Δημιουργία μοντέλου πρόβλεψης αναγκών για αναπληρωτές εκπαιδευτικούς στην δημόσια εκπαίδευσης με προσεγγίσεις μηχανικής μάθησης
| dc.contributor.author | Σκούρτης, Δημήτριος | el |
| dc.date.accessioned | 2022-10-31T10:47:44Z | |
| dc.date.available | 2022-10-31T10:47:44Z | |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/32074 | |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.11886 | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.subject | Εκπαίδευση | el |
| dc.title | Δημιουργία μοντέλου πρόβλεψης αναγκών για αναπληρωτές εκπαιδευτικούς στην δημόσια εκπαίδευσης με προσεγγίσεις μηχανικής μάθησης | el |
| heal.abstract | Η παρούσα εργασία επιχειρεί την αξιοποίηση τεχνικών μηχανικής μάθησης και τεχνητής νοημοσύνης για την πρόβλεψη των οργανικών κενών καθηγητών στην δευτεροβάθμια εκπαίδευση. Το αντικείμενο της εργασίας είναι συνυφασμένο με το ευρύτερο πεδίο της μηχανογράφησης και την ηλεκτρονικής διακυβέρνησης, στο πλαίσιο της διαχείρισης των διδακτικών πόρων του Υπουργείου Παιδείας. Για την υλοποίηση της εργασίας αξιοποιήθηκαν πιλοτικά δεδομένα από την Υπηρεσία Δευτεροβάθμιας Εκπαίδευσης του νομού Ιωαννίνων, τα οποία ζητήθηκαν από την υπηρεσία κατόπιν ανωνυμοποίησης τους. Μεθοδολογικά, η εργασία συγκεντρώνει τα πρωτογενή δεδομένα, εξάγει χαρακτηριστικά από αυτά και τα προ επεξεργάζεται με σκοπό να εκπαιδευτούν ευφυής αλγόριθμοι μηχανικής μάθησης στην πρόβλεψη των οργανικών κενών. Ένα σύνολο διαφορετικών αλγορίθμων παλινδρόμησης εξετάστηκαν με σκοπό να διαπιστωθεί η επίδοση τους στην πρόβλεψη υπολογίζοντας ποσοτικοποιημένα μέτρα απόδοσης. Με βάση τα αποτελέσματα φαίνεται ότι είναι δυνατή η πρόβλεψη των οργανικών κενών με ικανοποιητική ακρίβεια, εφόσον είναι γνωστά τα στοιχεία του πλήθους των μαθητών ανά τάξη του γυμνασίου και του Λυκείου αλλά, ο αριθμός του μόνιμου διδακτικού προσωπικού και οι ώρες διδασκαλίας που τους ανατίθενται. | el |
| heal.abstract | The following paper attempts to efficiently utilize techniques, such as machine learning and artificial intelligence, to predict job vacancies for teachers in secondary education. The paper’s theme is interrelated with the broad spectrum of computerization and electronic governance, as far as management of educational resources from the Ministry of education is concerned. For the completion of this paper, anonymous - pilot data from the secondary education agency in the Ioannina district were employed. Methodologically, this paper gathers raw data, outputs some distinct characteristics, and processes them to predict vacancies via intelligent machine learning algorithms. Different regression algorithms were examined for their efficiency in their predictions by calculating percentage output measures. According to the results, the precise prediction of job vacancies seems plausible, provided that the data from all the junior high and high school students per class are known as well as the number of permanent educational staff and their teaching hours. | en |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | |
| heal.access | free | |
| heal.advisorName | Γιαννακέας, Νικόλαος | el |
| heal.bibliographicCitation | Σκούρτης, Δ., 2022. Δημιουργία μοντέλου πρόβλεψης αναγκών για αναπληρωτές εκπαιδευτικούς στην δημόσια εκπαίδευσης με προσεγγίσεις μηχανικής μάθησης. Μεταπτυχιακή εργασία. Άρτα: Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής & Τηλεπικοινωνιών. Τμήμα Πληροφορικής & Τηλεπικοινωνιών. | el |
| heal.classification | Τεχνητή νοημοσύνη | |
| heal.classification | Λογισμικό - Εκπαιδευτικό | |
| heal.committeeMemberName | Τσούλος, Ιωάννης | el |
| heal.committeeMemberName | Τζάλλας, Αλέξανδρος | el |
| heal.dateAvailable | 2022-10-31T10:48:44Z | |
| heal.fullTextAvailability | true | |
| heal.generalDescription | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.identifier.secondary | Μεταπτυχιακή εργασία | |
| heal.language | el | |
| heal.publicationDate | 2022 | |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών. | el |
| heal.type | masterThesis | |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.type.en | Master thesis | en |
Αρχεία
Πρωτότυπος φάκελος/πακέτο
1 - 1 of 1
Φόρτωση...
- Ονομα:
- Μ.Ε ΣΚΟΥΡΤΗΣ ΔΗΜΗΤΡΙΟΣ - 2022.pdf
- Μέγεθος:
- 3.97 MB
- Μορφότυπο:
- Adobe Portable Document Format
- Περιγραφή:
Φάκελος/Πακέτο αδειών
1 - 1 of 1
Φόρτωση...
- Ονομα:
- license.txt
- Μέγεθος:
- 1.71 KB
- Μορφότυπο:
- Item-specific license agreed upon to submission
- Περιγραφή: