Καινοτομούμε σήμερα για τις λύσεις του αύριο
Διευθύντρια Innovation Start Hub
[email protected]
+30 2310 500 181
Η Διεύθυνση Έρευνας και Καινοτομίας της DOTSOFT αποτελεί τον βασικό μοχλό τεχνολογικής εξέλιξης και διαφοροποίησης της εταιρείας, διαμορφώνοντας το μέλλον των λύσεων που προσφέρει. Μέσα από τη συνεχή συμμετοχή σε ευρωπαϊκά και διεθνή ερευνητικά προγράμματα, η εταιρεία διατηρεί ενεργή παρουσία στο οικοσύστημα καινοτομίας και ενσωματώνει τις τελευταίες τεχνολογικές εξελίξεις στις υπηρεσίες της.
Η Διεύθυνση λειτουργεί ως ένας δυναμικός κόμβος γνώσης, όπου η έρευνα, η τεχνολογία και η επιχειρησιακή εφαρμογή συνδυάζονται για τη δημιουργία νέων προϊόντων και υπηρεσιών. Μέσα από συνεργασίες με πανεπιστήμια, ερευνητικά ιδρύματα και διεθνείς οργανισμούς, διασφαλίζεται η πρόσβαση σε cutting-edge τεχνογνωσία και η ανάπτυξη λύσεων με υψηλή προστιθέμενη αξία.
Οι δραστηριότητές μας περιλαμβάνουν:
Γνωρίστε μας!
Η ομάδα μας αποτελεί ένα δυναμικό σύνολο από μηχανικούς, προγραμματιστές και ερευνητές, με στόχο τη διεύρυνση των ορίων της τεχνολογίας. Με εξειδίκευση στην Τεχνητή Νοημοσύνη, τη Μηχανική Μάθηση, το IoT, την Εκτεταμένη Πραγματικότητα και τους Χώρους Δεδομένων, μετατρέπουμε ιδέες σε λύσεις πραγματικού κόσμου.
Με οδηγό τη συνεργασία και τη δημιουργικότητα, αναπτύσσουμε τεχνολογίες αιχμής που διαμορφώνουν τους τομείς των έξυπνων πόλεων, του τουρισμού, του πολιτισμού, της υγείας, των κατασκευών, της κινητικότητας και των μεταφορών. Το όραμά μας είναι να αξιοποιούμε την καινοτομία για τη βελτίωση των ψηφιακών εμπειριών, καθιστώντας την τεχνολογία πιο διαισθητική, αποδοτική και ουσιαστική.
ΔΕΣΠΟΙΝΑ-ΕΛΙΣΑΒΕΤ ΦΙΛΙΠΠΙΔΟΥ
Διευθύντρια Καινοτομίας (CIO)
Διδάκτωρ στην Ανάπτυξη Πληροφοριακών Συστημάτων, MSc στη Μηχανική Υπολογιστών. Διαθέτει περισσότερα από 20 χρόνια εμπειρίας στον τομέα των ΤΠΕ και της διαχείρισης σύνθετων έργων τεχνολογίας. Εξειδικεύεται στον στρατηγικό σχεδιασμό, τον συντονισμό διεπιστημονικών ομάδων και την υλοποίηση καινοτόμων ψηφιακών λύσεων με υψηλό επιχειρησιακό και κοινωνικό αντίκτυπο. Διακρίνεται για τη συνδυαστική προσέγγιση τεχνολογικής καινοτομίας, οργανωτικής αποτελεσματικότητας και επιτυχημένης διαχείρισης έργων σε εθνικό και ευρωπαϊκό επίπεδο.
ΓΙΩΡΓΟΣ ΚΑΡΑΝΑΣΙΟΣ
Μηχανικός Λογισμικού R&D
Ο Γιώργος είναι Software Engineer με Μεταπτυχιακό στην Προηγμένη Επιστήμη Υπολογιστών και Πτυχίο στην Επιστήμη Υπολογιστών με Βιομηχανική Πρακτική Άσκηση. Διαθέτει ισχυρό υπόβαθρο στην ανάπτυξη λογισμικού, την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τη ρομποτική, με εξειδίκευση στις Python, Java, JavaScript, C# και C++. Η εμπειρία του περιλαμβάνει την ανάπτυξη αλγορίθμων πλοήγησης για αυτόνομα ρομποτικά συστήματα. Εστιάζει στην ανάπτυξη ποιοτικού λογισμικού και καινοτόμων λύσεων AI και ρομποτικής.
ΓΙΟΥΛΗ ΧΑΛΙΤΣΙΟΥ
Σχεδιάστρια – Οικονομολόγος Έργων
Η Γιούλη είναι Financial and Project Management Specialist, κάτοχος Πτυχίου στη Λογιστική με περισσότερα από 20 χρόνια εμπειρίας στη χρηματοοικονομική διαχείριση εθνικών και ευρωπαϊκών συγχρηματοδοτούμενων έργων. Εξειδικεύεται στον προγραμματισμό προϋπολογισμών, την οικονομική παρακολούθηση, την υποβολή αναφορών και τη συμμόρφωση με τις απαιτήσεις χρηματοδότησης. Διαθέτει εκτενή εμπειρία στη διαχείριση έργων ΕΣΠΑ και ευρωπαϊκών προγραμμάτων, συμβάλλοντας στην αποτελεσματική αξιοποίηση πόρων και την επιτυχή υλοποίηση σύνθετων έργων. Ξεχωρίζει για την οργανωτικότητα, την αξιοπιστία και την αποτελεσματική διαχείριση οικονομικών διαδικασιών.
ΖΩΗ ΜΠΕΓΚΑ
Λογιστική και Χρηματοοικονομική Διαχείριση
Η Ζωή είναι επαγγελματίας στον τομέα της Λογιστικής και της Χρηματοοικονομικής Διοίκησης, κάτοχος Πτυχίου στη Λογιστική. Διαθέτει ισχυρές αναλυτικές δεξιότητες και σημαντική εμπειρία στη λογιστική και τη χρηματοοικονομική διαχείριση. Εξειδικεύεται στη χρήση συστημάτων ERP και διαθέτει αποδεδειγμένη εμπειρία στη βελτιστοποίηση χρηματοοικονομικών λειτουργιών, τη διαχείριση τραπεζικών συναλλαγών και την υποστήριξη έργων που χρηματοδοτούνται από ευρωπαϊκά προγράμματα. Η προσοχή της στη λεπτομέρεια συμβάλλει στην αποτελεσματική οικονομική διαχείριση.
ΝΑΝΤΙΑ ΣΑΛΜΑΝ
Διοικητική Υποστήριξη – Προτάσεις
Η Νάντια είναι έμπειρη Office Administrator και HR Manager κάτοχος Μεταπτυχιακού στην Οικονομική Ακινήτων, με περισσότερα από 10 χρόνια εμπειρίας στους τομείς της διοικητικής υποστήριξης, της διαχείρισης ανθρώπινου δυναμικού και του συντονισμού έργων. Είναι απόφοιτη του Παντείου Πανεπιστημίου και κάτοχος Μεταπτυχιακού στην Οικονομική Ακινήτων. Υποστηρίζει τη διαχείριση προτάσεων και έργων, τη συνεργασία με εταίρους και την προετοιμασία τεκμηρίωσης, διασφαλίζοντας την ακρίβεια, τη συνέπεια και την ποιότητα των παραδοτέων.
ΣΤΕΦΑΝΙΑ ΖΥΓΟΜΑΝΗ
Project Officer - Communications & Reporting
Η Στεφανία είναι Project Officer με Δίπλωμα στη Δημοσιογραφία με περισσότερα από πέντε χρόνια εμπειρίας στη στρατηγική επικοινωνία, το ψηφιακό μάρκετινγκ και τα έργα που χρηματοδοτούνται από την Ευρωπαϊκή Ένωση. Εξειδικεύεται στον συντονισμό έργων, την ανάπτυξη προτάσεων, τη διάχυση αποτελεσμάτων και τον σχεδιασμό στρατηγικών επικοινωνίας για διεθνείς πρωτοβουλίες. Διαθέτει εμπειρία στον σχεδιασμό και την υλοποίηση δράσεων επικοινωνίας, στην ανάπτυξη σχεδίων διάχυσης και αξιοποίησης αποτελεσμάτων, καθώς και στην υποστήριξη της επιτυχούς υλοποίησης έργων που προάγουν την καινοτομία, τον κοινωνικό αντίκτυπο και τη βιώσιμη ανάπτυξη. Συνδυάζει ισχυρές οργανωτικές δεξιότητες με προσανατολισμό στα αποτελέσματα, συμβάλλοντας στην αποτελεσματική υλοποίηση σύνθετων έργων.
