Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/39580Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Αβραμίδου, Πολυξένη | el |
| dc.contributor.author | Γριβάκη, Μαρία - Ανθούλα | el |
| dc.contributor.author | Avramidou, Polyxeni | en |
| dc.contributor.author | Grivaki, Maria - Anthoula | en |
| dc.date.accessioned | 2025-10-29T09:31:24Z | - |
| dc.date.available | 2025-10-29T09:31:24Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/39580 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Dysgraphia | en |
| dc.subject | Δυσγραφία | el |
| dc.subject | Χρήση νέων τεχνολογιών | en |
| dc.title | Τεχνολογία και πρώιμη ανίχνευση στη δυσγραφία | el |
| dc.title | Technology and early screening of dysgraphia | en |
| heal.type | bachelorThesis | el |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Τεχνολογία και δυσγραφία | el |
| heal.classification | Technology and dysgraphia | en |
| heal.dateAvailable | 2025-10-29T09:32:24Z | - |
| heal.language | el | el |
| heal.access | free | el |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Λογοθεραπείας | el |
| heal.publicationDate | 2025-09 | - |
| heal.abstract | Η αναπτυξιακή δυσγραφία είναι μια νευρολογική διαταραχή που επηρεάζει την ικανότητα γραφής, οδηγώντας σε δυσκολίες στην εκτέλεση γραφοκινητικών δεξιοτήτων. Η δυσγραφία ενδέχεται να επηρεάσει τα παιδιά σε ποικίλους βαθμούς και να συνυπάρχει με άλλες μαθησιακές δυσκολίες, όπως η δυσλεξία ή η ΔΕΠΥ. Παρά τις παραδοσιακές διαγνωστικές μεθόδους, οι οποίες εξαρτώνται από υποκειμενική παρατήρηση και χειρόγραφες αξιολογήσεις, γεγονός που συχνά οδηγεί σε καθυστερημένη αναγνώριση της διαταραχής, η πρόοδος στην τεχνολογία έχει ανοίξει νέες δυνατότητες για πρώιμη και αντικειμενική διάγνωση. Η παρούσα πτυχιακή εργασία, εξετάζει τις σύγχρονες τεχνολογικές μεθόδους ανίχνευσης και διάγνωσης, με έμφαση στη χρήση ψηφιακών εργαλείων και αλγορίθμων μηχανικής μάθησης. Τα αποτελέσματα αυτής της πτυχιακής εργασίας συγκαταλέγουν ότι οι τεχνολογίες που χρησιμοποιούνται περιλαμβάνουν συσκευές παρακολούθησης γραφής, όπως ψηφιακές ταμπλέτες και έξυπνα στυλό, τα οποία καταγράφουν παραμέτρους γραφής όπως η πίεση, η ταχύτητα, η ακρίβεια και η κίνηση. Επιπλέον, η συμβολή της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης για την ανάλυση μεγάλων δεδομένων γραφής, προσφέρει δυνατότητες για έγκαιρη διάγνωση και εξατομικευμένες παρεμβάσεις. Η ανασκόπηση υπογραμμίζει και έπειτα συγκρίνει την αποτελεσματικότητα των σύγχρονων μεθόδων με τις παραδοσιακές, εστιάζοντας στα πλεονεκτήματα και τις προκλήσεις που συνοδεύουν την εφαρμογή αυτών των τεχνολογιών στην εκπαιδευτική και κλινική πράξη. Εν κατακλείδι, είναι σαφής η συνεισφορά της τεχνολογίας στο ότι μπορεί να αποτελέσει πολύτιμο εργαλείο για τη βελτίωση της διαγνωστικής διαδικασίας, καθώς και στην υποστήριξη νέων εξατομικευμένων στρατηγικών υποστήριξης. | el |
| heal.abstract | Developmental dysgraphia is a neurological disorder that affects the ability to write, resulting in difficulties with performing graphomotor skills. Dysgraphia may affect children to varying degrees and may coexist with other learning difficulties, such as dyslexia or ADHD. Despite traditional diagnostic methods, which rely on subjective observation and handwritten evaluations and often lead to delayed recognition of the disorder, advances in technology have opened up new possibilities for early and objective diagnosis. This undergraduate thesis examines modern technological approaches to the detection and diagnosis, with a focus on the use of digital tools and machine learning algorithms. The results of this thesis demonstrate technologies used, including writing monitoring devices such as digital tablets and smart pens, which record writing parameters such as pressure, speed, accuracy, and movement. Furthermore, the contribution of artificial intelligence (AI) and machine learning in the analysis of large writing data offers possibilities for early diagnosis and personalized interventions. This thesis highlights the key aspects and then compares the effectiveness of modern methods with traditional ones, focusing on the advantages and challenges that accompany the implementation of these technologies in educational and clinical practice. In conclusion, it is clear that technology can be a valuable tool for improving the diagnostic process, as well as supporting new personalized support strategies. | en |
| heal.advisorName | Τόκη, Ευγενία | el |
| heal.committeeMemberName | Τόκη, Ευγενία | el |
| heal.committeeMemberName | Ζακοπούλου, Βικτώρια | el |
| heal.committeeMemberName | Παπαδοπούλου, Σουλτάνα | el |
| heal.academicPublisher | Τμήμα Λογοθεραπείας | el |
| heal.academicPublisherID | uoi | el |
| heal.numberOfPages | 86 σ. | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Πτυχιακές Εργασίες Προπτυχιακών Φοιτητών | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Π.Ε. Αβραμίδου Πολυξένη - Γριβάκη Μαρία Ανθούλα (2025).pdf | 2.15 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
