Συγγραφέας: Κουτρουμάνη Όλγα Λέξεις Κλειδιά: Κινητές υπολογιστικές συσκευές, Προσχολική ηλικία
Σύνοψη: Η χρήση των κινητών υπολογιστικών συσκευών έχει αυξηθεί σημαντικά τα τελευταία χρόνια και έχει επεκταθεί σε διάφορες ανθρώπινες δραστηριότητες. Οι συσκευές αυτές μεταφέρονται εύκολα και προσφέρουν τη δυνατότητα σύνδεσης σε ασύρματα δίκτυα και δίκτυα κινητής τηλεφωνίας με σκοπό την επικοινωνία και γενικά την ανταλλαγή δεδομένων. Τα χαρακτηριστικά αυτά καθιστούν τις συσκευές εργαλεία ιδιαίτερα χρήσιμα και ελκυστικά, τα οποία μπορούν να αξιοποιηθούν στην εκπαίδευση με τη χρήση των κατάλληλων εφαρμογών. Σκοπός της συγκεκριμένης έρευνας είναι η μελέτη της χρήσης των κινητών υπολογιστικών συσκευών στην προσχολική ηλικία. Συγκεκριμένα, μελετώνται οι αναπαραστάσεις των μαθητών για τις κινητές υπολογιστικές συσκευές και οι μεταβολές σε αυτές μετά την διδακτική παρέμβαση. Παράλληλα, παρατηρείται η αλληλεπίδραση των μαθητών με τη συσκευή κατά τη διάρκεια της εκπαιδευτικής διαδικασίας και εξετάζεται η αλληλεπίδραση των μαθητών μεταξύ τους . Για το σκοπό της έρευνας σχεδιάστηκε ένα εκπαιδευτικό σενάριο, το οποίο αξιοποιεί εφαρμογές Android που ανήκουν σε διάφορες κατηγορίες λογισμικών. Η παρούσα έρευνα αποτελεί μία μελέτη περίπτωσης και για τη συλλογή των δεδομένων χρησιμοποιήθηκε η ατομική ημιδομημένη συνέντευξη, η συμμετοχική παρατήρηση και η ηχογράφηση. Τα εργαλεία συλλογής δεδομένων που χρησιμοποιήθηκαν ήταν οι ερωτήσεις των συνεντεύξεων και οι ηχογραφημένες συνομιλίες των μαθητών κατά την εργασία τους στις ομάδες. Από την έρευνα προκύπτει ότι τα παιδιά προσχολικής ηλικίας αντιλαμβάνονται τις βασικές λειτουργίες των υπολογιστικών συσκευών και μπορούν να αλληλεπιδράσουν με αυτές χωρίς σημαντικές δυσκολίες. Επίσης καλλιεργούν σε κάποιο βαθμό τις επικοινωνιακές τους δεξιότητες ως μέλη μίας ομάδας. Η εποικοδομητική χρήση των κινητών υπολογιστικών συσκευών κατά την εκπαιδευτική διαδικασία, βασίζεται σε σημαντικό βαθμό στον προσεκτικό σχεδιασμό δραστηριοτήτων και στη χρήση κατάλληλων εφαρμογών.
Σύνοψη: Οι αλγόριθμοι μηχανικής μάθησης είναι επιθυμητό να είναι σε θέση να γενικεύσουν για οποιασδήποτε κλάση με ίδια ακρίβεια. Δηλαδή σε ένα πρόβλημα δύο κλάσεων - θετικών και αρνητικών περιπτώσεων - ο αλγόριθμος να προβλέπει με την ίδια ακρίβεια και τα θετικά και τα αρνητικά παραδείγματα. Αυτό είναι φυσικά η ιδανική κατάσταση. Σε πολλές εφαρμογές οι αλγόριθμοι καλούνται να μάθουν από ένα σύνολο στοιχείων, το οποίο περιέχει πολύ περισσότερα παραδείγματα από τη μια κλάση σε σχέση με την άλλη. Εν γένει, οι επαγωγικοί αλγόριθμοι είναι σχεδιασμένοι να ελαχιστοποιούν τα σφάλματα. Ως συνέπεια οι κλάσεις που περιέχουν λίγες περιπτώσεις μπορούν να αγνοηθούν κατά ένα μεγάλο μέρος επειδή το κόστος λανθασμένης ταξινόμησης της υπερ-αντιπροσωπευόμενης κλάσης ξεπερνά το κόστος λανθασμένης ταξινόμησης