ΝΙΚΟΣ ΓΚΟΥΤΖΑΣ
Full Stack Web Developer
Ο Νίκος είναι Full Stack Web Developer με Μεταπτυχιακό στην Επιστήμη Υπολογιστών και Μηχανική Υπολογιστών. Εξειδικεύεται στις τεχνολογίες Python, Django, FastAPI και SQL, ενώ διαθέτει ισχυρό υπόβαθρο στη ρομποτική μέσω της μεταπτυχιακής του έρευνας. Έχει πολυετή εμπειρία στις πλατφόρμες Arduino και Raspberry Pi, καθώς και στον σχεδιασμό και την υλοποίηση ρομποτικών συστημάτων. Συνδυάζει τεχνική κατάρτιση και πρακτική εμπειρία για την ανάπτυξη καινοτόμων και αξιόπιστων τεχνολογικών λύσεων.
ΑΝΝΑ ΣΦΑΙΡΟΠΟΥΛΟΥ
Αναλύτρια Εφαρμογών
Η Άννα είναι Application Analyst με Δίπλωμα (Integrated MEng) στη Μηχανική Υπολογιστών και Πληροφορικής. Διαθέτει ισχυρό υπόβαθρο στην ανάλυση απαιτήσεων, λειτουργώντας ως συνδετικός κρίκος μεταξύ των επιχειρηματικών αναγκών και των τεχνικών ομάδων ανάπτυξης. Παράλληλα, είναι έμπειρη Full Stack Web Developer με πάθος για την ανάπτυξη λογισμικού και τη μεταφορά γνώσης. Συνδυάζει αναλυτική σκέψη, τεχνική εξειδίκευση και αποτελεσματική επικοινωνία, συμβάλλοντας στη μετατροπή σύνθετων απαιτήσεων σε πρακτικές και αποδοτικές ψηφιακές λύσεις.
ΒΑΣΙΛΗΣ ΑΡΓΥΡΟΣ
Μηχανικός Λογισμικού Κινητών Εφαρμογών
Ο Βασίλης είναι Μηχανικός Λογισμικού Κινητών Εφαρμογών με Πτυχίο στην επιστήμη Πληροφοριών και Πληροφορικής με 5 χρόνια εμπειρίας στον σχεδιασμό, την ανάπτυξη και την κλιμάκωση εφαρμογών κινητών συσκευών υψηλών προδιαγραφών. Εξειδικεύεται στο Flutter, δημιουργώντας λύσεις για Android και iOS με έμφαση στην καθαρή αρχιτεκτονική, την υψηλή απόδοση και τον συντηρήσιμο κώδικα. Διαθέτει ισχυρές δεξιότητες ηγεσίας και μετατρέπει σύνθετες απαιτήσεις σε αξιόπιστες, φιλικές προς τον χρήστη εμπειρίες, ευθυγραμμίζοντας την τεχνολογία με τους επιχειρηματικούς στόχους.
ΑΛΚΗΣ ΚΗΠΟΥΡΟΣ
AI Engineer
Ο Άλκης είναι Software Developer με Μεταπτυχιακό στην Επιστήμη Δεδομένων, με εξειδίκευση στην έρευνα γύρω από την Επεξεργασία Φυσικής Γλώσσας (NLP) και τα Μεγάλα Γλωσσικά Μοντέλα (LLMs). Αξιοποιεί τις γλώσσες προγραμματισμού Python, Java και SQL για την ανάπτυξη καινοτόμων λύσεων υψηλού αντίκτυπου.
ΣΩΤΗΡΗΣ ΚΑΡΑΒΑΡΣΑΜΗΣ
AI Engineer
Ο Σωτήρης είναι AI Engineer , κάτοχος δύο μεταπτυχιακών τίτλων στην Επιστήμη Υπολογιστών και στα Εφαρμοσμένα Μαθηματικά, καθώς και Πτυχίου στην Επιστήμη και Μηχανική Υπολογιστών. Έχει, σημαντική εμπειρία στη μηχανική μάθηση, την υπολογιστική όραση και τα σύνθετα δίκτυα.Έχει εργαστεί ως ερευνητικός συνεργάτης σε έργα χρηματοδοτούμενα από την Ευρωπαϊκή Ένωση. Συνδυάζει ισχυρό θεωρητικό υπόβαθρο με πρακτική εμπειρία στην ανάπτυξη υπολογιστικών μεθόδων για εφαρμογές μηχανικής μάθησης και υπολογιστικής όρασης.
ΠΑΝΑΓΙΩΤΗΣ ΠΑΛΤΣΟΚΑΣ
AI Engineer
Ο Παναγιώτης είναι AI Engineer με ισχυρό υπόβαθρο στα Μαθηματικά και κάτοχος Μεταπτυχιακού στην Επιστήμη Δεδομένων και τη Μηχανική Μάθηση. Εστιάζει στην ανάπτυξη αξιόπιστων και καλά δομημένων λύσεων μηχανικής μάθησης, με ιδιαίτερο ενδιαφέρον για την Επεξεργασία Φυσικής Γλώσσας (NLP), την προγνωστική μοντελοποίηση και τον σχεδιασμό συστημάτων που βασίζονται σε δεδομένα. Δίνει έμφαση στη σαφή αρχιτεκτονική, την πρακτική υλοποίηση και τη συνεχή βελτίωση, συνδυάζοντας αναλυτική σκέψη με συνεργατική νοοτροπία.
ΚΩΣΤΑΣ ΝΤΕΛΙΑΣ
Τεχνικός Διευθυντής Έργων (Technical Project Manager)
Ο Κώστας είναι Technical Project Manager με ισχυρό ακαδημαϊκό υπόβαθρο στην Επιστήμη Υπολογιστών, κάτοχος Μεταπτυχιακού (MSc) στην Επιστήμη Υπολογιστών και Executive MBA. Εξειδικεύεται στη διοίκηση έργων λογισμικού και ψηφιακού μετασχηματισμού, με έμφαση στις Agile μεθοδολογίες, τον συντονισμό διεπιστημονικών ομάδων και τη δομημένη διαχείριση σύνθετων έργων. Συνδυάζει τεχνική κατάρτιση και επιχειρηματική αντίληψη με αποτελεσματική ηγεσία, προωθώντας τη συνεργασία, τη σαφή επικοινωνία και την πρακτική επίλυση προβλημάτων για την επίτευξη επιτυχημένων αποτελεσμάτων.
ΑΝΤΩΝΙΑ ΑΞΑΡΛΗ
UI/UX & Web Designer
Η Αντωνία είναι UI/UX & Web Designer με ακαδημαϊκό υπόβαθρο στη Μηχανική Αυτοματισμού και μεταπτυχιακή εξειδίκευση στις Τεχνολογίες Διαδραστικών Συστημάτων. Εξειδικεύεται στη δημιουργία ανθρωποκεντρικών ψηφιακών εμπειριών, με έμφαση στον σχεδιασμό ιστοσελίδων, την ανάπτυξη σε WordPress, τη δημιουργία wireframes και τη χρηστικότητα διεπαφών. Συνδυάζει σχεδιαστική σκέψη και τεχνική κατανόηση, συμβάλλοντας αποτελεσματικά τόσο στον σχεδιασμό όσο και στην υλοποίηση έργων. Δίνει έμφαση στην απλότητα, τη λειτουργικότητα και τη συνεργασία, προσφέροντας πρακτικές και αποδοτικές ψηφιακές λύσεις.
