Ψηφιακή ανάλυση ηλεκτροεγκεφαλογραφικού σήματος (ΗΕΓ)
Loading...
Date
Authors
Στεφανίδης, Βασίλειος Κ.
Journal Title
Journal ISSN
Volume Title
Publisher
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής
Abstract
Type
Type of the conference item
Journal type
Educational material type
Conference Name
Journal name
Book name
Book series
Book edition
Alternative title / Subtitle
εφαρμογές στην εκπαίδευση
applications in education
applications in education
Description
Στην παρούσα διδακτορική διατριβή αναπτύσσονται μέθοδοι πρόβλεψης μαθησιακών δυσκολιών κατά τη διάρκεια μιας εκπαιδευτικής διαδικασίας, οι οποίες βασίζονται στην ψηφιακή ανάλυση ηλεκτροεγκεφαλογραφικών δεδομένων μέσω κατάλληλων πληροφοριακών συστημάτων και λογισμικών.
Με τη βοήθεια κατάλληλων ψηφιακών μεθόδων ανάλυσης και κατάλληλων πληροφοριακών συστημάτων μελετάμε ηλεκτροεγκεφαλογραφικά σήματα, με σκοπό να ανιχνεύσουμε και να ανακαλύψουμε αλγόριθμους και παραμέτρους που διαφοροποιούν στατιστικά τη δυσκολία την οποία συναντά ένα άτομο, όταν συμμετέχει σε μια εκπαιδευτική διαδικασία. Με τον τρόπο αυτό εξάγονται μοντέλα, τα οποία αποκαλύπτουν και προβλέπουν μαθησιακές δυσκολίες σε μια εκπαιδευτική διαδικασία.
Επιπλέον, μέσα από τη μελέτη της στασιμότητας χρονολογικών σειρών, δίνουμε χρήσιμα συμπεράσματα σχετικά με τη δυνατότητα πρόβλεψης συμπεριφοράς. Στην εργασία αυτή ανιχνεύουμε πειραματικά σημεία στο ηλεκτροεγκεφαλογραφικό σήμα, τα οποία παρουσιάζουν φαινόμενα στασιμότητας.
The subject of this PhD Thesis is the development of educational difficulties prediction methods during educational procedures. The method is based in electroencephalography (EEG) signals digital analysis through various proper information systems and software. Using proper digital methods and with help of information systems and software, we study EEG signals in order to investigate proper algorithms, EEG parameters and neurophysiological indexes, which statistical differentiate the difficulty that a person faces when participate in an educational procedure. In this way we extract mathematical models that reveal and provide learning disabilities in an educational procedure. Furthermore, through the study of stationary time series, we give useful conclusions about the predictability of those people behavior. In this PhD thesis also we detect data points in EEG signal which show stationary phenomena.
The subject of this PhD Thesis is the development of educational difficulties prediction methods during educational procedures. The method is based in electroencephalography (EEG) signals digital analysis through various proper information systems and software. Using proper digital methods and with help of information systems and software, we study EEG signals in order to investigate proper algorithms, EEG parameters and neurophysiological indexes, which statistical differentiate the difficulty that a person faces when participate in an educational procedure. In this way we extract mathematical models that reveal and provide learning disabilities in an educational procedure. Furthermore, through the study of stationary time series, we give useful conclusions about the predictability of those people behavior. In this PhD thesis also we detect data points in EEG signal which show stationary phenomena.
Description
Keywords
Εγκέφαλος, Νόηση, Εκπαίδευση, Ηλεκτροεγκεφαλογράφημα, Μαθησιακές δυσκολίες, Νευροφυσιολογία, Στάσιμα κύματα, Συγχρονισμός δεδομένων, Brain, Cognition, Education, Electroencephalography, Neurophysiology, Learning difficulties, Prediction, Stationary wavelets, Data synchronization
Subject classification
Ηλεκτροεγκεφαλογράφημα
Citation
Link
Language
el
Publishing department/division
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής
Advisor name
Ευαγγέλου, Άγγελος
Examining committee
Ευαγγέλου, Άγγελος
Ανωγειανάκης, Γεώργιος
Βλάμος, Παναγιώτης
Καλφακάκου, Βασιλική
Κουτσονικόλας, Δημήτριος
Πέσχος, Δημήτριος
Πούλος, Μάριος
Ανωγειανάκης, Γεώργιος
Βλάμος, Παναγιώτης
Καλφακάκου, Βασιλική
Κουτσονικόλας, Δημήτριος
Πέσχος, Δημήτριος
Πούλος, Μάριος
General Description / Additional Comments
Institution and School/Department of submitter
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής
Table of contents
Sponsor
Bibliographic citation
Βιβλιογραφία : σ. 209-222
Name(s) of contributor(s)
Number of Pages
230 σ.