Show simple item record

dc.contributor.advisorΜαραγκουδάκης, Εμμανουήλel_GR
dc.contributor.authorΜαλιαρίτση, Διονυσία Μαρίαel_GR
dc.coverage.spatialΣάμοςel_GR
dc.date.accessioned2022-02-10T13:36:09Z
dc.date.available2022-02-10T13:36:09Z
dc.date.issued2016-03-10
dc.identifier.otherhttps://vsmart.lib.aegean.gr/webopac/List.csp?SearchT1=%CE%BC%CE%B1%CE%BB%CE%B9%CE%B1%CF%81%CE%AF%CF%84%CF%83%CE%B7&Index1=Keywordsbib&Database=1&NumberToRetrieve=50&OpacLanguage=gre&SearchMethod=Find_1&SearchTerm1=%CE%BC%CE%B1%CE%BB%CE%B9%CE%B1%CF%81%CE%AF%CF%84%CF%83%CE%B7&Profile=Default&PreviousList=Start&PageType=Start&EncodedRequest=Y*BD*5E*C7*AC*23s*DF*A8*A2*BD*7BJ*D4*3A*28&WebPageNr=1&WebAction=NewSearch&StartValue=1&RowRepeat=0&MyChannelCount=
dc.identifier.urihttp://hdl.handle.net/11610/23065
dc.description.abstractΗ ραγδαία εξάπλωση του internet έχει πολυσήμαντες συνέπειες, μια από αυτές είναι η δημιουργία μεγάλων αποθηκών πληροφοριών που κρύβουν γνώση . Η αξιοποίηση της κρυμμένης γνώσης δίνει σημαντικό πλεονέκτημα ώστε να ληφθούν οι βέλτιστες αποφάσεις σε σημαντικά διλήμματα. Αυτό επιτυγχάνεται με τη χρήση τεχνικών εξόρυξης δεδομένων. Η εξόρυξη δεδομένων (data mining), περιλαμβάνει τεχνικές εξαγωγής προτύπων δεδομένων ή περιγραφές δεδομένων από μεγάλες αποθήκες και έχει στόχο την περιγραφή και πρόβλεψη από τα σύνολα αυτά με σκοπό την εξαγωγή χρήσιμης γνώσης. Η παρούσα μελέτη επιχειρεί να διερευνήσει με τεχνικές εξόρυξης γνώσης από τα δεδομένα αν η σχολική επίδοση της Στ Δημοτικού όπως αυτή εκφράζεται στην αναλυτική βαθμολογία , είναι παράγοντας από τον οποίο μπορεί να γίνει πρόβλεψη για την επαγγελματική επιλογή . Με ένα δεύτερο μοντέλο γίνεται διερεύνηση της σχέσης του επαγγέλματος των γονιών με την επίδοση των μαθητών της Στ Δημοτικού όπως αυτή εκφράζεται με το μέσο όρο της βαθμολογίας τους . Ως θεωρητικό πλαίσιο επιλέχτηκε το κονστρουβιστικό μοντέλο και το κοινωνικογνωστικό μοντέλο Wisconsin. Το εργαλείο που χρησιμοποιήθηκε για τη συλλογή των δεδομένων είναι το ερωτηματολόγιο και το βιβλίο Μητρώου των μαθητών. Η μέθοδος που χρησιμοποιήθηκε για περιγραφή και πρόβλεψη είναι η κατηγοριοποίηση και η τεχνική των Δικτύων Bayes. Η κατηγοριοποίηση εφαρμόζεται σε δεδομένα που έχουν ταξινομηθεί σε συγκεκριμένες κλάσεις με στόχο την εξαγωγή κανόνων ώστε να χρησιμοποιηθούν για κατηγοριοποίηση νέων δεδομένων. Εδώ επιτυγχάνεται με τον αλγόριθμο ID3 για τα δέντρα απόφασης, ΝΝ για τα νευρωνικά δίκτυα. και ΚΝΝ . Τα δίκτυα Bayes είναι τεχνική που κάνει κατηγοριοποίηση με περισσότερες από μια κλάσεις και επιτρέπει έτσι την ανακάλυψη περισσότερων κρυμμένων συσχετίσεων καθώς υπάρχει η δυνατότητα απομόνωσης μιας μεταβλητής και παρατήρησης της συμπεριφοράς των υπολοίπων . Δημιουργήθηκαν περιγραφικά μοντέλα και επιχειρήθηκε με μια σειρά πειραμάτων να δημιουργηθούν μοντέλα πρόβλεψης με ακριβή αποτελέσματα Τα αποτελέσματα δείχνουν συσχέτιση ανάμεσα στην επίδοση και την επιλογή επαγγέλματος και αναδεικνύουν και άλλες ενδιαφέρουσες συσχετίσεις με παράγοντες που σχετίζονται με την επίδοση και το επάγγελμα. Δημιουργείται μοντέλο πρόβλεψης με υψηλή ακρίβεια μόνο για δυο ομάδες επαγγελμάτων. Ως προς το επάγγελμα των γονιών διαπιστώνεται σχέση ως προς τις χαμηλότερες Βαθμολογίες. Το μοντέλο πρόβλεψης εμφανίζει μικρή απόκλιση.el_GR
dc.format.extent121 σ.el_GR
dc.language.isoel_GRel_GR
dc.rightsDefault License
dc.subjectσχολική επίδοσηel_GR
dc.subjectεπάγγελμαel_GR
dc.subjectεξόρυξη δεδομένωνel_GR
dc.subjecteducational data miningen_US
dc.subjectclassificationen_US
dc.subjectbayesian networken_US
dc.subjectpredictionen_US
dc.subject.lcshEducation--Data processing (URL: http://id.loc.gov/authorities/subjects/sh85041001)en_US
dc.subject.lcshData mining (URL: http://id.loc.gov/authorities/subjects/sh97002073)en_US
dc.titleΕφαρμογή μεθόδων εξόρυξης γνώσης από δεδομένα στην εκπαίδευση: μελέτη περίπτωσης για τη σχέση του επαγγέλματος των γονιών με τη σχολική επίδοση και τη σχέση της σχολικής επίδοσης με την επιλογή του επαγγέλματος των παιδιώνel_GR
dcterms.accessRightsfreeel_GR
dcterms.rightsΠλήρες Κείμενο - Ελεύθερη Δημοσίευση Κλειδωμένη η δυνατότητα αντιγραφήςel_GR
heal.typemasterThesisel_GR
heal.recordProvideraegeanel_GR
heal.committeeMemberNameΚαρύδα, Μαρίαel_GR
heal.committeeMemberNameΚοκολάκης, Σπυρίδωνel_GR
heal.committeeMemberNameΜαραγκουδάκης, Εμμανουήλel_GR
heal.academicPublisherΠανεπιστήμιο Αιγαίου - Σχολή Θετικών Επιστημών - Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτωνel_GR
heal.academicPublisherIDaegeanel_GR
heal.fullTextAvailabilitytrueel_GR
dc.contributor.departmentΠληροφοριακά και Επικοινωνιακά Συστήματαel_GR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record