ΠΑΝΑΓΙΩΤΗΣ ΓΕΩΡΓΙΤΣΕΑΣ
AI Engineer
Ο Παναγιώτης είναι AI Engineer κάτοχος πτυχίου στην Επιστήμη Υπολογιστών και εξειδίκευση στη Γενετική Τεχνητή Νοημοσύνη, τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) και τα πολυπρακτορικά συστήματα. Εστιάζει στην ανάπτυξη ολοκληρωμένων λύσεων τεχνητής νοημοσύνης, με έμφαση στις αρχιτεκτονικές RAG, τη χωροχρονική μοντελοποίηση και τις κλιμακούμενες υποδομές μηχανικής μάθησης. Διαθέτει εμπειρία σε συστήματα πρόβλεψης και εφαρμογές βασισμένες σε δεδομένα, συνδυάζοντας αναλυτική σκέψη, πρακτική υλοποίηση και αποτελεσματική συνεργασία.
ΑΡΗΣ ΧΕΙΜΑΡΙΩΤΗΣ
AI Manager
Ο Άρης είναι AI Manager και Research Scientist με Διδακτορικό (PhD) και Μεταπτυχιακό (MSc) στην Ιατρική Πληροφορική, καθώς και Μεταπτυχιακό (MSc) και Πτυχίο (BSc) στην Ηλεκτρολόγο Μηχανική και Μηχανική Υπολογιστών. Διαθέτει περισσότερα από 10 χρόνια εμπειρίας σε ερευνητικά έργα που χρηματοδοτούνται από την Ευρωπαϊκή Ένωση, με εξειδίκευση στον σχεδιασμό και την ανάπτυξη λύσεων μηχανικής μάθησης και αξιοποίησης δεδομένων. Εστιάζει στη βαθιά μάθηση και την εφαρμοσμένη τεχνητή νοημοσύνη, ενώ έχει συγγράψει επιστημονικές δημοσιεύσεις και ηγηθεί ερευνητικών δραστηριοτήτων σε διεπιστημονικές ομάδες. Συνδυάζει αναλυτική σκέψη και πρακτική εμπειρία, αναπτύσσοντας καινοτόμες λύσεις με μετρήσιμο αντίκτυπο.
ΑΘΑΝΑΣΙΟΣ ΣΜΠΟΥΚΗΣ
AI Engineer
Ο Θάνος είναι AI Engineer με Δίπλωμα (Integrated MEng) στη Μηχανική Υπολογιστών και Πληροφορικής. Εξειδικεύεται στη βαθιά μάθηση και την υπολογιστική όραση, με εμπειρία στην ανίχνευση αντικειμένων, τη σημασιολογική τμηματοποίηση εικόνας και την ανάπτυξη συστημάτων τεχνητής νοημοσύνης για παραγωγικά περιβάλλοντα. Εστιάζει στην ανάπτυξη πρακτικών και κλιμακούμενων λύσεων μηχανικής μάθησης, συνδυάζοντας αναλυτική σκέψη, ερευνητική εμπειρία και βελτιστοποίηση μοντέλων. Το έργο του επικεντρώνεται στη μεταφορά μάθησης (transfer learning), τη βελτιστοποίηση αρχιτεκτονικών και την ανάλυση σφαλμάτων, με στόχο τη βελτίωση της απόδοσης πραγματικών εφαρμογών τεχνητής νοημοσύνης. Με ισχυρή προσήλωση στην επίλυση προβλημάτων, αναπτύσσει ερευνητικά τεκμηριωμένες και παραγωγικά αξιοποιήσιμες λύσεις για σύνθετες προκλήσεις.
ΠΑΝΑΓΙΩΤΗΣ ΠΑΝΑΓΙΩΤΟΥ
AI Engineer
Ο Παναγιώτης είναι AI Engineer με Μεταπτυχιακό (MSc) στην Επιστήμη Δεδομένων, Μεταπτυχιακό (MSc) στο Δίκαιο και τις Τεχνολογίες Πληροφορίας & Επικοινωνιών και Πτυχίο (BSc) στη Μηχανική Λογισμικού. Εξειδικεύεται στη Μηχανική Μάθηση και την Τεχνητή Νοημοσύνη, με έμφαση στην Επεξεργασία Φυσικής Γλώσσας (NLP), τα Agentic AI συστήματα, τη Γενετική Τεχνητή Νοημοσύνη, την πρόβλεψη χρονοσειρών και τα συστήματα συστάσεων. Διαθέτει εμπειρία στην ηγεσία έργων καινοτομίας και στην ανάπτυξη εφαρμοσμένων λύσεων AI στους τομείς των Έξυπνων Πόλεων, της Κυβερνοασφάλειας και της Εκπαίδευσης. Συνδυάζει ερευνητική και βιομηχανική εμπειρία, με ιδιαίτερο ενδιαφέρον για την Υπεύθυνη Τεχνητή Νοημοσύνη και τη συμμόρφωση με τον EU AI Act.
ΦΙΛΙΠΠΟΣ ΚΙΤΣΟΣ
Software Developer
Ο Φίλιππος είναι Software Developer με περισσότερα από έξι χρόνια επαγγελματικής εμπειρίας. Είναι κάτοχος MCA στη Μηχανική Υπολογιστών και εξειδικεύεται στον σχεδιασμό αρχιτεκτονικής και την ανάπτυξη αξιόπιστων και κλιμακούμενων λύσεων λογισμικού, από διαδικτυακές εφαρμογές έως συστήματα τεχνητής νοημοσύνης. Συνδυάζει τεχνική εξειδίκευση, δημιουργικότητα και πρακτική σκέψη στην επίλυση προβλημάτων, με στόχο την ανάπτυξη αποδοτικών και καινοτόμων τεχνολογικών λύσεων. Στον ελεύθερο χρόνο του απολαμβάνει να εξερευνά τη φύση με τη μοτοσυκλέτα του, να ασχολείται με τη μουσική και να περνά χρόνο με φίλους.
ΒΑΙΟΣ ΧΡΙΣΤΟΔΟΥΛΟΥ
Mobile Software Engineer
Ο Βάιος είναι Μηχανικός Λογισμικού κινητών εφαρμογών με Μεταπτυχιακό πτυχίο στους Ηλεκτρολογους μηχανικούς και μηχανικούς Υπολογιστών με ενδιαφέροντα στα συστήματα Linux, την ανάπτυξη εφαρμογών για κινητές συσκευές και τη ρομποτική. Αγαπά να παίζει, να δημιουργεί και να ακούει μουσική, εξερευνώντας τον εαυτό του μέσα από την καλλιτεχνική έκφραση.
ΘΩΜΑΣ ΠΑΝΤΟΣ
Flutter Mobile App Developer
O Θωμάς είναι Προγραμματιστής εφαρμογών κινητών συσκευών Flutter με Πτυχίο στην επιστήμη Υπολογιστών και εμπειρία στην ανάπτυξη εφαρμογών με Flutter, καθώς και σε πλατφόρμες iOS και Android. Διαθέτει εμπειρία στην κατασκευή εφαρμογών ηλεκτρονικού εμπορίου (e-commerce) και Internet of Things (IoT), με ιδιαίτερη έμφαση στη δημιουργία φιλικών προς τον χρήστη, επεκτάσιμων και εύκολα συντηρήσιμων λύσεων για κινητές συσκευές. Είναι προσηλωμένος στη συνεχή μάθηση, στις πρακτικές καθαρού κώδικα και στην παράδοση προϊόντων υψηλής ποιότητας μέσα από τη συνεργασία, την ομαδική εργασία και την καινοτομία.
Δημοσιεύσεις – Παρουσιάσεις – Case Studies
Knowledge Graphs και Μηχανική Μάθηση στην Ανίχνευση Ψευδών Ειδήσεων και Παραπληροφόρησης
- Η ανάπτυξη των ψηφιακών πλατφορμών έχει διευκολύνει τη ραγδαία εξάπλωση της παραπληροφόρησης, η οποία δημιουργεί σημαντικές κοινωνικές, πολιτικές και οικονομικές προκλήσεις. Τα Knowledge Graphs (KGs) αναδεικνύονται ως αποτελεσματικά εργαλεία για τη βελτίωση της ακρίβειας, της ερμηνευσιμότητας και της επεκτασιμότητας των συστημάτων ανίχνευσης ψευδών ειδήσεων, αντιμετωπίζοντας περιορισμούς των παραδοσιακών προσεγγίσεων μηχανικής μάθησης που βασίζονται κυρίως στη γλωσσική ανάλυση.