της μικρότερη κλάση. Το πρόβλημα των ανομοιογενών συνόλων δεδομένων εμφανίζεται και σε πολλές πραγματικές εφαρμογές όπως στην ιατρική διάγνωση, στη ρομποτική, στις διαδικασίες βιομηχανικής παραγωγής, στην ανίχνευση λαθών δικτύων επικοινωνίας, στην αυτοματοποιημένη δοκιμή του ηλεκτρονικού εξοπλισμού, και σε πολλές άλλες περιοχές. Η παρούσα διπλωματική εργασία με τίτλο ‘Μηχανική Μάθηση με Ανομοιογενή Δεδομένα’ (Machine Learning with Imbalanced Data) αναφέρεται στην επίλυση του προβλήματος αποδοτικής χρήσης αλγορίθμων μηχανικής μάθησης σε ανομοιογενή/ανισοκατανεμημένα δεδομένα. Η διπλωματική περιλαμβάνει μία γενική περιγραφή των βασικών αλγορίθμων μηχανικής μάθησης και των μεθόδων αντιμετώπισης του προβλήματος ανομοιογενών δεδομένων. Παρουσιάζεται πλήθος αλγοριθμικών τεχνικών διαχείρισης ανομοιογενών δεδομένων, όπως οι αλγόριθμοι AdaCost, Cost Senistive Boosting, Metacost και άλλοι. Παρατίθενται οι μετρικές αξιολόγησης των μεθόδων Μηχανικής Μάθησης σε ανομοιογενή δεδομένα, όπως οι καμπύλες διαχείρισης λειτουργικών χαρακτηριστικών (ROC curves), καμπύλες ακρίβειας (PR curves) και καμπύλες κόστους. Στο τελευταίο μέρος της εργασίας προτείνεται ένας υβριδικός αλγόριθμος που συνδυάζει τις τεχνικές OverBagging και Rotation Forest. Συγκρίνεται ο προτεινόμενος αλγόριθμος σε ένα σύνολο ανομοιογενών δεδομένων με άλλους αλγόριθμους και παρουσιάζονται τα αντίστοιχα πειραματικά αποτελέσματα που δείχνουν την καλύτερη απόδοση του προτεινόμενου αλγόριθμου. Τελικά διατυπώνονται τα συμπεράσματα της εργασίας και δίνονται χρήσιμες ερευνητικές κατευθύνσεις.
Σύνοψη: Ο σκοπός της παρούσας έρευνας είναι να εξετάσει, σε μία περίπτωση φοιτητικού πληθυσμού (φοιτητές Τμήματος Γεωλογίας), κατά πόσο οι γνώσεις γύρω από το όριο συνάρτησης και ακολουθίας (ιδιαίτερα και της γεωμετρικής σειράς), τις περισσότερες από τις οποίες έχουν διδαχθεί οι σημερινοί φοιτητές σχολής Θετικών Επιστημών κατά τη διάρκεια της δευτεροβάθμιας εκπαίδευσης είναι γνώσεις οι οποίες έχουν κατανοηθεί σε κάποιο βάθος και αν αυτή η "γνωστική κληρονομιά" μπορεί να αξιοποιηθεί στο χώρο της τριτοβάθμιας εκπαίδευσης.
Σύνοψη: Στην παρούσα διπλωματική εργασία μελετάμε τις ολοκληρώσιμες διακριτοποιήσεις «τύπου Kahan» σε γνωστά συστήματα συνήθων διαφορικών εξισώσεων. Η συγκεκριμένη μέθοδος μπορεί να εφαρμοστεί σε κάθε δευτεροβάθμειο πολυωνυμικό διανυσματικό πεδίο και εμφανίστηκε επίσης σε εργασίες των Hirota και Kimura. Λόγω ενός μηχανισμού που ακόμα δεν έχει κατανοηθεί πλήρως, τέτοιες διακριτοποιήσεις φαίνεται να κληρονομούν την ολοκληρωσιμότητα των αλγεβρικά πλήρως ολοκληρώσιμων συστημάτων, όπως έχει δειχθεί σε εργασίες των Petrera και συνεργατών. Ο στόχος της παρούσας εργασίας είναι η μελέτη και η εφαρμογή της ευρετικής αυτής μεθόδου για την διερεύνηση της ολοκληρωσιμότητας διακριτοποιήσεων σε γνωστά συστήματα διαφορικών εξισώσεων.
