Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/31620
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Λούπας, Βασίλειος | el |
dc.date.accessioned | 2022-01-31T11:09:48Z | - |
dc.date.available | 2022-01-31T11:09:48Z | - |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/31620 | - |
dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.11436 | - |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
dc.subject | Φοιτητολόγιο | el |
dc.subject | Δεδομένα | el |
dc.subject | Πανεπιστήμιο Ιωαννίνων | el |
dc.title | Ανάλυση και επεξεργασία δεδομένων του φοιτητολόγιου του Πανεπιστημίου Ιωαννίνων | el |
heal.type | masterThesis | - |
heal.type.en | Master thesis | en |
heal.type.el | Μεταπτυχιακή εργασία | el |
heal.generalDescription | Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
heal.classification | Στατιστική Ανάλυση - Φοιτητολόγιο | - |
heal.classification | Φοιτητολόγιο - Ανάλυση δεδομένων | - |
heal.identifier.secondary | Μεταπτυχιακή εργασία | - |
heal.dateAvailable | 2022-01-31T11:10:48Z | - |
heal.language | el | - |
heal.access | free | - |
heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
heal.publicationDate | 2021 | - |
heal.bibliographicCitation | Λούπας, Β., 2021. Ανάλυση και επεξεργασία δεδομένων του φοιτητολογίου του Πανεπιστημίου Ιωαννίνων. Μεταπτυχιακή εργασία . Άρτα: Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών . Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
heal.abstract | Στην παρούσα Διπλωματική Εργασία θα ασχοληθούμε με την Ανάλυση και την Επεξεργασία των Φοιτητικών Δεδομένων του Πανεπιστημίου Ιωαννίνων. Τα δεδομένα αυτά εξήχθησαν απευθείας από τη Βάση που τηρεί η Διεύθυνση Μηχανοργάνωσης και Δικτύων του Πανεπιστημίου και αναλύθηκαν με κλασικές, περιγραφικές στατιστικές μεθόδους, καθώς και με μοντέλα Μηχανικής Μάθησης. Στο πρώτο κεφάλαιο της εργασίας θα δούμε τις επιδόσεις των φοιτητών στα Ανώτατα Εκπαιδευτικά Ιδρύματα της χώρας μας, τις προκλήσεις της τριτοβάθμιας εκπαίδευσης, όπως την εισαγωγή φοιτητών στα ΑΕΙ με εξαιρετικά χαμηλούς, κάτω από τη βάση, βαθμούς, καθώς και την επιστημονική στάθμιση της ανάλυσης των εκπαιδευτικών δεδομένων μέσα από την έρευνα που πραγματοποιείται σε παγκόσμιο επίπεδο. Στο δεύτερο κεφάλαιο θα κάνουμε μια εισαγωγή στις μεθόδους της Στατιστικής Ανάλυσης και την περιγραφική στατιστική. Έπειτα θα εξετάσουμε τη συμβολή της μηχανικής μάθησης στη χρησιμοποίηση των δεδομένων και την προσπάθεια εξαγωγής γνώσης και πρόγνωσης μέσα από αλγορίθμους ομαδοποίησης και ταξινόμησης. Στο τρίτο κεφάλαιο θα ασχοληθούμε με το πληροφοριακό σύστημα διαχείρισης του Φοιτητολογίου του Πανεπιστημίου Ιωαννίνων, θα δούμε την υποδομή και τα χαρακτηριστικά της βάσης, το σχήμα της, τα σημαντικότερα διαθέσιμα πεδία που τηρούνται, καθώς και την τεχνολογική δομή του συστήματος. Θα εξετάσουμε έπειτα τα ζητήματα ηθικής και δεοντολογίας - προσωπικών δεδομένων που απαιτήθηκε η συμμόρφωση. Στο τέταρτο κεφάλαιο θα δούμε τη μεθοδολογία που χρησιμοποιήθηκε, το πως εξήχθησαν τα δεδομένα από τη βάση, καθώς και τα αποτελέσματα των διαφορετικών προσεγγίσεων (περιγραφική στατιστική και μηχανική μάθηση). Τέλος στο πέμπτο κεφάλαιο θα παραθέσουμε τα συμπεράσματα της έρευνας και θα προτείνουμε τρόπους και μεθόδους ώστε η γνώση που παράγεται από την επεξεργασία των φοιτητικών δεδομένων, να μπορέσει να αξιοποιηθεί από το ίδρυμα για τον μελλοντικό στρατηγικό του σχεδιασμό. | el |
heal.abstract | In the present work we will deal with the Analysis and Processing of the University of Ioannina Student Records. These data were extracted directly from the Database maintained by the University's IT and Networks Directorate and has been analyzed using classic, descriptive statistical methods, as well as machine learning models. In the first chapter we will see the performance of students in the Higher Education Institutions of our country, the challenges of higher education, such as the admission of students to the Universities with extremely low, below-base, grades, as well as the scientific weighting of the analysis of educational data through the research carried out worldwide. In the second chapter we will make an introduction to the methods of Statistical Analysis with descriptive statistics. We will then examine the contribution of machine learning to the use of data and the effort to extract knowledge and prognosis through grouping and classification algorithms. | en |
heal.advisorName | Τζάλλας, Αλέξανδρος | el |
heal.committeeMemberName | Γκόγκος, Χρήστος | el |
heal.committeeMemberName | Τσούλος, Ιωάννης | el |
heal.academicPublisher | Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών | el |
heal.academicPublisherID | uoi | - |
heal.numberOfPages | 141 | - |
heal.fullTextAvailability | true | - |
Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΠ |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Μ.Ε ΛΟΥΠΑΣ ΒΑΣΙΛΕΙΟΣ - 2021.pdf | 9.58 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License