Η παρούσα εργασία περιλαμβάνει βιβλιογραφική ανασκόπηση που συνθέτει ευρήματα πρόσφατων μελετών σχετικά με την εφαρμογή των Knowledge Graphs στην ανίχνευση παραπληροφόρησης. Εξετάζεται ο τρόπος με τον οποίο τα KGs βελτιώνουν την ανίχνευση μέσω της αποτύπωσης πραγματικών συσχετίσεων, της ανάλυσης συμφραζομένων και της ενίσχυσης της ερμηνευσιμότητας των μοντέλων, ενώ παράλληλα αναλύονται υφιστάμενοι περιορισμοί που σχετίζονται με την επεκτασιμότητα, την πληρότητα των δεδομένων και την προσαρμογή στο εκάστοτε συγκείμενο.
Οι μελέτες που εξετάζονται αναδεικνύουν την ανάγκη για μελλοντική έρευνα που θα επικεντρώνεται στην ανάπτυξη επεκτάσιμων, real-time και διαγλωσσικών μοντέλων Knowledge Graphs, με στόχο την ενίσχυση των δυνατοτήτων ανίχνευσης παραπληροφόρησης σε παγκόσμιο επίπεδο.
Επιπλέον, παρουσιάζονται προκαταρκτικά αποτελέσματα από δύο περιπτώσεις χρήσης, αναδεικνύοντας μια μεθοδολογία κατασκευής Knowledge Graphs που μπορεί να αποτελέσει χρήσιμο εργαλείο για την αντιμετώπιση της διάδοσης παραπληροφόρησης.
Dynamic Demand Forecasting με AI: Μεγιστοποίηση της Αξίας στην Εφοδιαστική Αλυσίδα
- Η παρούσα εργασία παρουσιάζει την ανάπτυξη μιας δυναμικής πλατφόρμας πρόβλεψης ζήτησης, σχεδιασμένης για την ακριβή πρόβλεψη της ζήτησης και την ποσοτικοποίηση της προστιθέμενης αξίας της στη διαχείριση της εφοδιαστικής αλυσίδας, αξιοποιώντας προηγμένους αλγορίθμους μηχανικής μάθησης και επιχειρησιακής διαχείρισης.
Η πλατφόρμα συλλέγει και επεξεργάζεται δεδομένα σε πραγματικό χρόνο από πολλαπλές πηγές, όπως συστήματα point-of-sale, συναλλαγές ηλεκτρονικού εμπορίου, τιμολογιακές πολιτικές ανταγωνιστών, καιρικές συνθήκες και δεδομένα καταναλωτικού συναισθήματος. Μέσω της ενσωμάτωσης περιβαλλοντικών και προϊόντικών παραμέτρων, η πλατφόρμα βελτιστοποιεί τα επίπεδα αποθεμάτων, τη δρομολόγηση παραδόσεων και τη συνολική επιχειρησιακή αποδοτικότητα.
Η λύση επιτυγχάνει υψηλή ακρίβεια πρόβλεψης αξιοποιώντας μοντέλα όπως XGBoost και Support Vector Regression (SVR), τα οποία υπερτερούν σταθερά έναντι παραδοσιακών μεθόδων πρόβλεψης. Παράλληλα, έχει σχεδιαστεί ώστε να είναι επεκτάσιμη, οικονομικά αποδοτική και εύχρηστη, καθιστώντας την ιδιαίτερα κατάλληλη για μικρομεσαίες επιχειρήσεις (SMEs), οι οποίες συχνά αντιμετωπίζουν τεχνολογικούς και οικονομικούς περιορισμούς στην υιοθέτηση προηγμένων συστημάτων forecasting.
Η υλοποίηση του συστήματος ενισχύει σημαντικά τις διαδικασίες λήψης αποφάσεων, οδηγώντας σε μείωση λειτουργικών δαπανών και βελτίωση της ικανοποίησης των πελατών.
Real-World Case Study για την Πρόβλεψη Πωλήσεων με χρήση Τεχνητής Νοημοσύνης
- 28ο Πανελλήνιο Συνέδριο Προόδου στην Πληροφορική με Διεθνή Συμμετοχή (PCI),
13–15 Δεκεμβρίου 2024, Αθήνα, Ελλάδα
Η ακριβής πρόβλεψη πωλήσεων αποτελεί κρίσιμο παράγοντα για τη βελτιστοποίηση λειτουργιών και τη στρατηγική λήψη αποφάσεων στον τομέα του ηλεκτρονικού εμπορίου. Η παρούσα εργασία παρουσιάζει μια ολοκληρωμένη ανασκόπηση της υφιστάμενης βιβλιογραφίας σχετικά με αλγορίθμους πρόβλεψης πωλήσεων, καλύπτοντας τόσο παραδοσιακές στατιστικές προσεγγίσεις όσο και προηγμένες τεχνικές τεχνητής νοημοσύνης (AI).
Αξιοποιώντας σύνολο δεδομένων από μία από τις μεγαλύτερες εταιρείες ηλεκτρονικού εμπορίου στην Ελλάδα, εφαρμόζονται πολλαπλά μοντέλα βασισμένα στην AI για την πρόβλεψη της πορείας των πωλήσεων. Τα προκαταρκτικά αποτελέσματα αναδεικνύουν την αποτελεσματικότητα των αλγορίθμων τεχνητής νοημοσύνης στην αναγνώριση σύνθετων προτύπων μέσα στα δεδομένα, επιτυγχάνοντας υψηλότερη ακρίβεια πρόβλεψης σε σύγκριση με συμβατικές μεθόδους, ιδιαίτερα όταν ενσωματώνονται σημασιολογικά δεδομένα από εξωγενείς πηγές, όπως οι καιρικές συνθήκες και τα Google Trends.
Τα ευρήματα αυτά υπογραμμίζουν τις δυνατότητες ενσωμάτωσης της τεχνητής νοημοσύνης στις διαδικασίες forecasting πωλήσεων, συμβάλλοντας στην ενίσχυση της ανταγωνιστικότητας και της επιχειρησιακής αποδοτικότητας των επιχειρήσεων ηλεκτρονικού εμπορίου.
White Paper: Cancer Survivorship και AI για την Ευεξία – Μια Συνεργατική Προσέγγιση Ευρωπαϊκών Ερευνητικών Έργων
- Δημοσιεύθηκε White Paper σχετικά με τα αποτελέσματα της συνεργασίας 11 έργων του CORDIS, παρουσιάζοντας χρήσιμες προτάσεις και κατευθύνσεις για την έρευνα στους τομείς της ευεξίας, του καρκίνου και της τεχνητής νοημοσύνης στην υγεία.
Το συγκεκριμένο έγγραφο αποτελεί αποτέλεσμα συνεργειών μεταξύ πολλών έργων Horizon 2020 που συμμετέχουν στο cluster “Cancer Survivorship and AI for Wellbeing (CS-AIW)”, με στόχο την προώθηση καινοτόμων προσεγγίσεων για τη βελτίωση της ποιότητας ζωής και της φροντίδας των ασθενών.
Το έργο BD4QoL συνέβαλε ουσιαστικά, και ιδιαίτερα στο Κεφάλαιο 4 με τίτλο «Lessons learned from our collaboration», το οποίο επικεντρώνεται στα συμπεράσματα και τα διδάγματα που προέκυψαν από τη συνεργασία των ερευνητικών έργων.
Smartphone-Based Strategy για την Παρακολούθηση της Ποιότητας Ζωής Επιζώντων Καρκίνου Κεφαλής και Τραχήλου
- Μέρος της σειράς βιβλίων Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering (LNICST, Volume 488)
- Παρακολούθηση υποδομών σε πραγματικό χρόνοεφαρμόζουν πρακτικές self-management μέσω ενεργής καταγραφής συμπτωμάτων,
- διατηρούν υγιεινές συνήθειες ζωής,
- αλληλεπιδρούν με ενσωματωμένη τεχνητή νοημοσύνη που λειτουργεί ως επιπλέον κανάλι επικοινωνίας μεταξύ ασθενούς και ιατρού,
- συμπληρώνουν πρότυπα ερωτηματολόγια Ποιότητας Ζωής μέσω web πλατφόρμας από το σπίτι.
Οι προκλήσεις που αντιμετωπίστηκαν, οι μη παρεμβατικές διαδικασίες συλλογής δεδομένων που επιλέχθηκαν, καθώς και τα ποιοτικά δεδομένα που προέκυψαν από φυσικούς, κοινωνικούς και συμπεριφορικούς δείκτες, συνθέτουν ένα πολύτιμο σύνολο κατευθυντήριων γραμμών και απαιτήσεων για μελλοντικές ερευνητικές προσπάθειες που αφορούν την παρακολούθηση ασθενών μετά τη θεραπεία καρκίνου μέσω φορητών IoT συσκευών.
Τα IoT συστήματα που βασίζονται σε smartphones έχουν τη δυνατότητα να προβλέπουν και να παρακολουθούν αποτελεσματικά δείκτες Ποιότητας Ζωής, όταν σχεδιάζονται με κατάλληλη μεθοδολογία. Η παρούσα εργασία στοχεύει στην ανάπτυξη μιας ολοκληρωμένης στρατηγικής για τη δημιουργία εξειδικευμένης εφαρμογής παρακολούθησης της Ποιότητας Ζωής σε επιζώντες καρκίνου κεφαλής και τραχήλου.
Αρχικά, παρουσιάζονται τα αποτελέσματα βιβλιογραφικής ανασκόπησης σχετικά με υπηρεσίες mHealth για ασθενείς με καρκίνο. Στη συνέχεια, περιγράφεται αναλυτικά το πρωτόκολλο κλινικής μελέτης, στο πλαίσιο του οποίου οι ασθενείς ενθαρρύνονται να:
Multicenter Randomized Trial για την Αξιολόγηση της Ποιότητας Ζωής μέσω Non-Invasive Intelligent Tools κατά το Post-Curative Follow-up Ασθενών με Καρκίνο Κεφαλής και Τραχήλου
- Head and Neck Medical Oncology Department, Fondazione Istituto di Ricovero e Cura a Carattere Scientifico Istituto Nazionale dei Tumori, Milan, Italy
- Department of Oncology and Hemato-Oncology, University of Milan, Milan, Italy
- Oslo Center for Biostatistics and Epidemiology, University of Oslo, Oslo, Norway
- Oslo Center for Biostatistics and Epidemiology, Oslo University Hospital, Oslo, Norway
- Universidad Politécnica de Madrid-Life Supporting Technologies Research Group, ETSIT, Madrid, Spain
- Applied Research Division for Cognitive and Psychological Science, IEO, European Institute of Oncology IRCCS, Milan, Italy
- Department of Psychology, Educational Science and Human Movement (SPPEFF), University of Palermo, Palermo, Italy
- Information Technology Programme Management Office, DOTSOFT, Thessaloniki, Greece
- DeustoTech, Faculty of Engineering, Universidad de Deusto, Bilbao, Spain
- Institute of head and neck studies and Education, University of Birmingham, Birmingham, United Kingdom
- Division of Epidemiology and Health Care Research, JGU – Johannes Gutenberg University, Mainz, Germany
- Division of Oral and Maxillofacial Surgery – Bristol Dental Hospital, University of Bristol – Bristol Medical School, Bristol, United Kingdom
- Maxillo-Facial Surgery, Fondazione IRCCS Casa Sollievo della Sofferenza, San Giovanni Rotondo, Italy
- Maxillo-Facial Surgery, Interdisciplinary Department of Medicine, University of Bari “Aldo Moro”, Bari, Italy
- MultiMed Engineers srls, Parma, Italy
Οι ασθενείς που επιβιώνουν από καρκίνο κεφαλής και τραχήλου (HNC) αντιμετωπίζουν σημαντικές σωματικές, ψυχολογικές και κοινωνικοοικονομικές επιβαρύνσεις. Η επίτευξη επιβίωσης χωρίς καρκίνο, διατηρώντας παράλληλα υψηλή ποιότητα ζωής (QoL), αποτελεί βασικό στόχο στη διαχείριση των ασθενών με HNC, καθιστώντας απαραίτητη τη δια βίου παρακολούθηση.
Ένας ιδιαίτερα φιλόδοξος στόχος είναι η υλοποίηση αυτής της παρακολούθησης μέσω προηγμένης ανάλυσης περιβαλλοντικών, συναισθηματικών και συμπεριφορικών δεδομένων, τα οποία συλλέγονται διακριτικά μέσω mobile συσκευών.
Η συγκεκριμένη κλινική μελέτη στοχεύει στη μείωση του ποσοστού των επιζώντων HNC — οι οποίοι έχουν ολοκληρώσει τη θεραπεία τους από 3 μήνες έως και 10 χρόνια πριν — που παρουσιάζουν κλινικά σημαντική μείωση της ποιότητας ζωής κατά τη διάρκεια του follow-up, αξιοποιώντας non-invasive εργαλεία, όπως οι mobile συσκευές των ασθενών.
Η μελέτη Big Data for Quality of Life (BD4QoL) αποτελεί διεθνή, multicenter, randomized (2:1), open-label trial. Βασικός στόχος της μελέτης είναι η αξιολόγηση της κλινικά σημαντικής επιδείνωσης της ποιότητας ζωής βάσει του δείκτη EORTC QLQ-C30, κατά τη διάρκεια 24 μηνών post-treatment follow-up. Το συνολικό δείγμα της μελέτης ανέρχεται σε 420 ασθενείς.
Οι συμμετέχοντες κατανέμονται τυχαία είτε στην ομάδα παρακολούθησης μέσω της πλατφόρμας BD4QoL είτε στην ομάδα που ακολουθεί τη συνήθη κλινική πρακτική. Η πλατφόρμα BD4QoL περιλαμβάνει ένα ολοκληρωμένο σύνολο υπηρεσιών για την παρακολούθηση και ενδυνάμωση των ασθενών μέσω δύο βασικών εργαλείων:
- mobile εφαρμογή εγκατεστημένη στα smartphones των συμμετεχόντων, η οποία περιλαμβάνει chatbot για e-coaching,
- Point of Care dashboard, μέσω του οποίου οι ερευνητές διαχειρίζονται τα δεδομένα των ασθενών.
Και στις δύο ομάδες, οι συμμετέχοντες συμπληρώνουν ερωτηματολόγια QoL κατά την έναρξη της μελέτης και κάθε έξι μήνες, ενώ παράλληλα ακολουθούν το προβλεπόμενο post-treatment follow-up σύμφωνα με την κλινική πρακτική.
Οι ασθενείς της intervention arm (n=280) αποκτούν πρόσβαση στην πλατφόρμα BD4QoL, ενώ οι συμμετέχοντες της control arm (n=140) όχι. Στα βασικά κριτήρια συμμετοχής περιλαμβάνονται η ολοκλήρωση θεραπείας για μη μεταστατικό HNC και η χρήση Android smartphone, ενώ εξαιρούνται ασθενείς που βρίσκονται σε ενεργή θεραπεία ή παρουσιάζουν σύγχρονες μορφές καρκίνου.
Digital Health για την Υποστήριξη Επιζώντων Καρκίνου Κεφαλής και Τραχήλου
- CONFERENCE: IEEE BHI-BSN 2021
IEEE-EMBS International Conference on Biomedical and Health Informatics (BHI’21), jointly organised with the 17th IEEE-EMBS International Conference on Wearable and Implantable Body Sensor Networks (BSN’21)
Το παρόν άρθρο παρουσιάζει τις καινοτόμες δυνατότητες που μπορούν να προσφέρουν οι τεχνολογικές λύσεις στην υποστήριξη ασθενών που έχουν επιβιώσει από καρκίνο κεφαλής και τραχήλου.
