az első klaszterbe akevésbé árérzékeny, kiadóra és műfajra nem nagy hangsúlyt fektető, platformot és felhasználói értékeléseket preferáló játékosok tartoztak. A második klaszterbe az árérzékeny, folytatásokkal és platformmal nem foglalkozó, kiadót és műfajt preferáló, fiatal, főleg női válaszadók kerültek, akikegyébként a legritkábban és a legkevesebbet költenek az ilyen típusú játékokra a három klaszter közül. A harmadik klaszterbe a folytatásokat preferáló, értékeléseket elutasító, idősebb és régóta videójátékokkal játszó férfiak tartoztak. Meg kell jegyeznünk azonban, hogy a jövőben az általunk vizsgáltpreferenciák változhatnak, mivel az „AAA”-videójátékok iparága nagyon gyorsan fejlődik. Ezért ajátékosok igényeinek kielégítéséhez folyamatosan alkalmazkodnunk kell ezen a területen.},
	year = {2025},
	pages = {167-193},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@misc{MTMT:36162117,
	title = {A nyers kávé globális kereskedelmi hálózatának szerkezete és dinamikája (2001– 2023) [konferencia előadás]},
	url = {https://m2.mtmt.hu/api/publication/36162117},
	author = {Pancsira, János and Lengyel, Péter},
	unique-id = {36162117},
	year = {2025},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@misc{MTMT:36162125,
	title = {MI-használati indikátorok fejlesztése a hallgatói digitális felkészültség és alkalmazási szokások mérésére [konferencia előadás]},
	url = {https://m2.mtmt.hu/api/publication/36162125},
	author = {Lengyel, Péter and Emese, Felvégi and Füzesi, István},
	unique-id = {36162125},
	year = {2025},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@misc{MTMT:36178912,
	title = {AI in Research: From Theory to Application [plenary session]},
	url = {https://m2.mtmt.hu/api/publication/36178912},
	author = {Lengyel, Péter},
	unique-id = {36178912},
	year = {2025},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@misc{MTMT:36179003,
	title = {Integrating Artificial Intelligence Into Business Higher Education: Findings From A Review Of Literature [conference presentation]},
	url = {https://m2.mtmt.hu/api/publication/36179003},
	author = {Emese, Felvégi and Lengyel, Péter},
	unique-id = {36179003},
	year = {2025},
	orcid-numbers = {Lengyel, Péter/0000-0003-0737-8586}
}

@book{MTMT:36265756,
	title = {Kvantitatív elemzési módszerek a gazdálkodás- és szervezéstudományok területén},
	url = {https://m2.mtmt.hu/api/publication/36265756},
	isbn = {9789634907275},
	author = {Balogh, Péter and Huzsvai, László and Lengyel, Péter and Szenderák, János},
	editor = {Balogh, Péter},
	publisher = {Debreceni Egyetem Gazdaságtudományi Kar},
	unique-id = {36265756},
	year = {2025},
	orcid-numbers = {Balogh, Péter/0000-0002-8611-0221; Lengyel, Péter/0000-0003-0737-8586; Szenderák, János/0000-0003-4252-2125; Balogh, Péter/0000-0002-8611-0221}
}