Σύνοψη: Τα τελευταία χρόνια πολλά Εκπαιδευτικά Ιδρύματα έχουν υιοθετήσει Διαδικτυακές Πλατφόρμες Μάθησης, όπως Συστήματα Διαχείρισης Μάθησης (Learning Management Systems) και άλλες Διαδικτυακές Εφαρμογές. Η δυνατότητα της λεπτομερούς καταγραφής και αποθήκευσης μεγάλου όγκου δεδομένων (Big Data), καθιστά αυτά τα Συστήματα μια δεξαμενή «κρυμμένης» γνώσης η οποία μπορεί να αποκαλυφθεί με διάφορους μηχανισμούς εξόρυξης (Εξόρυξη Γνώσης από Εκπαιδευτικά Δεδομένα- Educational Data Mining & Learning Analytics). Η ερμηνείας της γνώσης αυτής, δύναται να συνεισφέρει στη λήψη αποφάσεων σε πολλά επίπεδα και κυρίως στη βελτίωση των εκπαιδευτικών και μαθησιακών διαδικασιών που συνδέονται άμεσα με την Εκπαίδευση. Σκοπός της παρούσας διπλωματικής εργασίας είναι η εξόρυξη και αξιοποίηση των δεδομένων και των πληροφοριών που προέρχονται από τη Διαδικτυακή Πλατφόρμα του Ελληνικού Ανοικτού Πανεπιστημίου- ενός εκπροσώπου της εξ Αποστάσεως Εκπαίδευσης- εφαρμόζοντας κατάλληλες μεθόδους και τεχνικές Εξόρυξης Γνώσης σε Εκπαιδευτικά Δεδομένα (EDM). Συγκεκριμένα, παρουσιάζεται μια μελέτη (Case Study) Εξόρυξης Δεδομένων από την Διαδικτυακή Πλατφόρμα Moodle του ΕΑΠ, στο πλαίσιο της Θεματική Ενότητας ΠΛΗ37 «Πληροφορική και Εκπαίδευση» κατά τη διάρκεια ενός ακαδημαϊκού έτους. Πρόκειται για ένα πρόβλημα πρόβλεψης μαθησιακών αποτελεσμάτων (Predicting the Course Outcomes) με τη βοήθεια ενός προβλεπτικού μοντέλου της επίδοσης τελικής εξέτασης στο πλαίσιο της ΘΕ ΠΛΗ37. Η εύρεση του κατάλληλου προβλεπτικού μοντέλου (ή αλλιώς «Κατηγοριοποιητή» - classifier) πραγματοποιήθηκε με τη χρήση κατάλληλης προσέγγισης της μεθόδου Κατηγοριοποίησης (Classification) και διεξήλθε με τη βοήθεια λογισμικών εφαρμογής Αλγορίθμων Εξόρυξης Δεδομένων (Weka, R Programming). Οι ερευνητικές προεκτάσεις της παρούσας έρευνας, όπως προκύπτει και από σχετική βιβλιογραφική ανασκόπηση, είναι η συνδρομή/συνεισφορά κατάλληλων προβλεπτικών μεθόδων (στην τρέχουσα περίπτωση της Κατηγοριοποίησης (Classification) και Παλινδρόμησης (Regression)) για την αντιμετώπιση φαινομένων μη-επιτυχούς επίδοσης των φοιτητών σε μια ΘΕ καθώς και φαινομένων εγκατάλειψης (dropouts) μιας ΘΕ. Επομένως, η αξιοποίηση έγκαιρων και αξιόπιστων πληροφοριών (όπως η πρόβλεψη ακαδημαϊκής επιτυχίας-επίδοσης φοιτητή κ.ά) συντελεί καταλυτικά στη λήψη αποφάσεων και κατ’ επέκταση στην πολύ-επίπεδη βελτίωση (εκπαιδευτικό, μαθησιακό, οργανωτικό, διοικητικό) των Εκπαιδευτικών Δομών.
Σύνοψη: Σκοπός της συγκεκριμένης πτυχιακής εργασίας αποτελεί η μελέτη, η ανάλυση, η διερεύνηση και η κατηγοριοποίηση των σημαντικότερων μεθόδων παραγωγής τυχαίων αριθμών. Σε πρώτο στάδιο, παρουσιάσθηκε μία ιστορική αναδρομή σχετικά με τους τυχαίους αριθμούς και αναφέρθηκαν οι σημαντικότερες εφαρμογές που αυτοί βρίσκουν εφαρμογή. Στη συνέχεια, προσδιορίστηκαν οι ιδιότητες που πρέπει να πληρούνται στις γραμμικές συμπτωτικές γεννήτριες καθώς και τα κυριότερα χαρακτηριστικά των υπόλοιπων γεννητριών. Εν συνεχεία, παρουσιάσθηκαν οι πιο γνωστές σουίτες στατιστικών τεστ που αξιοποιούνται πλέον από το σύνολο των σύγχρονων εταιριών, οι οποίες απαιτούν κάποιο επίπεδο τυχαιότητας στις εφαρμογές τους. Επιπλέον, στην εργασία συμπεριλήφθηκαν οι υλοποιήσεις που έγιναν στα υπολογιστικά περιβάλλοντα των Python, R και Matlab, προκειμένου να εξομοιωθεί η συμπεριφορά διαφόρων γεννητριών τυχαίων αριθμών και να εξετασθεί η συμπεριφορά τους με τα εκάστοτε στατιστικά κριτήρια. Τέλος, αναλύεται εις βάθος η υλοποίηση του τυχερού παιχνιδιού Draw Poker, με σκοπό την εξομοίωση του τρόπου λειτουργίας της με τη χρήση ψευδοτυχαίων αριθμών και την εξακρίβωση της ορθότητας και του επιπέδου εμπιστοσύνης σε μία τέτοιου είδους ντετερμινιστική εφαρμογή.