Η έρευνα πραγματοποιήθηκε στο πλαίσιο του έργου BD4QoL και επικεντρώνεται στην αξιοποίηση digital health τεχνολογιών για τη βελτίωση της ποιότητας ζωής, της παρακολούθησης και της συνολικής υποστήριξης των ασθενών κατά την περίοδο μετά τη θεραπεία.
Smartphone-Based Strategy για την Παρακολούθηση της Ποιότητας Ζωής Επιζώντων Καρκίνου Κεφαλής και Τραχήλου
- EAI PervasiveHealth 2022 – 16th EAI International Conference on Pervasive Computing Technologies for Healthcare
- εφαρμόζουν πρακτικές self-management μέσω ενεργής καταγραφής συμπτωμάτων,
- διατηρούν υγιεινές συνήθειες ζωής,
- αλληλεπιδρούν με ενσωματωμένη τεχνητή νοημοσύνη που λειτουργεί ως επιπλέον κανάλι επικοινωνίας μεταξύ ασθενούς και ιατρού,
- συμπληρώνουν πρότυπα ερωτηματολόγια QoL μέσω web πλατφόρμας από το σπίτι.
Οι προκλήσεις που αντιμετωπίστηκαν, οι μη παρεμβατικές διαδικασίες συλλογής δεδομένων που επιλέχθηκαν, καθώς και τα ποιοτικά δεδομένα που προέκυψαν από φυσικούς, κοινωνικούς και συμπεριφορικούς δείκτες, συνθέτουν ένα πολύτιμο σύνολο κατευθυντήριων γραμμών και απαιτήσεων για μελλοντικές ερευνητικές προσπάθειες που αφορούν την παρακολούθηση ασθενών μετά από θεραπεία καρκίνου μέσω φορητών IoT συσκευών.
12–14 Δεκεμβρίου 2022
Θεσσαλονίκη, Ελλάδα
Τα IoT συστήματα που βασίζονται σε smartphones έχουν τη δυνατότητα να προβλέπουν και να παρακολουθούν αποτελεσματικά δείκτες Ποιότητας Ζωής (Quality of Life – QoL), όταν σχεδιάζονται με την κατάλληλη μεθοδολογία. Η παρούσα εργασία στοχεύει στην ανάπτυξη μιας ολοκληρωμένης στρατηγικής για τη δημιουργία εξειδικευμένης εφαρμογής παρακολούθησης της Ποιότητας Ζωής σε επιζώντες καρκίνου κεφαλής και τραχήλου.
Αρχικά παρουσιάζονται τα αποτελέσματα βιβλιογραφικής ανασκόπησης σχετικά με υπηρεσίες mHealth για ασθενείς με καρκίνο. Στη συνέχεια, περιγράφεται αναλυτικά το πρωτόκολλο κλινικής μελέτης, στο πλαίσιο του οποίου οι ασθενείς ενθαρρύνονται να:
Χρήση Classification για Πρόβλεψη Κυκλοφορίας σε Smart Cities
- Conference paper – First Online: 29 Μαΐου 2020
Μέρος της σειράς βιβλίων IFIP Advances in Information and Communication Technology (IFIPAICT, Volume 583)
Οι Smart Cities αναδεικνύονται ως ιδιαίτερα σύνθετα και διασυνδεδεμένα οικοσυστήματα, παρέχοντας έξυπνες υπηρεσίες και καινοτόμες λύσεις για τη βελτίωση της καθημερινής ζωής των πολιτών. Η παρούσα εργασία εξετάζει τη χρήση τεχνικών classification σε έργα Smart Cities, με έμφαση στην πρόβλεψη κυκλοφορίας.
Μέσα από συστηματική βιβλιογραφική ανασκόπηση, αναλύονται οι βασικές θεματικές περιοχές και οι μέθοδοι που αξιοποιούνται σε εφαρμογές έξυπνων πόλεων, δίνοντας ιδιαίτερη έμφαση σε διαδικασίες συλλογής δεδομένων (data harvesting) και εξόρυξης δεδομένων (data mining).
Η έρευνα εξετάζει κατά πόσο είναι εφικτή η πρόβλεψη του κυκλοφοριακού φόρτου βάσει ιστορικών δεδομένων και μετεωρολογικών συνθηκών. Τα αποτελέσματα δείχνουν ότι μπορούν να αναπτυχθούν διαφορετικά predictive models αξιοποιώντας weather data, με διαφορετικά επίπεδα ακρίβειας και αποτελεσματικότητας, αναδεικνύοντας τις δυνατότητες εφαρμογής τεχνικών AI και machine learning στη διαχείριση κυκλοφορίας σε περιβάλλοντα Smart Cities.
Smart Cities Data Classification για Πρόβλεψη Κατανάλωσης Ηλεκτρικής Ενέργειας & Κυκλοφορίας
- Οι Smart Cities εξελίσσονται διαρκώς σε ιδιαίτερα σύνθετα και διασυνδεδεμένα οικοσυστήματα, προσφέροντας έξυπνες υπηρεσίες και καινοτόμες λύσεις. Τα οικοσυστήματα αυτά παράγουν και αξιοποιούν μεγάλους όγκους δεδομένων από πολλαπλές πηγές, δημιουργώντας νέες προκλήσεις αλλά και ευκαιρίες για την ανάπτυξη αποδοτικών υπηρεσιών και εφαρμογών έξυπνων πόλεων.
- κατά πόσο είναι εφικτή η πρόβλεψη της κατανάλωσης ηλεκτρικής ενέργειας και του κυκλοφοριακού φόρτου βάσει ιστορικών δεδομένων και μετεωρολογικών συνθηκών,
- ποια χαρακτηριστικά δεδομένων είναι καταλληλότερα για πρόβλεψη ή υποστήριξη λήψης αποφάσεων σε θέματα ενεργειακής κατανάλωσης.
Τα αποτελέσματα δείχνουν ότι και στις δύο περιπτώσεις μπορούν να αναπτυχθούν αποτελεσματικά predictive models αξιοποιώντας weather data, αναδεικνύοντας τις δυνατότητες εφαρμογής τεχνικών AI και machine learning σε περιβάλλοντα Smart Cities.
Η παρούσα εργασία εξετάζει τη σύνδεση τεχνικών Data Mining με έργα Smart Cities, μέσα από συστηματική βιβλιογραφική ανασκόπηση που αναδεικνύει τις βασικές θεματικές περιοχές και τις μεθόδους που εφαρμόζονται. Η έρευνα δίνει ιδιαίτερη έμφαση σε διαδικασίες συλλογής δεδομένων (data harvesting) και ανάλυσης δεδομένων πόλης μέσω data mining τεχνικών.
Παράλληλα, εξετάζονται δύο βασικά ερευνητικά ερωτήματα:
Μεθοδολογία Classification για Πρόβλεψη Κυκλοφορίας: Αναδεικνύοντας τον Αντίκτυπο της COVID-19
- Journal: Integrated Computer-Aided Engineering, vol. 28, no. 4, pp. 417-435, 2021
Η παρούσα εργασία παρουσιάζει μια καινοτόμο μεθοδολογία classification για day-ahead traffic prediction. Η έρευνα εξετάζει κατά πόσο η κυκλοφοριακή κατάσταση μπορεί να προβλεφθεί με βάση μετεωρολογικές συνθήκες, εποχικότητα, χρονικά διαστήματα, καθώς και περιοριστικά μέτρα που σχετίζονται με την πανδημία COVID-19.
Προτείνονται αξιόπιστα predictive models που αξιοποιούν μικρότερα και πιο στοχευμένα σύνολα δεδομένων. Πέρα από τη διαδικασία feature selection, η μεθοδολογία ενσωματώνει νέα χαρακτηριστικά που σχετίζονται με τους περιορισμούς μετακίνησης λόγω COVID-19, διαμορφώνοντας ένα νέο data model για την ανάλυση κυκλοφορίας.
Η προτεινόμενη προσέγγιση διερευνά το βέλτιστο training subset για την εκπαίδευση των μοντέλων. Τα αποτελέσματα έδειξαν ότι μπορούν να αναπτυχθούν διαφορετικά μοντέλα με varying levels of success, ενώ η υψηλότερη ακρίβεια επιτεύχθηκε όταν συνδυάστηκαν όλα τα σχετικά χαρακτηριστικά και χρησιμοποιήθηκε το προτεινόμενο υποσύνολο εκπαίδευσης.
Η μεθοδολογία παρουσίασε σημαντική βελτίωση ακρίβειας σε σύγκριση με προηγούμενες δημοσιευμένες προσεγγίσεις, αναδεικνύοντας τη δυναμική αξιοποίησης AI και machine learning τεχνικών στην πρόβλεψη κυκλοφορίας σε περιβάλλοντα Smart Cities.
Μεθοδολογία Classification για Πρόβλεψη Κυκλοφορίας: Αναδεικνύοντας τον Αντίκτυπο της COVID-19
- Issue title: Selection of papers from the 21st EANN (Engineering Applications of Neural Networks) and 16th AIAI (Artificial Intelligence Applications and Innovations) Joint International Conference
Η παρούσα εργασία παρουσιάζει μια καινοτόμο μεθοδολογία classification για day-ahead traffic prediction. Η έρευνα εξετάζει κατά πόσο η κυκλοφοριακή κατάσταση μπορεί να προβλεφθεί με βάση μετεωρολογικές συνθήκες, εποχικότητα, χρονικά διαστήματα, καθώς και περιοριστικά μέτρα που σχετίζονται με την πανδημία COVID-19.
Προτείνονται αξιόπιστα predictive models που αξιοποιούν μικρότερα και πιο στοχευμένα σύνολα δεδομένων. Πέρα από τη διαδικασία feature selection, η μεθοδολογία ενσωματώνει νέα χαρακτηριστικά που σχετίζονται με τους περιορισμούς μετακίνησης λόγω COVID-19, διαμορφώνοντας ένα νέο data model για την ανάλυση κυκλοφορίας.
Η προτεινόμενη προσέγγιση διερευνά το βέλτιστο training subset για την εκπαίδευση των μοντέλων. Τα αποτελέσματα έδειξαν ότι μπορούν να αναπτυχθούν διαφορετικά μοντέλα με varying levels of success, ενώ η υψηλότερη ακρίβεια επιτεύχθηκε όταν συνδυάστηκαν όλα τα σχετικά χαρακτηριστικά και χρησιμοποιήθηκε το προτεινόμενο υποσύνολο εκπαίδευσης.
Η μεθοδολογία παρουσίασε σημαντική βελτίωση ακρίβειας σε σύγκριση με προηγούμενες δημοσιευμένες προσεγγίσεις, αναδεικνύοντας τη δυναμική αξιοποίησης AI και machine learning τεχνικών στην πρόβλεψη κυκλοφορίας σε περιβάλλοντα Smart Cities.
Game-Based Smart System για την Ανίχνευση Αναπτυξιακών Διαταραχών Λόγου και Ομιλίας στην Παιδική Επικοινωνία: Πρωτόκολλο προς Ψηφιακές Κλινικές Διαδικασίες Διάγνωσης
- Interactive Mobile Communication, Technologies and Learning Conference
- interactive game-based ψηφιακή εφαρμογή για το παιδί,
- online περιβάλλον συλλογής δεδομένων από γονείς και κλινικούς ειδικούς,
- πλήρη λειτουργική προδιαγραφή των game-based δραστηριοτήτων και της συνολικής αρχιτεκτονικής του συστήματος.
Το προτεινόμενο smart system έχει τη δυνατότητα να ενισχύσει τις διαδικασίες digital healthcare για τις επικοινωνιακές δεξιότητες των παιδιών, συμβάλλοντας παράλληλα σε θετικό κοινωνικό και οικονομικό αντίκτυπο σύμφωνα με τις σύγχρονες τάσεις ψηφιακού μετασχηματισμού στην υγεία.
IMCL 2021: New Realities, Mobile Systems and Applications, pp. 559–568
Παρόλο που η διεθνής βιβλιογραφία αναφέρει υψηλά ποσοστά αναπτυξιακών διαταραχών λόγου και ομιλίας στα παιδιά (3–17%), πολλά περιστατικά παραμένουν αδιάγνωστα, στερώντας από τα παιδιά τη δυνατότητα έγκαιρης και αποτελεσματικής παρέμβασης.
Η αξιοποίηση digital και mobile τεχνολογιών στους τομείς της υγείας και της εκπαίδευσης δημιουργεί νέες δυνατότητες για monitoring, decision making, classification και assessment διαδικασίες. Η παρούσα μελέτη παρουσιάζει και τεκμηριώνει ένα πρωτόκολλο σχεδιασμού και ανάπτυξης ψηφιακής προσέγγισης για την υποστήριξη screening και early detection διαδικασιών αναπτυξιακών δυσκολιών λόγου και ομιλίας στην παιδική επικοινωνία.
Η προτεινόμενη λύση αξιοποιεί smart computing models, αισθητήρες και δείκτες πρώιμης διάγνωσης γλωσσικών και επικοινωνιακών δυσκολιών και αναπτύσσεται σε διαδοχικές φάσεις. Ο σχεδιασμός του συστήματος περιλαμβάνει:
Συν-Σχεδιασμός της Εμπειρίας Χρήστη σε Location-Based Games για Δίκτυο Μουσείων: Συμμετοχή Επαγγελματιών Πολιτιστικής Κληρονομιάς και Τοπικών Κοινοτήτων
- Ο σχεδιασμός location-based games (LBGs) για τον τομέα της πολιτιστικής κληρονομιάς απαιτεί την ενεργή συμμετοχή τοπικών κοινοτήτων και επαγγελματιών πολιτισμού, ώστε να διασφαλίζεται η αυθεντικότητα, η πολιτιστική συνάφεια και η εγκυρότητα του περιεχομένου.
- επιτόπιες επισκέψεις (field visits),
- design workshops,
- field playtesting,
- field studies.
Παράλληλα, αναλύονται ζητήματα συμμετοχικού σχεδιασμού που προέκυψαν κατά τη διάρκεια του έργου, όπως:
- η κεντρικότητα και η αντιπροσωπευτικότητα των συμμετεχόντων,
- η παραγωγή ουσιαστικών αποτελεσμάτων μέσα από τις συναντήσεις,
- η συνδημιουργία περιεχομένου μέσω playtesting,
- οι επιπτώσεις της πανδημίας στη συμμετοχική διαδικασία.
Η εργασία παρουσιάζει μια ολοκληρωμένη περίπτωση participatory και co-design ανάπτυξης location-based games για πολιτιστική κληρονομιά, με έμφαση στη μακροχρόνια συνεργασία και τη συνεχή εμπλοκή των συμμετεχόντων στον σχεδιασμό τριών διαφορετικών LBGs για δίκτυο μουσείων και πολιτιστικών χώρων.
Η παρούσα εργασία παρουσιάζει μια συμμετοχική και co-design προσέγγιση για την ανάπτυξη LBGs που προωθούν την ευαισθητοποίηση και τη μάθηση γύρω από την άυλη πολιτιστική κληρονομιά της χειροτεχνίας και των παραδοσιακών τεχνικών. Η έρευνα υλοποιήθηκε στο πλαίσιο μακροχρόνιου έργου που κάλυψε όλη τη διαδικασία, από την αρχική ευαισθητοποίηση έως την τελική υλοποίηση.
Ακολουθώντας τη μεθοδολογία design thinking, παρουσιάζονται οι συμμετοχικές μέθοδοι που αξιοποιήθηκαν για την εμπλοκή επαγγελματιών πολιτιστικής κληρονομιάς, τοπικών κοινοτήτων και επισκεπτών μουσείων και πολιτιστικών χώρων. Οι μέθοδοι αυτές περιλαμβάνουν:
Framework Προσωποποίησης Περιεχομένου σε Πολιτιστικές Διαδρομές: Case Study του έργου TRACCE
- Οι σύγχρονες εξελίξεις στις τεχνολογίες digital storytelling στον τομέα του πολιτιστικού τουρισμού έχουν ενισχύσει νέες τάσεις για πιο άνετες, διαδραστικές και προσωποποιημένες ταξιδιωτικές εμπειρίες. Η ανάπτυξη recommendation systems και personalization τεχνικών δημιουργεί νέες δυνατότητες για την αναβάθμιση της εμπειρίας των επισκεπτών πολιτιστικής κληρονομιάς.
Η παρούσα εργασία παρουσιάζει ένα καινοτόμο narrative system για πολιτιστικές διαδρομές, το οποίο συνδυάζει τις προτιμήσεις πολυμεσικού περιεχομένου των χρηστών με διαφορετικές τυπολογίες πολιτιστικών τουριστών.
Ως ερευνητική βάση αξιοποιείται η τυπολογία McKercher, η οποία κατηγοριοποιεί τους επισκέπτες πολιτιστικής κληρονομιάς σε πέντε βασικές κατηγορίες. Μέσα από τη χρήση ειδικά σχεδιασμένου ερωτηματολογίου, αναπτύσσεται μια εμπλουτισμένη τυπολογία πολιτιστικών τουριστών, στην οποία προστίθενται τρεις επιπλέον κατηγορίες που βασίζονται στις προτιμήσεις των χρηστών σχετικά με multimedia περιεχόμενο.
Η προτεινόμενη προσέγγιση συμβάλλει στη δημιουργία περισσότερο προσωποποιημένων και διαδραστικών πολιτιστικών εμπειριών, ενισχύοντας τη συμμετοχή και την αλληλεπίδραση των επισκεπτών σε πολιτιστικές διαδρομές και περιβάλλοντα πολιτιστικής κληρονομιάς.
Επαναπροσδιορίζοντας το Smart Tourism μέσω Smart Gamified και Gaming Εφαρμογών στην Ελλάδα
- World Academy of Science, Engineering and Technology – International Journal of Social and Business Sciences
- “Hologrammatic Corfu” για την παλιά πόλη της Κέρκυρας,
- “BRENDA” για την περιοχή του Κιλκίς.
Παρότι τα δύο συστήματα σχεδιάστηκαν ανεξάρτητα και αντιμετωπίζουν διαφορετικές ανάγκες, βασίζονται σε κοινή gaming και gamification μεθοδολογία.
Η εφαρμογή Hologrammatic Corfu σχεδιάστηκε για την ολοκληρωμένη εξερεύνηση της πόλης πριν, κατά τη διάρκεια και μετά το ταξίδι, αξιοποιώντας transmedia περιεχόμενο όπως:
- φωτογραφίες,
- 360° videos,
- augmented reality,
- hologrammatic videos.
Παράλληλα, αξιοποιείται στατιστική ανάλυση επισκεψιμότητας σημείων ενδιαφέροντος, επιτρέποντας δυναμική ανακατεύθυνση επισκεπτών για την ενίσχυση της βιωσιμότητας, της προσβασιμότητας και της ισόρροπης διαχείρισης του τουριστικού ρεύματος.
Η εφαρμογή BRENDA σχεδιάστηκε με στόχο την προώθηση γαστρονομικού και ιστορικού τουρισμού, αξιοποιώντας serious gaming και gamification μηχανισμούς που συνδέουν τοπικές επιχειρήσεις με πολιτιστικά σημεία ενδιαφέροντος. Η προσέγγιση αυτή ενθαρρύνει την ενεργή συμμετοχή τόσο των τοπικών κοινοτήτων όσο και των επισκεπτών, ενισχύοντας βιώσιμες και διαδραστικές τουριστικές εμπειρίες.
Τέλος, η εργασία αναδεικνύει τη δυνατότητα επαναχρησιμοποίησης gaming μηχανισμών και transmedia στοιχείων σε νέες περιοχές ενδιαφέροντος, συμβάλλοντας στον μετασχηματισμό προορισμών σε σύγχρονους smart destinations.
Conference Title: ICSTDM 2021 – International Conference on Smart Tourism and Destination Management
Conference Location: Κωνσταντινούπολη, Τουρκία
Conference Dates: 28–29 Ιανουαρίου 2021
Vol. 15, No. 01, 2021
Οι smart τεχνολογίες αξιοποιούνται ολοένα και περισσότερο για τη βελτίωση της ταξιδιωτικής εμπειρίας και τη διαμόρφωση της εικόνας ενός προορισμού μέσω ψηφιακών εφαρμογών και social media πλατφορμών. Η παρούσα εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση smart management εφαρμογών που προωθούν τον πολιτισμό, τη βιωσιμότητα και την προσβασιμότητα σε δύο διαφορετικούς τουριστικούς προορισμούς στην Ελλάδα.
Η πρώτη περίπτωση αφορά την Κέρκυρα, έναν ιδιαίτερα δημοφιλή προορισμό και Μνημείο Παγκόσμιας Κληρονομιάς της UNESCO, όπου η αυξημένη επισκεψιμότητα δημιουργεί προκλήσεις σε επίπεδο οργάνωσης εμπειρίας και υποδομών. Η δεύτερη αφορά το Κιλκίς, έναν προορισμό χαμηλής τουριστικής κίνησης και υψηλής εποχικότητας, όπου οι παραδοσιακές πρακτικές προβολής πολιτισμού και τοπικής εμπειρίας δεν είχαν τα επιθυμητά αποτελέσματα.
Για την αντιμετώπιση των παραπάνω προκλήσεων αναπτύχθηκαν δύο διαφορετικά συστήματα:
Συμμετοχικός Αστικός Σχεδιασμός μέσω Online WebGIS Πλατφόρμας: Λειτουργίες και Εργαλεία
- Η παρούσα εργασία παρουσιάζει μια online WebGIS πλατφόρμα συμμετοχικού αστικού σχεδιασμού, εστιάζοντας στους στόχους, τις λειτουργίες και τα εργαλεία της, στο πλαίσιο του ερευνητικού έργου ppCITY.
- τη δημιουργία έργων και υπο-έργων σύμφωνα με τα στάδια του συμμετοχικού αστικού σχεδιασμού,
- την αξιοποίηση βιβλιοθηκών προτεινόμενων λύσεων,
- τον συνδυασμό profiling χρηστών και opinion weighting,
- τη διαχείριση και ανάλυση γεωχωρικών δεδομένων μέσω WebGIS εργαλείων.
Βασικός στόχος της πλατφόρμας είναι η ανάδειξη των σημαντικών χαρακτηριστικών του δημόσιου χώρου και η οργάνωση διαδικασιών ουσιαστικής και ισότιμης συμμετοχής των πολιτών στον αστικό σχεδιασμό.
Η ερευνητική αυτή προσέγγιση στοχεύει επίσης στη δημιουργία μιας ανοιχτής κοινότητας χρηστών, ειδικών, σχεδιαστών και developers γύρω από ένα open-source ppWebGIS λογισμικό, ενισχύοντας τη συνεργασία και τη συμμετοχική καινοτομία στον τομέα των Smart Cities και του urban planning.
Η ανάπτυξη των Τεχνολογιών Πληροφορίας και Επικοινωνιών (ICT) και ιδιαίτερα των εργαλείων WebGIS έχει συμβάλει σημαντικά στην ενίσχυση των διαδικασιών δημόσιας συμμετοχής, διευρύνοντας τη δυνατότητα εμπλοκής διαφορετικών ομάδων ενδιαφερομένων στον αστικό σχεδιασμό και τη λήψη αποφάσεων.
Η πλατφόρμα βασίζεται τεχνικά σε open-source ppGIS λύσεις και συνδυάζει καινοτόμα online εργαλεία που υποστηρίζουν τα βασικά μεθοδολογικά στάδια του συμμετοχικού σχεδιασμού, αξιοποιώντας πραγματικές χωρικές και πολεοδομικές προκλήσεις.
Το σύστημα επιτρέπει: