Ποιοτικοί είκτες Υπηρεσιών Βιβλιοθηκών και ιαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασµός.

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Ποιοτικοί είκτες Υπηρεσιών Βιβλιοθηκών και ιαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασµός."

Transcript

1 Ποιοτικοί είκτες Υπηρεσιών Βιβλιοθηκών και ιαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασµός. Αριστείδης Μελετίου Πολυτεχνείο Κρήτης, Πολυτεχνειούπολη, Χανιά, Ανθή Κατσιρίκου Πανεπιστήµιο Πειραιά, Καραολή και ηµητρίου 80, 18534, Πειραιάς, Περίληψη Είναι γεγονός ότι τα τελευταία χρόνια ο όγκος των πληροφοριών που έχουν σχέση με δεδομένα διαχείρισης βιβλιοθηκών αυξάνει με πολύ γρήγορους ρυθμούς, κάτι που καθιστά αρκετά δύσκολη τη διαδικασία ανάλυσής τους με απώτερο σκοπό τη λήψη αποφάσεων που σχετίζονται με την βελτίωση της ποιότητας των υπηρεσιών. Η παρούσα εργασία στοχεύει στον ορισμό μιας νέας μεθοδολογίας ανάλυσης των αποτελεσμάτων αποτίμησης ποιότητας των ελληνικών βιβλιοθηκών, για τη διάγνωση της υφιστάμενης οργάνωσης και διοίκησης των ανθρώπινων και οικονομικών πόρων μιας βιβλιοθήκης, αλλά και για την συμβολή στην ευκολότερη και αποδοτικότερη λήψη αποφάσεων. Η χρήση και ανάλυση με σωστό και μεθοδευμένο τρόπο, κάθε είδους δεδομένων που σχετίζονται με την λειτουργία μια βιβλιοθήκης, η χρήση δεικτών αποτίμησης της ποιότητας των βιβλιοθηκών και ο συνδυασμός των αποτελεσμάτων τους δίνει σημαντικά συμπεράσματα για τη δομή των Βιβλιοθηκών, γεγονός που οδηγεί στη διαμόρφωση του κατάλληλου στρατηγικού σχεδιασμού, για κάθε περίπτωση. Ο όρος δομή αναφέρεται στη λειτουργία της βιβλιοθήκης και περιλαμβάνει τόσο την οργάνωση των προσφερόμενων υπηρεσιών προς τους χρήστες, όσο και την οργάνωση των διαδικασιών εντός της Βιβλιοθήκης. Περιλαμβάνει επίσης τη διαχείριση του ανθρώπινου

2 δυναμικού, με σκοπό την κατά το δυνατόν άριστη αξιοποίησή του, καθώς και τη διαχείριση των οικονομικών πόρων με τον αποτελεσματικότερο και αποδοτικότερο τρόπο. Στη συγκεκριμένη ανάλυση θα αναφερθούν μέθοδοι εξόρυξης πληροφορίας από ένα μεγάλο σύνολο λειτουργικών δεδομένων που χρησιμοποιούνται κατά την προσφορά υπηρεσιών και οργάνωσης των σύγχρονων βιβλιοθηκών. Απώτερος σκοπός είναι η εξαγωγή χρήσιμων συμπερασμάτων από την διαδικασία εξόρυξης που θα βοηθήσουν στη βελτίωση των παρεχόμενων υπηρεσιών και του τρόπου οργάνωσης και λειτουργίας τους (π.χ. συλλογές / αιτούμενες ανάγκες ομάδων χρηστών / πολιτικές κατανομής κονδυλίων για απόκτηση υλικού). Εφαρμογές αυτής της μεθοδολογίας αφορούν την αποτίμηση της συλλογής σε συνδυασμό με τις θεματικές υποδιαιρέσεις, τις σχολές, τα ακαδημαϊκά τμήματα που εξυπηρετεί μια Βιβλιοθήκη, αφορούν επίσης το είδος των πηγών, σε συνδυασμό με τις κατηγορίες των χρηστών, αλλά και την επιστημονική κατεύθυνση αυτών. Μια άλλη εφαρμογή της μεθόδου αφορά τις επιπτώσεις που μπορεί να εμφανιστούν σε περίπτωση δυσανάλογης αυξομείωσης ενός υποσυνόλου της συλλογής, π.χ. των ηλεκτρονικών έναντι των έντυπων πηγών ή μιας θεματικής κατηγορίας εις βάρος άλλων ή του συνδυασμού των δύο και που οι επιπτώσεις αυτές επηρεάζουν το σύνολο της παρουσίας της βιβλιοθήκης, σε επίπεδο πόρων, οργάνωσης, υποκατάστασης ή συμπλήρωσης υπηρεσιών, ακόμα και εξάσκησης του προσωπικού σε νέες δραστηριότητες. Keywords: ιαχείριση Ανθρωπίνων Πόρων, Εξόρυξη Πληροφορίας, είκτες Αποτίµησης, Αξιολόγηση, Στρατηγικός Σχεδιασµός 1. Εισαγωγή Είναι γεγονός ότι συνεχώς το μέγεθος των πληροφοριών που αποθηκεύονται συνολικά σε καθημερινή βάση, στις βάσεις δεδομένων που εφαρμόζονται σε μια βιβλιοθήκη αυξάνει με γρήγορους ρυθμούς. Είναι λοιπόν αυτονόητο ότι ο όγκος των λειτουργικών δεδομένων (δεδομένα που χρησιμοποιούνται ή δύναται να χρησιμοποιηθούν) που υπάρχει σε μια βιβλιοθήκη είναι μεγάλος και συνεχώς αυξάνεται. Παράλληλα δεν πρέπει να ξεχνάμε το γεγονός ότι τα δεδομένα (τα οποία υπάρχει περίπτωση να αναφέρονται στο ίδιο αντικείμενο) συνήθως είναι αποθηκευμένα σε παραπάνω από μία βάσεις δεδομένων, κάτι που μας οδηγεί να συνειδητοποιήσουμε αμέσως το βαθμό ανομοιογένεια της εν λόγω πληροφορίας (πολλές βάσεις δεδομένων με διαφορετικά στοιχεία η καθεμιά).

3 Το πρόβλημα λοιπόν έγκειται στη συγκέντρωση της πληροφορίας αυτής με τέτοιο τρόπο που θα επιτρέψει την επεξεργασία της με σκοπό την εξαγωγή χρήσιμων συμπερασμάτων που οδηγούν στην λήψη αποφάσεων (π.χ. διοικητικές, οικονομικές). Η τεχνολογία που επιτρέπει το παραπάνω είναι η τεχνολογία εξόρυξης γνώσης από βάσεις δεδομένων (data mining). Θέλοντας λοιπόν να δώσουμε ένα πιο εμπεριστατωμένο ορισμό θα μπορούσαμε να πούμε ότι η εξόρυξη γνώσης (data mining technology) (Kao και Chang και Lin 2003) είναι μια διαδικασία κατά την οποία ανακαλύπτεται υπονοούμενη γνώση μέσα από μεγάλες βάσεις δεδομένων. Η τεχνολογία αυτή έχει την ικανότητα να αποκαλύπτει κρυμμένες σχέσεις, κρυμμένους συσχετισμούς, κρυμμένα πρότυπα και τάσεις σε δεδομένα που είναι αποθηκευμένα με παραδοσιακούς τρόπους σε μεγάλες βάσεις δεδομένων. Με άλλα λόγια η τεχνολογία αυτή αποκαλύπτει σχέσεις των δεδομένων που υπάρχουν μεν αλλά δεν είναι εμφανή (Han και Fu 1999; Hirota και Pedrycz 1999). Το παρόν άρθρο περιγράφει τη διαδικασία αυτή και προτείνει μεθοδολογίες για την αξιοποίηση και χρήση των τεχνικών που εφαρμόζονται σε χώρους διαφορετικούς των Βιβλιοθηκών (π.χ. οικονομικοί, εμπορικοί, ιατρικοί, τεχνολογικοί) στα δεδομένα που αφορούν βιβλιοθήκες. 2. Γενική περιγραφή της διαδικασίας εξερεύνησης γνώσης Στην ενότητα αυτή θα περιγράψουμε γενικά, τη διαδικασία εξερεύνησης γνώσεων από ένα σύνολο δεδομένων, αναφέροντας μια μικρή περιγραφή των διαφορετικών βημάτων που τη συνθέτουν και πρέπει να ακολουθηθούν. Εµπλουτισµός Επιλογή εδοµένων «Καθάρισµα» Κωδικοποίηση εδοµένων Μετασχηµατισµοί Εξόρυξη Γνώσης Παρουσίαση (Reporting) Πληροφορία προς εισαγωγή ράση (Action) Εφαρµογή Μοντέλων Εξόρυξη Γνώσης Λειτουργικά εδοµένα Εξωτερικά εδοµένα Feedback Εικόνα 1: Η διαδικασία εξερεύνησης γνώσης

4 Όπως φαίνεται από το παραπάνω σχήμα (Dunham 2004) η διαδικασία εξερεύνησης γνώσεων χωρίζεται σε έξι στάδια. Παρόλο που μπορεί κανείς να υποθέσει ότι τα στάδια αυτά είναι ανεξάρτητα μεταξύ τους, στην πράξη η διαδικασία μπορεί να γυρίσει ένα ή περισσότερα βήματα πίσω. Για παράδειγμα, στη φάση της κωδικοποίησης μπορεί να διαπιστωθεί ότι η διαδικασία του καθαρισμού δεν έγινε ικανοποιητικά και το σύστημα γυρνά δυο επίπεδα πίσω, ή κατά την εξερεύνηση προτύπων μπορεί να ανακαλύφθηκαν νέα δεδομένα και αυτά να χρησιμοποιηθούν για να εμπλουτίσουν ήδη υπάρχοντα δεδομένα. Στην επιλογή των δεδομένων συλλέγουμε τα δεδομένα που απαιτούνται για τη διαδικασία της εξόρυξης και ανακάλυψης γνώσης (λειτουργικά). Τα δεδομένα αυτά μπορούν να προέλθουν από πολλές διαφορετικές και ετερογενείς πηγές δεδομένων (βάσεις δεδομένων, μη ηλεκτρονικές πηγές κτλ.). Στο επόμενο στάδιο γίνεται ένα φιλτράρισμα των δεδομένων από πιθανή περιττή πληροφορία, λάθος δεδομένα και μόλυνση, φαινόμενα που επηρεάζουν σημαντικά τη διαδικασία εξερεύνησης νέας πληροφορίας οδηγώντας πολλές φορές σε ακραία αποτελέσματα. Τα λανθασμένα δεδομένα μπορούν να διορθωθούν ή αφαιρεθούν, ενώ τα ελλιπή να εκτιμηθούν και να συμπληρωθούν. Για το φιλτράρισμα της μόλυνσης από τα δεδομένα τα συστήματα εξερεύνησης γνώσεων χρησιμοποιούνται συνήθως data mining και pattern recognition τεχνικές (τεχνικές εξόρυξης γνώσης και αναγνώρισης προτύπων) ή πιο απλές λύσεις όπως η αφαίρεση των εγγραφών (records) που έχουν λίγα δεδομένα, ο έλεγχος του πεδίου τιμών των ιδιοτήτων (attributes) των εγγραφών (records), η αντικατάσταση μη λογικών (invalid) τιμών με μηδενικές (null) κ.α. Θα πρέπει να σημειωθεί ότι στη διαδικασία εξερεύνησης γνώσεων δε μας πειράζει να αφαιρέσουμε ένα πολύ μικρό ποσοστό μολυσμένων records αφού δεν πρόκειται να επηρεαστούν σημαντικά τα τελικά συμπεράσματα. Αντίθετα αν συμπεριληφθούν στην εξαγωγή συμπερασμάτων μπορεί να προκαλέσουν λάθος συμπεράσματα. Πάντως σε πολλές περιπτώσεις εξερεύνησης γνώσεων μας ενδιαφέρουν τα στοιχεία της μόλυνσης όπως για π.χ. το ποσοστό των χρηστών που αρνήθηκαν να δώσουν τα πραγματικά τους στοιχεία κ.α. Στο στάδιο «εμπλουτισμού» γίνεται εμπλουτισμός των δεδομένων εξερεύνησης από «εξωτερικά δεδομένα», δεδομένα δηλαδή που μπορούν να συμπληρώσουν τα ήδη υπάρχοντα με σκοπό την αποδοτικότερη επεξεργασία και την λήψη καλύτερων αποτελεσμάτων (π.χ. λεπτομερή πληροφορία για κάποια κατηγορία αντικειμένων εξερεύνησης, στατιστικές μετρήσεις σε μικρά δείγματα της βάσης δεδομένων).

5 Στο στάδιο κωδικοποίησης και μετασχηματισμού των δεδομένων λαμβάνουν χώρα κάποιοι μετασχηματισμοί που κάνουν πιο αποδοτική την διαδικασία της εξερεύνησης γνώσης. Τα δεδομένα που προέρχονται από διαφορετικές πηγές χρειάζεται να μετατραπούν σε ένα κοινό σχήμα για την περαιτέρω επεξεργασία τους. Μερικά δεδομένα ίσως απαιτείται να κωδικοποιηθούν ή να μετασχηματιστούν σε χρήσιμα σχήματα (π.χ. μετατροπή της ημερομηνία γέννησης σε ηλικία, διαίρεση των χρηματικών ποσών με 1000, μετατροπή των τιμών yes/no σε 1/0). Μπορεί επίσης να μειωθούν τα δεδομένα για να ελαττωθεί ο αριθμός των πιθανών τιμών των δεδομένων που θα ληφθούν υπόψη. Στο στάδιο αυτό, γίνεται η εξερεύνηση των δεδομένων εφαρμόζοντας (ανάλογα με το είδος της εξόρυξης) μοντέλα και τεχνικές εξόρυξης γνώσης μέσω του οποίων πλέον λαμβάνονται οι πληροφορίες που έχουν σχέση με το συσχετισμό των δεδομένων, μέσω των οποίων θα παραχθούν οι χρήσιμες πληροφορίες της όλης διαδικασίας. Ενδεικτικά οι γνώσεις που προκύπτουν από την εφαρμογή των μοντέλων και των τεχνικών αυτών μπορεί να είναι : Κανόνες συσχέτισης (association rules): Πρόκειται για εξαγωγή κανόνων που συσχετίζουν διάφορα αντικείμενα που ενδιαφέρουν το χρήστη (data miner), όπως για π.χ. «το 60% των πελατών που αγοράζουν περιοδικά αυτοκινήτων αγοράζουν και αθλητικά περιοδικά». Κατηγοριοποίηση (classification): Επιτυγχάνει την ταξινόμηση των δεδομένων της βάσης σύμφωνα με τις τιμές που έχουν σε κάποιες παραμέτρους, για π.χ. ταξινόμηση των αυτοκινήτων βάσει της κατανάλωσης τους ή του αριθμού χιλιομέτρων που έχουν κάνει. Συσταδοποίηση (clustering): Κατηγοριοποίηση των δεδομένων σε μικρό αριθμό κλάσεων με κάποια ιδιαίτερα κοινά χαρακτηριστικά, για π.χ. κατηγοριοποίηση των τρόπων προώθησης ενός προϊόντος ανάλογα με τις συνήθειες και τα εισοδήματα των πληθυσμών διαφορετικών περιοχών. Ανάλυση τάσεων και αποκλίσεων (trend and deviation analysis): Ανακάλυψη των κυρίων τάσεων και των αποκλίσεων των δεδομένων της βάσης, για π.χ. ανακάλυψη των μετοχών που αποδίδουν καλύτερα ή χειρότερα από το μέσο όρο σε ένα χρηματιστήριο. Ανάλυση προτύπων (pattern analysis): Ανακάλυψη συγκεκριμένων προτύπων στα δεδομένα της βάσης που καθορίζονται από το παρατηρητή (data miner), για π.χ. ανακάλυψη των πιο δημοφιλών μονοπατιών που ακολουθούν οι επισκέπτες ενός web site.

6 Στο τελευταίο στάδιο της διαδικασίας εξόρυξης γνώσης, γίνεται παρουσίαση των αποτελεσμάτων της εξερεύνησης (που παρήχθησαν στο προηγούμενο στάδιο) στον παρατηρητή, με τέτοιο τρόπο ώστε να τον βοηθήσουν στο μέγιστο για την κατανόηση της φύσης τους και τον τρόπο ερμηνείας και χρήσης/αξιοποίησής τους για την λήψη των αναγκαίων αποφάσεων. Είναι πολύ σημαντικό το πώς θα παρουσιαστούν στους χρήστες τα αποτελέσματα της εξόρυξης γνώσης, επειδή η χρησιμότητα ή μη των αποτελεσμάτων μπορεί να εξαρτάται ακριβώς από αυτήν την παρουσίαση. Για το σκοπό αυτό χρησιμοποιούνται διάφορες στρατηγικές οπτικοποίησης (οπτικής παρουσίασης των δεδομένων) (π.χ. γραφικές παραστάσεις όπως ραβδογράμματα, πίτες, ιστογράμματα, γραμμογράμματα, τρισδιάστατες απεικονίσεις). 3. Η διαδικασία εξόρυξης γνώσης σε δεδοµένα που σχετίζονται µε βιβλιοθήκες Στην περίπτωση εφαρμογής της συγκεκριμένης διαδικασίας σε δεδομένα που σχετίζονται με βιβλιοθήκες, περιγράφεται ακολούθως η διαδικασία προσαρμοσμένη στο τρόπο που στοχεύει να παρουσιάσει η εν λόγω εργασία όσον αφορά τη λήψη και επεξεργασία των δεδομένων αυτών με μεθόδους εξόρυξης γνώσης Επιλογή δεδοµένων προς επεξεργασία Αρχικά θα πρέπει να αποφασίσουμε ποια δεδομένα από αυτά που έχουν αποθηκευτεί στις βάσεις που εφαρμόζονται στη βιβλιοθήκη, θα συμπεριλάβουμε στη διαδικασία της εξερεύνησης γνώσης. Όσον αφορά τα λειτουργικά δεδομένα (operational data) δεδομένα που μπορούν να χρησιμοποιηθούν κατά τη διαδικασία εξόρυξης γνώσης, και συγκεκριμένα στο στάδιο της συλλογής δεδομένων (data selection), αναφέρουμε ενδεικτικά τα σπουδαιότερα από αυτά: εδοµένα από τον OPAC Τα δεδομένα που συλλέγονται εδώ έχουν σχέση με το είδος των βιβλίων (τίτλος, κατηγορία-θεματική συλλογή) που αναζητεί ο χρήστης. Δεν έχει σχέση προφανώς με το τι δανείζεται τελικά ο χρήστης μιας και μπορεί να αναζητήσεις κάποιο βιβλίο και τελικά να μην το δανειστεί. Τα δεδομένα αυτά βρίσκονται μέσω των αρχείων ημερολογίου και ερωτήσεων (log files με τα queries που γίνονται στη βάση του OPAC). Ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι ο κωδικός του βιβλίου, ο τίτλος του και η κατηγορία στην οποία ανήκει και η ημερομηνία αναζήτησης.

7 3.1.2 ανειστική κατάσταση χρηστών και δεδοµένα χρήσης υλικού (έντυπου ή ηλεκτρονικού) Τα δεδομένα που συλλέγονται εδώ έχουν σχέση με την ταυτότητα, κατηγορία και τμήμα του χρήστη, ποια βιβλία έχει δανειστεί ο καθένας, πόσο καιρό έχει κρατήσει το υλικό, πόσες φορές υπέστη δανεισμό ένα βιβλίο σε μια περίοδο και πόσες φορές το βιβλίο αυτό δεν ήταν διαθέσιμο και υπέστη κράτηση, πόσα και ποια βιβλία χαρακτηρίστηκαν εκπρόθεσμα κατά την επιστροφή τους, πόσοι δανεισμοί έχει κάνει κάθε χρήστης, πόσες εμπρόθεσμες και πόσες εκπρόθεσμες επιστροφές έχει κάνει κάθε χρήστης. Ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι ο κωδικός του βιβλίου, ο κωδικός και η κατηγορία του χρήστη (π.χ. προπτυχιακός, μεταπτυχιακός, ΔΕΠ), το τμήμα του χρήστη, αριθμός εκπρόθεσμων και εμπρόθεσμων επιστροφών χρήστη, πόσα και ποια βιβλία έχει δανειστεί, ο κωδικός και η κατηγορία-θεματική συλλογή του βιβλίου, αριθμός δανεισμών κάθε βιβλίου, αριθμός κρατήσεων που έχουν γίνει στο βιβλίο, πόσες φορές κάθε βιβλίο επιστράφηκε εμπρόθεσμα ή εκπρόθεσμα. Όταν πρόκειται για ηλεκτρονικό υλικό ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι ο κωδικός/τίτλος/θεματική κατηγορία του βιβλίου, ο κωδικός και η κατηγορία του χρήστη (π.χ. προπτυχιακός, μεταπτυχιακός, ΔΕΠ) που το διάβασε, το τμήμα του χρήστη. Τα δεδομένα αυτά λαμβάνονται από το σύστημα που εξυπηρετεί τα ηλεκτρονικά βιβλία (π.χ. log files από Web Servers) Αρχεία ηµερολογίου Web εξυπηρετητών (Web logs) Τα δεδομένα που συλλέγονται εδώ έχουν σχέση με τις διαδρομές που ακολουθεί ο χρήστης μέσα στον ιστοχώρο (site) της Βιβλιοθήκης σε μια επίσκεψή του. Αν ονοματίσουμε τις σελίδες που υλοποιούν τον ιστοχώρο (π.χ. Α,Β,C,D,...) λαμβάνονται οι διαδρομές που ακολουθεί ο κάθε χρήστης (π.χ. Από τη σελίδα Α στη C, μετά στη D, μετά στην B, δηλαδή η εν λόγω διαδρομή μπορεί να απεικονισθεί ως ACDB). Από τα δεδομένα αυτά μπορούν να προκύψουν οι δημοφιλέστεροι προορισμοί και οι δημοφιλέστερες διαδρομές. Τα δεδομένα αυτά ανακτώνται από τα αρχεία ημερολογίου (log files) των Web Servers της Βιβλιοθήκης και ουσιαστικά προκύπτει ένας πίνακας μίας στήλης στον οποίο κάθε γραμμή αναφέρει τις διαδρομές που ακολούθησε κάθε εικονική επίσκεψη χρήστη στον ιστοχώρο της Βιβλιοθήκης.

8 3.1.4 Περιοδικά συλλογής Τα δεδομένα που συλλέγονται εδώ έχουν σχέση με τις παραγγελίες περιοδικών (έντυπων ή ηλεκτρονικών) που παραγγέλνονται από την κοινότητα και συνθέτουν τη συλλογή των περιοδικών της Βιβλιοθήκης και τις χρήσεις τους. Ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι ο τίτλος του περιοδικού, ποιος το παρήγγειλε (πρόσωπο, τμήμα), το κόστος του, το είδος του (έντυπο, ηλεκτρονικό), η θεματική του ενότητα, ο προμηθευτής, το διάστημα για το οποίο ανήκει στη συλλογή (π.χ. για 2 χρόνια και μετά διακόπηκε). Επιπλέον τιμές θα μπορούσαν να είναι ένας αριθμός που δείχνει τη χρήση περιοδικών (δηλαδή πόσες φορές αναγνώστηκε από κάποιον χρήστη). Η τιμή αυτή που θα μπορούσε να ληφθεί, για έντυπο υλικό είτε από τον OPAC (αν επιτρέπεται ο δανεισμός περιοδικών, είτε από τη συμπλήρωση εντύπου που ενδεχομένως να βρίσκεται μέσα στο ίδιο το περιοδικό). Αν το περιοδικό είναι ηλεκτρονικό θα μπορούσε να ληφθεί από τα στατιστικά που κρατούνται από τους Web Servers όπου φιλοξενείται η ηλεκτρονική μορφή των περιοδικών αυτών ιαδανεισµός Τα δεδομένα που συλλέγονται εδώ έχουν σχέση με τα στοιχεία του υλικού προς διαδανεισμό: από ποια ομάδα χρηστών παραγγέλνεται (π.χ. φοιτητές, καθηγητές), από πού (προμηθευτής), πόσο χρόνο απαιτήθηκε για τη λήψη, το κόστος απόκτησης. Ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι ο κωδικός και η κατηγορία του χρήστη (π.χ. προπτυχιακός, μεταπτυχιακός, ΔΕΠ), το τμήμα του χρήστη, ο προμηθευτής από τον οποίο ζητήθηκε το υλικό και ο χρόνος (π.χ. σε ημέρες) που πέρασε για την λήψη, το κόστος. Από το πόσος χρόνος απαιτήθηκε για να ληφθεί το υλικό από τον προμηθευτή που ζητήθηκε, μπορούμε να εξάγουμε ένα δείκτη που έχει σχέση με την καταλληλότητά του. Επιπλέον ο λόγος (κόστος/ χρόνος λήψης) μας δείχνει συνολικά μια καλή εικόνα όσον αφορά την ποιότητα ενός προμηθευτή από τον οποίο ζητάμε υλικό. Ο δείκτης αυτός μπορεί κάλλιστα να εφαρμοστεί όχι μόνο στο διαδανεισμό (για τον χαρακτηρισμό του προμηθευτή από τον οποίο ζητάμε υλικό) αλλά και όσον αφορά βιβλία, περιοδικά ή οποιοδήποτε άλλο υλικό. Σε αυτόν τον τομέα ο χρόνος απόκρισης του προμηθευτή από τον οποίο ζητάμε υλικό (δηλαδή μετά από πόσο χρόνο αφού παραγγέλθηκε θα φτάσει στη Βιβλιοθήκη) σε σχέση με το συνολικό κόστος του υλικού δίνει μια καλή εικόνα για να χαρακτηριστεί ποσοτικά η ποιότητα (και η καταλληλότητα) ενός φορέα, κάτι που μπορεί να οδηγήσει σε αποφάσεις του τύπου «δεν επιλέγουμε τον προμηθευτή Α για βιβλία στον

9 τομέα της Μηχανικής αλλά επιλέγουμε τον προμηθευτή Β γιατί είναι καλύτερος (λαμβάνοντας υπόψιν τον παραπάνω λόγο για τα βιβλία Μηχανικής που έχουμε προμηθευτεί) Κόστος υλικού Τα δεδομένα εδώ έχουν σχέση με το κόστος του υλικού είτε είναι έντυπο είτε ηλεκτρονικό: κόστος βιβλίων, περιοδικών (έντυπων, ηλεκτρονικών), οπτικοακουστικού υλικού, ηλεκτρονικών συνδρομών, ηλεκτρονικών βιβλίων (e-books). Ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι ο τίτλος του υλικού (π.χ. τίτλος βιβλίου), το είδος του (π.χ. ηλεκτρονικό βιβλίο), η ημερομηνία κτήσης του, ο προμηθευτής του Παράµετροι από Οργανισµό /Ίδρυµα: Αναφερόμαστε σε παραμέτρους που δίνονται από τον οργανισμό (π.χ. Πανεπιστημιακές αρχές) και αφορούν συνολικά το Ίδρυμα ή και την Βιβλιοθήκη. Ενδεικτικές τιμές αυτών των παραμέτρων (οι οποίοι αρκετές φορές λειτουργούν ως κριτήρια για τη λήψη σημαντικών αποφάσεων, όπως θα δούμε στη συνέχεια), είναι ο συνολικός αριθμός των μελών της κοινότητας ανά κατηγορία (π.χ. ΔΕΠ, προπτυχιακοί, μεταπτυχιακοί) και ανά τμήμα, ο αριθμός των τμημάτων του Ιδρύματος, ο αριθμός και το είδος των μαθημάτων του κάθε τμήματος, τα αντικείμενα που διδάσκονται σε κάθε τμήμα (π.χ. Φυσική, Μαθηματικά, Αρχαία, Λατινικά) Ερωτηµατολόγια χρηστών Εδώ αναφερόμαστε σε δεδομένα που προκύπτουν από ερωτηματολόγια που έχουν συμπληρωθεί από τους ίδιους τους χρήστες και τα αποτελέσματά τους δύναται να έχουν καταχωρηθεί σε μια βάση δεδομένων (π.χ. Excel ή Access). Τα δεδομένα αυτά έχουν σχέση συνήθως με την ποσοτικοποίηση της ικανοποίηση χρηστών για μια υπηρεσία. Ενδεικτικές τιμές που θα μπορούσαν να επιλεγούν για επεξεργασία είναι το όνομα της υπηρεσίας, η διαβάθμιση του χαρακτηρισμού ικανοποίησης της υπηρεσίας (π.χ. ικανοποιημένος, πολύ ικανοποιημένος), το ποσοστό ή ο αριθμός των χρηστών που ανήκει σε κάθε διαβάθμιση (π.χ. 30% (ή 120 άτομα) απάντησαν ότι είναι πολύ ικανοποιημένα), η κατηγορία στην οποία ανήκει ο χρήστης (π.χ. προπτυχιακός), το τμήμα του, η ημερομηνία γέννησής του, το έτος σπουδών του (αν είναι φοιτητής).

10 3.1.9 είκτες που υποδεικνύουν ποιότητα υπηρεσιών αλλά και ποσοτικά µεγέθη Αναφερόµαστε σε δείκτες γενικά αποδεκτούς από την Βιβλιοθηκονοµική Κοινότητα (π.χ. δείκτες ΜΟΠΑΒ) 3.2. Καθάρισµα δεδοµένων Στη συνέχεια θα πρέπει να «καθαρίσουμε» (φιλτράρουμε) τις πληροφορίες που προκύπτουν από περιττά ή μολυσμένα στοιχεία που μπορούν να αλλάξουν και να επηρεάσουν τα αποτελέσματά μας. Οι πιο συχνές πηγές μόλυνσης δεδομένων είναι: τα duplications των records της βάσης δεδομένων, που συνήθως οφείλονται σε λόγους όπως τα τυπογραφικά λάθη των χρηστών, η αλλαγή της τιμής μιας μεταβλητής σε μία μόνο βάση δεδομένων και όχι παντού ενώ χρειάζεται (π.χ. η διεύθυνσης ενός χρήστη δεν άλλαξε σε όλες τις βάσεις δεδομένων που τον αφορούν). η εσκεμμένη άρνηση από την πλευρά του χρήστη να εισάγει όλα τα στοιχεία του για λόγους ασφαλείας, ή ακόμα να εισάγει και λάθος στοιχεία δίνοντας για παράδειγμα λάθος διεύθυνση. η εισαγωγή μολυσμένων στοιχείων στα πεδία της βάσης (για π.χ. τιμές της μορφής ) Γίνεται λοιπόν διόρθωση ή αφαίρεση των δεδομένων αυτών και έτσι στο τέλος τα δεδομένα που προκύπτουν δεν περιέχουν λανθασμένη πληροφορία που δεν έχει ιδιαίτερο νόημα και μπορεί να επηρεάσει τα αποτελέσματα που θα προκύψουν Εµπλουτισµός δεδοµένων Στο στάδιο εμπλουτισμού των δεδομένων μπορούν να μπουν περαιτέρω στοιχεία για τα δεδομένα εξερεύνησης (π.χ. από ερωτηματολόγια χρηστών σχετικά με βαθμό χρησιμοποίησης μιας υπηρεσία ή ενός τύπου υλικού, δείκτες ΜΟΠΑΒ) Κωδικοποίηση δεδοµένων Στο στάδιο κωδικοποίησης μπορούμε να μετασχηματίσουμε τα δεδομένα σε μία μορφή (π.χ. ημερομηνίες σε μία μορφή, άνδρας/γυναίκα σε μία μορφή, τμήματα σε μία μορφή (ΜΗΧΟΠ αντί Μηχανικών Ορυκτών Πόρων)). Δηλαδή αναπαριστούμε τις τιμές των δεδομένων με μια μορφή εκεί που υπάρχουν δύο ή περισσότερες. Έτσι στο τέλος η αναπαράσταση ίδιων τύπων δεδομένων (ίδιων χαρακτηριστικών) γίνεται με μία και μόνο μορφή, γεγονός που διευκολύνει κατά πολύ την επεξεργασία.

11 3.5. Εξόρυξη γνώσης Εφαρµογή µοντέλων / τεχνικών Στο στάδιο αυτό εφαρμόζουμε μεθόδους, μοντέλα και τεχνικές εξόρυξης γνώσης για να πάρουμε την πληροφορία που θέλουμε. Οι τεχνικές αυτές όχι μόνο απαιτούν μόνο ειδικούς τύπους δομής των δεδομένων, αλλά συνεπάγονται επίσης και ειδικούς τύπους αλγοριθμικών προσεγγίσεων (Dunham 2004). Η λεπτομερής τους ανάλυση δεν ανήκει στα πλαίσια της παρούσας εργασίας απλά αναφέρονται εν συντομία μερικές από τις συνηθισμένες τεχνικές εξόρυξης γνώσης. Εφαρμόζονται λοιπόν τεχνικές που έχουν ως στόχο να δημιουργήσουν ένα μοντέλο που βασίζεται στην είσοδο δεδομένων (που ουσιαστικά είναι τα δεδομένα προς επεξεργασία). Η διαδικασία της μοντελοποίησης δημιουργεί το μοντέλο ψάχνοντας μέσα στα δεδομένα. Οι τεχνικές που χρησιμοποιούνται ευρέως είναι : Η κατηγοριοποίηση των δεδομένων σε ομάδες ανάλογα με κάποιο χαρακτηριστικό τους. Εδώ εφαρμόζονται αλγόριθμοι βασισμένοι σε στατιστική (παλινδρόμηση, Bayesian κατηγοριοποίηση), βασισμένοι στην απόσταση (κάθε στοιχείο που απεικονίζεται στην ίδια κατηγορία μπορεί να θεωρηθεί ότι είναι πιο κοντά σε στοιχεία της ίδιας κατηγορίας από όσο σε στοιχεία τα οποία ανήκουν σε άλλες κατηγορίες), βασισμένοι σε δένδρα αποφάσεων (κατασκευή ενός δέντρου για να μοντελοποιηθεί η διαδικασία της κατηγοριοποίησης), βασισμένοι σε νευρωνικά δίκτυα, βασισμένοι σε κανόνες (π.χ. if-then κανόνες), βασισμένοι σε συνδυαστικές τεχνικές. Η συσταδοποίηση (clustering), η οποία είναι παρόμοια με την κατηγοριοποίηση (καθώς και στις δύο περιπτώσεις τα δεδομένα οργανώνονται σε ομάδες) με βασική διαφορά ότι οι ομάδες στις οποίες θα χωριστούν/κατηγοριοποιηθούν τα δεδομένα δεν είναι προκαθορισμένες αλλά προκύπτουν στην πορεία της επεξεργασίας. Ουσιαστικά η συσταδοποίηση επιτυγχάνεται βρίσκοντας ομοιότητες μεταξύ των δεδομένων βάσει των χαρακτηριστικών που υπάρχουν σε αυτά. Εδώ εφαρμόζονται ιεραρχικοί αλγόριθμοι (συσσωρευτικοί, διαιρετικοί), διαμεριστικοί αλγόριθμοι, ειδικοί αλγόριθμοι που εφαρμόζονται σε δυναμικές (συνεχώς μεταβαλλόμενες) βάσεις δεδομένων, αλγόριθμοι με κατηγορικά (μη αριθμητικά) γνωρίσματα. Η δημιουργία κανόνων συσχέτισης, όπου τα δεδομένα ανιχνεύονται με τέτοιο τρόπο ώστε να προκύψουν συσχετίσεις ανάμεσα σε αυτά εξετάζοντας συγκεκριμένα χαρακτηριστικά τους (π.χ. συσχετισμός που μπορεί να υπάρξει

12 ανάμεσα στο χρόνο δανεισμού ενός βιβλίου, στην κατηγορία που ανήκει και στο είδος του αναγνώστη του). Εδώ εφαρμόζονται αλγόριθμοι δειγματοληψίας, διαμέρισης, παραλληλισμού δεδομένων. Οι παραπάνω τεχνικές εφαρμόζονται από το λογισμικό που έχουμε προμηθευτεί για να διεξάγουμε την όλη διαδικασία της επεξεργασίας και εξόρυξης γνώσης των δεδομένων που μας ενδιαφέρουν και δεν είναι στα πλαίσια της εν λόγω εργασίας να επεκταθούμε περισσότερο στον τρόπο λειτουργίας τους. Παραδείγματα τέτοιων λογισμικών είναι το Clementine (εταιρεία SPSS) και το Darwin (εταιρεία Oracle). Από τις αναλύσεις λοιπόν αυτές μπορούν να προκύψουν πληροφορίες που δεν είναι εμφανείς αρχικά αλλά μόνο μετά το συσχετισμό των δεδομένων προς επεξεργασία. Δηλαδή προκύπτει ουσιαστικά πληροφορία που ήταν «κρυμμένη» και χρειαζόταν εφαρμογή τεχνικών και μεθόδων εξόρυξης γνώσης για να αποκαλυφθεί. Ενδεικτικά λοιπόν αναφέρουμε ένα πλήθος πληροφοριών που μπορούν να προκύψουν από τα δεδομένα που περιγράψαμε στο 3.1 και εμφανίζουν πολύ χρήσιμες πληροφορίες στον παρατηρητή : Από την ανάλυση των «δεδομένων δανειστικών καταστάσεων χρηστών και δεδομένων χρήσης υλικού (έντυπου ή ηλεκτρονικού)» μπορούμε να βρούμε συσχετισμούς μεταξύ χαρακτηριστικών που έχουν σχέση με τον αριθμό κρατήσεων και δανεισμού ενός τίτλου. Μπορούμε έτσι να αναφερθούμε στον «συντελεστή κρατήσεων σε σχέση με το πλήθος των δανεισμών ενός τίτλου για μια περίοδο», ο οποίος δείχνει το ποσοστό άμεσης διαθεσιμότητας του τίτλου αυτού. Ορίζουμε λοιπόν το δείκτη «άμεσης διαθεσιμότητας» ενός βιβλίου ως εξής: Δείκτης Άμεσης Διαθεσιμότητας (ΔΑΔ) = (αριθμός αιτήσεων για κράτηση) /(αριθμός δανεισμών) Όσο μεγαλύτερος είναι ο δείκτης αυτός τόσο η ζήτηση του τίτλου αυξάνει. Π.χ. αν σε περίοδο ενός χρόνου το βιβλίο Α δανείστηκε 10 φορές και στον ίδιο χρόνο του έγιναν 5 κρατήσεις, σημαίνει ότι το εν λόγω βιβλίο δεν ήταν διαθέσιμο, όταν ζητήθηκε για δανεισμό, 5 φορές και γι αυτό του έγινε κράτηση. Ο δείκτης ΔΑΔ λοιπόν είναι 5/10 = 0.5. Οπότε ίσως θα ήταν καλύτερο να αυξηθούν τα αντίτυπα σε αυτό το βιβλίο. Με το δείκτη «άμεσης διαθεσιμότητας» που ορίσαμε, βάζοντας ένα

13 κατώφλι, μπορούμε να πούμε ότι αν ο δείκτης υπερβαίνει το κατώφλι αυτό τότε είναι καλή πρακτική να αυξήσουμε τα αντίτυπα του τίτλου στον οποίο αναφέρεται ο δείκτης αυτός για να αυξήσουμε τη διαθεσιμότητά του προς τους χρήστες. Παράλληλα μπορούμε να δούμε στοιχεία σχετικά με το ποιες ομάδες χρηστών δανείζονται συγκεκριμένες κατηγορίες υλικού συχνότερα (π.χ. οι προπτυχιακοί φοιτητές ενός τμήματος δανείζονται συχνότερα βιβλία σχετικά με ένα συγκεκριμένο αντικείμενο σε σύγκριση με φοιτητές άλλων τμημάτων). Από την ανάλυση των «δεδομένων που προέκυψαν από τα αρχεία ημερολογίου (Web Logs) του Web Server» μπορούμε να εξάγουμε άμεσα συμπεράσματα τόσο για τις πιο δημοφιλείς σελίδες του ιστοχώρου όσο και για τις πιο δημοφιλείς διαδρομές που ακολουθούνται σε αυτόν με σκοπό τον καλύτερο ανασχεδιασμό του. Π.χ. αν διαπιστώσουμε ότι πολύ συχνά ακολουθούνται οι διαδρομές A,B,C,E και A,D,C και A,E,C, τότε κάλλιστα μπορεί να φτιαχτεί ένας σύνδεσμος (link) από τη σελίδα A στη C για να κάνει ευκολότερη και γρηγορότερη την εν λόγω μετάβαση μιας και διαπιστώνουμε ότι οι δύο σελίδες A και C συναντώνται πολύ συχνά στις διαδρομές που ακολουθούνται στον ιστοχώρο της Βιβλιοθήκης. Τέλος, ένας ακόμη τομέας που μπορεί να εφαρμοστεί η τεχνολογία εξόρυξης γνώσης, μετά την επεξεργασία των δεδομένων που αναφέρθηκαν, αφορά στην απόφαση για την κατανομή των κονδυλίων κάθε βιβλιοθήκης στα επιμέρους πανεπιστημιακά τμήματα το οποίο είναι ένα θέμα πολύ σημαντικό και ταυτόχρονα αρκετά πολύπλοκο. Οι παράμετροι που παίζουν το σημαντικότερο ρόλο στο συγκεκριμένο θέμα είναι (Graves 1974, Kao-Chang-Lin 2003) (1) το μέγεθος του τμήματος, (2) ο αριθμός των φοιτητών, (3) το κόστος του βιβλιοθηκονομικού υλικού, (4) η καταλληλότητα της συλλογής σε σχέση με τα αντικείμενα που διδάσκει το τμήμα, (5) ο αριθμός και το είδος των μαθημάτων του τμήματος, (6) το σύνολο των ερευνητικών δραστηριοτήτων του τμήματος, (7) το ποσοστό απορρόφησης των κονδυλίων που δόθηκαν σε παρελθόντα έτη στο τμήμα και (8) οι δανειστικές στατιστικές (circulation statistics). Εφαρμόζοντας λοιπόν τεχνικές εξόρυξης γνώσης, στα δεδομένα αυτά, μπορούμε να εξάγουμε αποτελέσματα που έχουν σχέση με τον τρόπο κατανομής των κονδυλίων στα διάφορα τμήματα (αλγόριθμος ABAMDM, acquisition budget allocation modem via data mining) (Graves 1974, Kao-Chang-Lin 2003).

14 3.6. Παρουσίαση αποτελεσµάτων λήψη αποφάσεων Τα εργαλεία (λογισμικό) εξόρυξης γνώσης διαθέτουν δυνατότητες που απεικονίζουν τα αποτελέσματα που προκύπτουν από τη διαδικασία εξόρυξης γνώσης με τέτοιο τρόπο που δίνει την παρουσίαση μιας όσο το δυνατόν πιο εποπτικής εικόνας στον παρατηρητή για να βρεθεί σε θέση να εκτιμήσει αποδοτικά τα αποτελέσματα και να πάρει αποφάσεις με βάση αυτά. Έτσι, στον τελικό χρήστη αυτών των συστημάτων παρουσιάζονται οθόνες που έχουν γραφικές παραστάσεις, πίνακες, γραφήματα, ιστογράμματα και πολλού είδους οπτικοποιημένες πληροφορίες.. 4. Συµπεράσµατα Η συγκεκριμένη εργασία αναφέρθηκε στην επιτακτική ανάγκη που συναντάται πλέον στην επεξεργασία δεδομένων με σκοπό την λήψη χρήσιμων πληροφοριών στον τομέα των Βιβλιοθηκών. Περιγράφηκε εποπτικά η διαδικασία της εξερεύνησης γνώσης και τα βήματα που ακολουθούνται σε αυτή με σκοπό τη λήψη χρήσιμης πληροφορίας (που αρχικά δεν είναι εμφανή) από αυτά. Παρουσιάστηκαν οι κατηγορίες των δεδομένων στον τομέα των Βιβλιοθηκών, οι οποίες μπορούν να υποστούν επεξεργασία με βάση μοντέλα εξόρυξης γνώσης. Στη συνέχεια περιγράφηκε πώς μπορεί η γενική διαδικασία και τα βήματα που ακολουθούνται στην εξερεύνηση και εξόρυξη γνώσης να εφαρμοστεί στις περιπτώσεις δεδομένων από Βιβλιοθήκες. Μέσα από τη διαδικασία τονίστηκε με παραδείγματα η χρησιμότητα των πληροφοριών που ανέκυψαν, κάτι που αυτόματα σημαίνει ότι ο τομέας της εξερεύνησης γνώσης σε δεδομένα Βιβλιοθηκών είναι πολύ σημαντικός τόσο για την λήψη χρήσιμης και πολλές φορές μη εμφανούς πληροφορίας, όσο και για τη χάραξη στρατηγικών και λήψη αποφάσεων στα πλαίσια σωστής λειτουργίας, οργάνωσης και βελτίωσης των προσφερόμενων υπηρεσιών τους. Βιβλιογραφία Λίστα αναφορών. Αλφαβητική σειρά των αναφορών. Dunham, Margaret H Data Mining: Εισαγωγικά και Προηγμένα Θέματα Εξόρυξης Γνώσης από Δεδομένα, Εκδόσεις Νέων Τεχνολογιών. Greaves, F. L., Jr The allocation formula as a form of book fund management in selected state-supported academic libraries, Florida State University, unpublished doctoral dissertation. Han, J. και Fu, Y. Mining multiple-level association rules in large databases. IEEE Transactions on Knowledge and Data Engineering 11(5) (1999):

15 Hirota, K. και Pedrycz, W. Fuzzy computing for data mining. Proceedings of the IEEE 87(9) (1999): Kao, S.-C. και Chang, H.-C. και Lin, C.-H. Decision support for the academic library acquisition budget allocation via circulation database mining. Information Processing and Management 39 (2003): Kim, Hyunki Developing Semantic Digital Libraries Using Data Mining Techniques, UMI Dissertation Services.

Ποιοτικοί Δείκτες Υπηρεσιών Βιβλιοθηκών και Διαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασμός.

Ποιοτικοί Δείκτες Υπηρεσιών Βιβλιοθηκών και Διαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασμός. 15 ο Πανελλήνιο Συνέδριο Ακαδημαϊκών Βιβλιοθηκών (Πάτρα: 1-3 Νοεμβρίου 2006) Ποιοτικοί Δείκτες Υπηρεσιών Βιβλιοθηκών και Διαχείριση Πόρων: Μεθοδολογίες Ανάλυσης και στρατηγικός σχεδιασμός. Αριστείδης Μελετίου

Διαβάστε περισσότερα

Ποιοτικοί ΔΕΊΚΤΕΣ ΥΠΗΡΕΣΙΏΝ ΒΙΒΛΙΟΘΗΚΏΝ &

Ποιοτικοί ΔΕΊΚΤΕΣ ΥΠΗΡΕΣΙΏΝ ΒΙΒΛΙΟΘΗΚΏΝ & Ποιοτικοί ΔΕΊΚΤΕΣ ΥΠΗΡΕΣΙΏΝ ΒΙΒΛΙΟΘΗΚΏΝ & ΔίΑΧΕΙΡΗΣΗ ΠΟΡΩΝ! ΜΕΘΟΔΟΛΟΓΙΕΣ ΑΝΑΛΥΣΗΣ & ΣΤΡΑΤΗΓΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΙΑ ΡΙΣ Τ Ε Ι Λ Η Σ Μ Ε Λ Ε Τ Ι Ο Υ ΑΝΘΗ ΚΑΤΣΙΡΙΚΟ Υ Περίληψη Είναι γεγονός ότι τα τελευταία χρόνια

Διαβάστε περισσότερα

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 20 Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση - 1 - Ανακάλυψη Γνώσης σε

Διαβάστε περισσότερα

Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά δεδομένα

Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά δεδομένα 6ο Πανελλήνιο Συνέδριο των Εκπαιδευτικών για τις ΤΠΕ «Αξιοποίηση των Τεχνολογιών της Πληροφορίας και της Επικοινωνίας στη Διδακτική Πράξη» Σύρος 6-8 Μαϊου 2011 Ανακάλυψη κανόνων συσχέτισης από εκπαιδευτικά

Διαβάστε περισσότερα

Βάσεις δεδομένων και Microsoft Access

Βάσεις δεδομένων και Microsoft Access Περιεχόμενα Κεφάλαιο 1 Βάσεις δεδομένων και Microsoft Access... 7 Κεφάλαιο 2 Microsoft Access 2010... 16 Κεφάλαιο 3 Σχεδιασμός βάσης δεδομένων και δημιουργία πίνακα... 27 Κεφάλαιο 4 Προβολές πινάκων και

Διαβάστε περισσότερα

Τεχνικές Εξόρυξης Δεδομένων

Τεχνικές Εξόρυξης Δεδομένων ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ Διατμηματικό Μεταπτυχιακό Πρόγραμμα στα Πληροφοριακά Συστήματα ( MIS ) Τεχνικές Εξόρυξης Δεδομένων για την βελτίωση της απόδοσης σε Κατανεμημένα Συστήματα Ζάχος Δημήτριος Επιβλέποντες:

Διαβάστε περισσότερα

ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ

ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ ΑΚΑΔΗΜΙΑ ΤΩΝ ΠΟΛΙΤΩΝ Αστική Μη Κερδοσκοπική Εταιρεία- ISO 9001 Σαπφούς 3, 81100 Μυτιλήνη (1ος Όροφος) 2251054739 (09:00-14:30) academy@aigaion.org civilacademy.ucoz.org «ΠΡΟΓΡΑΜΜΑ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΡΕΥΝΑΣ

Διαβάστε περισσότερα

Εισαγωγικό Μάθημα Βασικές Έννοιες - Ανάλυση Απαιτήσεων

Εισαγωγικό Μάθημα Βασικές Έννοιες - Ανάλυση Απαιτήσεων ..?????? Εργαστήριο ΒΑΣΕΙΣ????????? ΔΕΔΟΜΕΝΩΝ Βάσεων Δεδομένων?? ΙΙ Εισαγωγικό Μάθημα Βασικές Έννοιες - . Γενικά Τρόπος Διεξαγωγής Ορισμός: Βάση Δεδομένων (ΒΔ) είναι μια συλλογή από σχετιζόμενα αντικείμενα

Διαβάστε περισσότερα

Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών. Τμήμα Οικονομικών Επιστημών. Βιβλιοθήκη. Κανονισμός Λειτουργίας

Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών. Τμήμα Οικονομικών Επιστημών. Βιβλιοθήκη. Κανονισμός Λειτουργίας Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Οικονομικών Επιστημών Βιβλιοθήκη Κανονισμός Λειτουργίας Αθήνα 2007 Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Οικονομικών Επιστημών Βιβλιοθήκη

Διαβάστε περισσότερα

Κεντρική Βιβλιοθήκη Ε.Μ.Π. Υλικό Σεμιναρίων (για προπτυχιακούς φοιτητές)

Κεντρική Βιβλιοθήκη Ε.Μ.Π. Υλικό Σεμιναρίων (για προπτυχιακούς φοιτητές) Κεντρική Βιβλιοθήκη Ε.Μ.Π. Υλικό Σεμιναρίων (για προπτυχιακούς φοιτητές) Γραφείο Δανεισμού & Διαδανεισμού Κεντρικής Βιβλιοθήκης ΕΜΠ Νοέμβριος 2012 Περιεχόμενα Περιγραφή Χώρου ανά όροφο... 3 Δεκαδική Ταξινόμηση

Διαβάστε περισσότερα

Data Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής

Data Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής Data Mining: Στοχεύοντας στους σωστούς πελάτες To CRM front-office πελατών Οι Προμηθευτές Οι Πελάτες ΟΟργανισμός Τροφοδότηση ενεργειών Μάρκετινγκ ΒΙ Απόταδεδομέναστηγνώση Επιχειρηματική Γνώση Επιχειρηματικοί

Διαβάστε περισσότερα

Εργαστήριο Βάσεων Δεδομένων. Εισαγωγικό Φροντιστήριο Βασικές Έννοιες - Ανάλυση Απαιτήσεων

Εργαστήριο Βάσεων Δεδομένων. Εισαγωγικό Φροντιστήριο Βασικές Έννοιες - Ανάλυση Απαιτήσεων Εργαστήριο Βάσεων Δεδομένων Εισαγωγικό Φροντιστήριο Βασικές Έννοιες - Ανάλυση Απαιτήσεων Βάσεις Δεδομένων - Γενικά Ορισμός: Βάση Δεδομένων (ΒΔ) είναι μια συλλογή από σχετιζόμενα αντικείμενα. Τα περιεχόμενα

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΕΡΕΥΝΑΣ ΧΡΗΣΤΩΝ ΤΗΣ ΒΙΒΛΙΟΘΗΚΗΣ

ΑΝΑΛΥΣΗ ΕΡΕΥΝΑΣ ΧΡΗΣΤΩΝ ΤΗΣ ΒΙΒΛΙΟΘΗΚΗΣ ΑΝΑΛΥΣΗ ΕΡΕΥΝΑΣ ΧΡΗΣΤΩΝ ΤΗΣ ΒΙΒΛΙΟΘΗΚΗΣ ΤΟΥ ΠΕΙΡΑΜΑΤΙΚΟΥ ΣΧΟΛΕΙΟΥ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕΔΟΝΙΑΣ ΚΑΤΑΧΩΡΗΣΗ ΚΑΙ ΓΡΑΦΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ ΣΕ S.P.S.S. Υβόννη Νικολάου Ελένη Σακαρέλη Επιβλέπουσα:

Διαβάστε περισσότερα

ΜΟ.ΔΙ.Π.Α.Β. Κεντρική Υποδομή Επιχειρησιακής Ευφυΐας για Βιβλιοθήκες και Υπηρεσίες Πληροφόρησης

ΜΟ.ΔΙ.Π.Α.Β. Κεντρική Υποδομή Επιχειρησιακής Ευφυΐας για Βιβλιοθήκες και Υπηρεσίες Πληροφόρησης Κεντρική Υποδομή Επιχειρησιακής Ευφυΐας για Βιβλιοθήκες και Υπηρεσίες Πληροφόρησης ΜΟ.ΔΙ.Π.Α.Β. Μονάδα Διασφάλισης Ποιότητας Ακαδημαϊκών Βιβλιοθηκών Δρ. Γεώργιος Κ. Ζάχος Διευθυντής Βιβλιοθήκης και Κέντρου

Διαβάστε περισσότερα

Κεφάλαιο 7. Τρισδιάστατα Μοντέλα

Κεφάλαιο 7. Τρισδιάστατα Μοντέλα Κεφάλαιο 7. 7.1 ομές εδομένων για Γραφικά Υπολογιστών. Οι δομές δεδομένων αποτελούν αντικείμενο της επιστήμης υπολογιστών. Κατά συνέπεια πρέπει να γνωρίζουμε πώς οργανώνονται τα γεωμετρικά δεδομένα, προκειμένου

Διαβάστε περισσότερα

Βάσεις Δεδομένων. Εισαγωγή Ανάλυση Απαιτήσεων. Φροντιστήριο 1 ο

Βάσεις Δεδομένων. Εισαγωγή Ανάλυση Απαιτήσεων. Φροντιστήριο 1 ο Βάσεις Δεδομένων Εισαγωγή Ανάλυση Απαιτήσεων Φροντιστήριο 1 ο 16-10-2008 Εισαγωγή - Ορισμοί Βάση Δεδομένων είναι μία συλλογή από σχετιζόμενα αντικείμενα Ένα σύστημα διαχείρισης βάσεων δεδομένων (ΣΔΒΔ)

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα Εισαγωγή στο

Διαβάστε περισσότερα

Μάθηµα 3. Τµήµα Αρχειονοµίας - Βιβλιοθηκονοµίας

Μάθηµα 3. Τµήµα Αρχειονοµίας - Βιβλιοθηκονοµίας Μάθηµα 3 45 Ολοκληρωµένα Συστήµατα Βιβλιοθηκών Η έννοια του «Ολοκληρωµένου» Συστατικά (modules)( Καταλογογράφηση Προσκτήσεις ανεισµός ιαχείριση Περιοδικών ηµόσιος Κατάλογος (OPAC( OPAC-On-line Public Access

Διαβάστε περισσότερα

Στην πράξη ουσιαστικά αντικαθιστά τον παραδοσιακό κατάλογο μιάς Βιβλιοθήκης με όλα τα παραπάνω πλεονεκτήματα.

Στην πράξη ουσιαστικά αντικαθιστά τον παραδοσιακό κατάλογο μιάς Βιβλιοθήκης με όλα τα παραπάνω πλεονεκτήματα. 1 Λειτουργία και χρήση του καταλόγου OPAC. Η Κεντρική Βιβλιοθήκη της Θεολογικής Σχολής μέσα στα πλαίσια που καθορίζει το Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών και προσπαθώντας να ανταποκριθεί στις

Διαβάστε περισσότερα

. Εργαστήριο Βάσεων Δεδομένων. Εισαγωγικό Μάθημα Βασικές Έννοιες - Ανάλυση Απαιτήσεων

. Εργαστήριο Βάσεων Δεδομένων. Εισαγωγικό Μάθημα Βασικές Έννοιες - Ανάλυση Απαιτήσεων .. Εργαστήριο Βάσεων Δεδομένων Εισαγωγικό Μάθημα Βασικές Έννοιες - . Ύλη Εργαστηρίου ΒΔ Ύλη - 4 Ενότητες.1 - Σχεδιασμός Βάσης Δεδομένων.2 Δημιουργία Βάσης Δεδομένων Δημιουργία Πινάκων Εισαγωγή/Ανανέωση/Διαγραφή

Διαβάστε περισσότερα

1 Συστήματα Αυτοματισμού Βιβλιοθηκών

1 Συστήματα Αυτοματισμού Βιβλιοθηκών 1 Συστήματα Αυτοματισμού Βιβλιοθηκών Τα Συστήματα Αυτοματισμού Βιβλιοθηκών χρησιμοποιούνται για τη διαχείριση καταχωρήσεων βιβλιοθηκών. Τα περιεχόμενα των βιβλιοθηκών αυτών είναι έντυπα έγγραφα, όπως βιβλία

Διαβάστε περισσότερα

ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ. για το Ηλεκτρονικό Ερωτηµατολόγιο Ικανοποίησης Χρηστών των Ακαδηµαϊκών Βιβλιοθηκών

ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ. για το Ηλεκτρονικό Ερωτηµατολόγιο Ικανοποίησης Χρηστών των Ακαδηµαϊκών Βιβλιοθηκών ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ Ο ΗΓΟΣ για το Ηλεκτρονικό Ερωτηµατολόγιο Ικανοποίησης Χρηστών των Ακαδηµαϊκών Βιβλιοθηκών ΙΩΑΝΝΙΝΑ 2012 2 ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ σ. 2 Α. ΕΡΕΥΝΑ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑ Ε ΟΜΕΝΩΝ 2

ΕΙΣΑΓΩΓΗ σ. 2 Α. ΕΡΕΥΝΑ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑ Ε ΟΜΕΝΩΝ 2 1 Π Ε Ρ Ι Ε Χ Ο Μ Ε Ν Α ΕΙΣΑΓΩΓΗ σ. 2 Α. ΕΡΕΥΝΑ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑ Ε ΟΜΕΝΩΝ 2 Β. ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΕΥΝΑ 1. Γενικά Έννοιες.. 2 2. Πρακτικός Οδηγός Ανάλυσης εδοµένων.. 4 α. Οδηγός Λύσεων στο πλαίσιο

Διαβάστε περισσότερα

GreekLUG Ελεύθερο Λογισμικό & Λογισμικό Ανοικτού Κώδικα

GreekLUG Ελεύθερο Λογισμικό & Λογισμικό Ανοικτού Κώδικα GreekLUG Ελεύθερο Λογισμικό & Λογισμικό Ανοικτού Κώδικα Μάθημα 6ο Σουίτα Γραφείου LibreOffice 2 Ύλη Μαθημάτων V Μαθ. 5/6 : Σουίτα Γραφείου LibreOffice LibreOffice Γενικά, Κειμενογράφος - LibreOffice Writer,

Διαβάστε περισσότερα

Στατιστικές συναρτήσεις Γραφική και πινακοποιημένη αναπαράσταση δεδομένων (ιστόγραμμα) Διαχειριστής Σεναρίων Κινητός Μέσος σε Χρονοσειρές o o o

Στατιστικές συναρτήσεις Γραφική και πινακοποιημένη αναπαράσταση δεδομένων (ιστόγραμμα) Διαχειριστής Σεναρίων Κινητός Μέσος σε Χρονοσειρές o o o ΙΩΑΝΝΗΣ Κ. ΔΗΜΗΤΡΙΟΥ Εφαρμογές Ποσοτικές Ανάλυσης με το Excel 141 ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Ανάλυση Δεδομένων Στατιστικές συναρτήσεις Γραφική και πινακοποιημένη αναπαράσταση δεδομένων (ιστόγραμμα) Διαχειριστής

Διαβάστε περισσότερα

ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ. Στατιστικών Στοιχείων και Καθιερωµένων εικτών των Ακαδηµαϊκών Βιβλιοθηκών ΙΩΑΝΝΙΝΑ 2012

ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ. Στατιστικών Στοιχείων και Καθιερωµένων εικτών των Ακαδηµαϊκών Βιβλιοθηκών ΙΩΑΝΝΙΝΑ 2012 ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ 1 Ο ΗΓΟΣ Στατιστικών Στοιχείων και Καθιερωµένων εικτών των Ακαδηµαϊκών Βιβλιοθηκών ΙΩΑΝΝΙΝΑ 2012 2 ΜΟΝΑ Α ΙΑΣΦΑΛΙΣΗΣ ΠΟΙΟΤΗΤΑΣ ΑΚΑ ΗΜΑΪΚΩΝ ΒΙΒΛΙΟΘΗΚΩΝ

Διαβάστε περισσότερα

Λίγα λόγια από το συγγραφέα... 7. 91 Βάσεις δεδομένων και Microsoft Access... 9. 92 Microsoft Access... 22

Λίγα λόγια από το συγγραφέα... 7. 91 Βάσεις δεδομένων και Microsoft Access... 9. 92 Microsoft Access... 22 ΕΝΟΤΗΤΑ 5 Περιεχόμενα Λίγα λόγια από το συγγραφέα... 7 91 Βάσεις δεδομένων και Microsoft Access... 9 92 Microsoft Access... 22 93 Το σύστημα Βοήθειας του Microsoft Office... 32 94 Σχεδιασμός βάσης δεδομένων

Διαβάστε περισσότερα

Νέες Λειτουργίες Πληροφοριακού Συστήματος Διασφάλισης Ποιότητας. Οδηγίες εξαγωγής στοιχείων για Μέλη ΔΕΠ

Νέες Λειτουργίες Πληροφοριακού Συστήματος Διασφάλισης Ποιότητας. Οδηγίες εξαγωγής στοιχείων για Μέλη ΔΕΠ Νέες Λειτουργίες Πληροφοριακού Συστήματος Διασφάλισης Ποιότητας Οδηγίες εξαγωγής στοιχείων για Μέλη ΔΕΠ Ιούλιος 2016 Περιεχόμενα 1. 2. 3. Γραφικές παραστάσεις Κωδικών Αξιολόγησης...3 1.1. Εκτύπωση/Αποθήκευση

Διαβάστε περισσότερα

Εθνικόν και Καποδιστριακόν Πανεπιστήμιον Αθηνών

Εθνικόν και Καποδιστριακόν Πανεπιστήμιον Αθηνών ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Εθνικόν και Καποδιστριακόν Πανεπιστήμιον Αθηνών ΕΚΠΑΙΔΕΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ «ΧΡΗΣΗ ΛΟΓΙΣΜΙΚΩΝ (SPSS, EXCEL) ΣΤΗΝ ΑΞΙΟΛΟΓΗΣΗ ΚΑΙ ΔΙΑΣΦΑΛΙΣΗ ΠΟΙΟΤΗΤΑΣ ΣΤΗΝ ΕΚΠΑΙΔΕΥΣΗ» To Κέντρο Συνεχιζόμενης

Διαβάστε περισσότερα

Εισαγωγή στη Στατιστική

Εισαγωγή στη Στατιστική Εισαγωγή στη Στατιστική Μετεκπαιδευτικό Σεμινάριο στην ΨΥΧΟΚΟΙΝΩΝΙΚΗ ΑΠΟΚΑΤΑΣΤΑΣΗ ΨΥΧΟΚΟΙΝΩΝΙΚΕΣ ΘΕΡΑΠΕΥΤΙΚΕΣ ΠΡΟΣΕΓΓΙΣΕΙΣ Δημήτρης Φουσκάκης, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων

Διαβάστε περισσότερα

ΚΟΗΑ ΧΡΗΣΤΕΣ ΑΝΑΖΗΤΗΣΗ/ ΚΑΤΑΧΩΡΙΣΗ/ ΕΠΕΞΕΡΓΑΣΙΑ/ ΑΝΑΝΕΩΣΗ ΚΑΡΤΑΣ/ΙΣΤΟΡΙΚΟ ΔΑΝΕΙΣΜΩΝ ΤΡΟΠΟΠΟΙΗΣΕΩΝ / ΣΤΑΤΙΣΤΙΚΑ

ΚΟΗΑ ΧΡΗΣΤΕΣ ΑΝΑΖΗΤΗΣΗ/ ΚΑΤΑΧΩΡΙΣΗ/ ΕΠΕΞΕΡΓΑΣΙΑ/ ΑΝΑΝΕΩΣΗ ΚΑΡΤΑΣ/ΙΣΤΟΡΙΚΟ ΔΑΝΕΙΣΜΩΝ ΤΡΟΠΟΠΟΙΗΣΕΩΝ / ΣΤΑΤΙΣΤΙΚΑ ΚΟΗΑ ΧΡΗΣΤΕΣ ΑΝΑΖΗΤΗΣΗ/ ΚΑΤΑΧΩΡΙΣΗ/ ΕΠΕΞΕΡΓΑΣΙΑ/ ΑΝΑΝΕΩΣΗ ΚΑΡΤΑΣ/ΙΣΤΟΡΙΚΟ ΔΑΝΕΙΣΜΩΝ ΤΡΟΠΟΠΟΙΗΣΕΩΝ / ΣΤΑΤΙΣΤΙΚΑ Σημεία αναζήτησης του Χρήστη στη Σελίδα Διεπαφής Σύνδεσμος Χρήστες (από το μενού στην κορυφή

Διαβάστε περισσότερα

1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ

1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ 1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Τα δεδομένα που θα επεξεργασθούμε στη διάρκεια του εργαστηρίου παραχωρήθηκαν από την εταιρεία ICAP ειδικά για τις ανάγκες του μαθήματος. Τα δεδομένα αυτά αντλήθηκαν από την

Διαβάστε περισσότερα

Νέες Λειτουργίες Πληροφοριακού Συστήματος Διασφάλισης Ποιότητας

Νέες Λειτουργίες Πληροφοριακού Συστήματος Διασφάλισης Ποιότητας Νέες Λειτουργίες Πληροφοριακού Συστήματος Διασφάλισης Ποιότητας Οδηγίες εξαγωγής στοιχείων για τις ΟΜΕΑ Ιούλιος 2016 Περιεχόμενα 1. Γραφικές παραστάσεις Πινάκων...3 1.1. Εκτύπωση/Αποθήκευση γραφικής παράστασης...5

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών 44 Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών Διδακτικοί στόχοι Σκοπός του κεφαλαίου είναι οι μαθητές να κατανοήσουν τα βήματα που ακολουθούνται κατά την ανάπτυξη μιας εφαρμογής.

Διαβάστε περισσότερα

Αναφορά εργασιών για το τρίμηνο Μάρτιος 2013 Μάιος 2013 Όνομα : Παπαχριστόπουλος Λεωνίδας

Αναφορά εργασιών για το τρίμηνο Μάρτιος 2013 Μάιος 2013 Όνομα : Παπαχριστόπουλος Λεωνίδας Στο πλαίσιο της πράξης «Αναβάθμιση και Εμπλουτισμός των Ψηφιακών Υπηρεσιών της Βιβλιοθήκης του Παντείου Πανεπιστημίου». Η Πράξη συγχρηματοδοτείται από το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης (ΕΤΠΑ).

Διαβάστε περισσότερα

Σχεδιασμός Οικολογικού Διαμεσολαβητή για την εποπτεία και διαχείριση δικτύου διανομής ηλεκτρικής ενέργειας

Σχεδιασμός Οικολογικού Διαμεσολαβητή για την εποπτεία και διαχείριση δικτύου διανομής ηλεκτρικής ενέργειας Σχεδιασμός Οικολογικού Διαμεσολαβητή για την εποπτεία και διαχείριση δικτύου διανομής ηλεκτρικής ενέργειας Σωτηρία Δριβάλου Εθνικό Μετσόβιο Πολυτεχνείο Μονάδα Εργονομίας Συστήματα διανομής ηλεκτρικής ενέργειας

Διαβάστε περισσότερα

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α) Τμήμα Διοίκησης Επιχειρήσεων (Αγ. Νικόλαος), Τ.Ε.Ι. Κρήτης Σελίδα 1 από 14 3η Εργαστηριακή Άσκηση Σκοπός: Η παρούσα εργαστηριακή άσκηση, χρησιμοποιώντας ως δεδομένα τα στοιχεία που προέκυψαν από την 1η

Διαβάστε περισσότερα

Προγράμματα εκπαίδευσης χρηστών βιβλιοθήκης στο Πανεπιστήμιο Θεσσαλίας

Προγράμματα εκπαίδευσης χρηστών βιβλιοθήκης στο Πανεπιστήμιο Θεσσαλίας Προγράμματα εκπαίδευσης χρηστών βιβλιοθήκης στο Πανεπιστήμιο Θεσσαλίας Γιάννης Κλαψόπουλος Μάριος Μπαλατζάρας Αγάπη Πολύζου Βόλος, 11 Δεκεμβρίου 2008 1 Η Χωροταξία της Βιβλιοθήκης & Κέντρου Πληροφόρησης

Διαβάστε περισσότερα

ΚΑΝΟΝΙΣΜΟΣ ΛΕΙΤΟΥΡΓΙΑΣ ΤΗΣ ΒΙΒΛΙΟΘΗΚΗΣ TOY ΙΝΣΤΙΤΟΥΤΟΥ ΠΛΗΡΟΦΟΡΙΚΗΣ (ΙΠ) ΤΟΥ Ι ΡΥΜΑΤΟΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΡΕΥΝΑΣ (ΙΤΕ)

ΚΑΝΟΝΙΣΜΟΣ ΛΕΙΤΟΥΡΓΙΑΣ ΤΗΣ ΒΙΒΛΙΟΘΗΚΗΣ TOY ΙΝΣΤΙΤΟΥΤΟΥ ΠΛΗΡΟΦΟΡΙΚΗΣ (ΙΠ) ΤΟΥ Ι ΡΥΜΑΤΟΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΡΕΥΝΑΣ (ΙΤΕ) ΚΑΝΟΝΙΣΜΟΣ ΛΕΙΤΟΥΡΓΙΑΣ ΤΗΣ ΒΙΒΛΙΟΘΗΚΗΣ TOY ΙΝΣΤΙΤΟΥΤΟΥ ΠΛΗΡΟΦΟΡΙΚΗΣ (ΙΠ) ΤΟΥ Ι ΡΥΜΑΤΟΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΡΕΥΝΑΣ (ΙΤΕ) Η Βιβλιοθήκη του Ινστιτούτου Πληροφορικής είναι η πρώτη οργανωµένη βιβλιοθήκη Ινστιτούτου

Διαβάστε περισσότερα

Συστήματα Πληροφοριών Διοίκησης

Συστήματα Πληροφοριών Διοίκησης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Τεχνολογικό Εκπαιδευτικό Ίδρυμα Πειραιά Συστήματα Πληροφοριών Διοίκησης Ενότητα 2: Γενική θεώρηση και κατάταξη συστημάτων πληροφοριών διοίκησης Διονύσιος Γιαννακόπουλος, Καθηγητής Τμήμα

Διαβάστε περισσότερα

CRM για Εκπαιδευτικούς Φορείς

CRM για Εκπαιδευτικούς Φορείς Cosmos Business Systems S.A. Group CRM για Εκπαιδευτικούς Φορείς CRM Εκπαιδευτικών Φορέων Το CRM Εκπαιδευτικών Φορέων έχει αναπτυχθεί για να ικανοποιήσει τις ανάγκες διαχείρισης του υποψήφιου πελατολογίου

Διαβάστε περισσότερα

Η διαδικτυακή εφαρμογή ESOG: Εγχειρίδιο χρήσης *

Η διαδικτυακή εφαρμογή ESOG: Εγχειρίδιο χρήσης * Η διαδικτυακή εφαρμογή ESOG: Εγχειρίδιο χρήσης * Σ. Ουγιάρογλου, M.Sc., Καθηγητής Πληροφορικής, Γ.Ε.Λ. Θέρμου Αιτ/νίας stoug@sch.gr ΠΕΡΙΛΗΨΗ Αυτές οι σελίδες συνθέτουν ένα εγχειρίδιο χρήσης της διαδικτυακής

Διαβάστε περισσότερα

ΕΡΕΥΝΑ ΧΡΗΣΤΩΝ ΒΥΠ ΜΑΪΟΣ 1999 ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ

ΕΡΕΥΝΑ ΧΡΗΣΤΩΝ ΒΥΠ ΜΑΪΟΣ 1999 ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ ΕΡΕΥΝΑ ΧΡΗΣΤΩΝ ΒΥΠ ΜΑΪΟΣ 1999 ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ 1. Ιδιότητα (001) Μέλος ΔΕΠ (ΔΕΠ) (1) Φοιτητής/τρια (Φ) (3) Μεταπτυχιακός φοιτητής (ΜΦ) (2) Ερευνητικό Προσωπικό (ΕΡ) (4) 2. Τμήμα (002) 3. Μπορείτε να μας

Διαβάστε περισσότερα

Εφαρμογή Ηλεκτρονικής Διαχείρισης Μετεγγραφών

Εφαρμογή Ηλεκτρονικής Διαχείρισης Μετεγγραφών Εφαρμογή Ηλεκτρονικής Διαχείρισης Μετεγγραφών Παραδοτέο: Αναφορά Συντήρησης και Λειτουργίας της Εφαρμογής Συντήρηση Διαδικτυακής Πύλης και Εφαρμογών Πίνακας Περιεχομένων 1 Εργασίες συντήρησης της διαδικτυακής

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ Δ.Π.Μ.Σ: «Εφαρμοσμένες Μαθηματικές Επιστήμες» 2008

Διαβάστε περισσότερα

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πρόγραμμα Μεταπτυχιακών Σπουδών Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Αργυροπούλου Αιμιλία

Διαβάστε περισσότερα

Οδηγός συγγραφής αναφοράς

Οδηγός συγγραφής αναφοράς ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Οδηγός συγγραφής αναφοράς Για τις εργαστηριακές ασκήσεις της Φυσικής Για τις Σχολές ΜΠΔ, ΜΗΧΟΠ και ΜΗΠΕΡ Επιμέλεια: Δρ. Ναθαναήλ Κορτσαλιουδάκης, Φυσικός ΕΡΓΑΣΤΗΡΙΟ

Διαβάστε περισσότερα

Ανάκτηση Πληροφορίας

Ανάκτηση Πληροφορίας Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #02 Ιστορική αναδρομή Σχετικές επιστημονικές περιοχές 1 Άδεια χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Φύλλο Εργασίας Μαθητή Τίτλος: Γίνομαι Ερευνητής/Ερευνήτρια

Φύλλο Εργασίας Μαθητή Τίτλος: Γίνομαι Ερευνητής/Ερευνήτρια Φύλλο Εργασίας Μαθητή Τίτλος: Γίνομαι Ερευνητής/Ερευνήτρια Τάξη: Γ Γυμνασίου Ενότητα: Επικοινωνώ και Συνεργάζομαι σε Διαδικτυακά Περιβάλλοντα Λύνω Προβλήματα με Υπολογιστικά Φύλλα Μάθημα: Επεξεργασία Ηλεκτρονικού

Διαβάστε περισσότερα

Περιγραφική Στατιστική. Ακαδ. Έτος 2012-2013 1 ο εξάμηνο. Κ. Πολίτης

Περιγραφική Στατιστική. Ακαδ. Έτος 2012-2013 1 ο εξάμηνο. Κ. Πολίτης Περιγραφική Στατιστική Ακαδ. Έτος 2012-2013 1 ο εξάμηνο Κ. Πολίτης 1 2 Η στατιστική ασχολείται με τη συλλογή, οργάνωση, παρουσίαση και ανάλυση πληροφοριών. Οι πληροφορίες αυτές, πολύ συχνά αριθμητικές,

Διαβάστε περισσότερα

ΗΛΕΚΤΡΟΝΙΚΟ ΣΥΣΤΗΜΑ ΥΠΟΒΟΛΗΣ ΜΗΧΑΝΟΓΡΑΦΙΚΟΥ ΔΕΛΤΙΟΥ

ΗΛΕΚΤΡΟΝΙΚΟ ΣΥΣΤΗΜΑ ΥΠΟΒΟΛΗΣ ΜΗΧΑΝΟΓΡΑΦΙΚΟΥ ΔΕΛΤΙΟΥ ΗΛΕΚΤΡΟΝΙΚΟ ΣΥΣΤΗΜΑ ΥΠΟΒΟΛΗΣ ΜΗΧΑΝΟΓΡΑΦΙΚΟΥ ΔΕΛΤΙΟΥ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΥΠΟΨΗΦΙΟΥ ΕΠΑΛ Α Έκδοση 1.0, Ιούνιος 2011 ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ ΠΙΝΑΚΑΣ

Διαβάστε περισσότερα

E-metrics στις Ελληνικές Ακαδημαϊκές Βιβλιοθήκες

E-metrics στις Ελληνικές Ακαδημαϊκές Βιβλιοθήκες E-metrics στις Ελληνικές Ακαδημαϊκές Βιβλιοθήκες Δήμητρα Τσάμη Πανεπιστήμιο Ιωαννίνων, Βιβλιοθήκη και Κέντρο Πληροφόρησης, Ιωάννινα Περίληψη Οι Ακαδημαϊκές Βιβλιοθήκες στις μέρες μας παρέχουν ένα πλήθος

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μαρίνος Θεμιστοκλέους Email: mthemist@unipi.gr Ανδρούτσου 150 Γραφείο 206 Τηλ. 210 414 2723 Ώρες Γραφείου: Δευτέρα 11-12 AM Πληροφοριακά Συστήματα (ΠΣ) Information Systems (IS) Ορισμός

Διαβάστε περισσότερα

Σύστημα. Αντώνης Μαϊργιώτης

Σύστημα. Αντώνης Μαϊργιώτης Σύστημα Αντώνης Μαϊργιώτης Σε ένα οργανισμό υπάρχουν προβλήματα για λύση Η διεύθυνση του οργανισμού αναθέτει τη λύση στους κατάλληλους ανθρώπους Οι πιο κατάλληλοι άνθρωποι είναι αυτοί που θέλουν τις κατάλληλες

Διαβάστε περισσότερα

ΗΛΕΚΤΡΟΝΙΚΗ ΥΠΗΡΕΣΙΑ ΑΠΟΚΤΗΣΗΣ ΑΚΑΔΗΜΑΪΚΗΣ ΤΑΥΤΟΤΗΤΑΣ

ΗΛΕΚΤΡΟΝΙΚΗ ΥΠΗΡΕΣΙΑ ΑΠΟΚΤΗΣΗΣ ΑΚΑΔΗΜΑΪΚΗΣ ΤΑΥΤΟΤΗΤΑΣ ΗΛΕΚΤΡΟΝΙΚΗ ΥΠΗΡΕΣΙΑ ΑΠΟΚΤΗΣΗΣ ΑΚΑΔΗΜΑΪΚΗΣ ΤΑΥΤΟΤΗΤΑΣ Εγχειρίδιο Εφαρµογής Γραµµατειών Περιεχόμενα Πίνακας Εικόνων...3 1. Είσοδος στο σύστημα...5 2. Στοιχεία Γραμματείας...9 3. Μεταπτυχιακά Προγράμματα...

Διαβάστε περισσότερα

Διαχείριση Πολιτισμικών Δεδομένων

Διαχείριση Πολιτισμικών Δεδομένων Διαχείριση Πολιτισμικών Δεδομένων Μάθημα 1 Εισαγωγή στις Βάσεις Δεδομένων Τζανέτος Πομόνης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Συντήρησης Πολιτισμικής Κληρονομιάς Τι είναι οι Βάσεις

Διαβάστε περισσότερα

A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ

A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ 1 Βάση Δεδομένων: Με το όρο Βάση Δεδομένων εννοούμε ένα σύνολο δεδομένων που είναι οργανωμένο

Διαβάστε περισσότερα

Πρόσβαση στην αρχική σελίδα Πληκτρολογώντας ο χρήστης τη διεύθυνση στο περιηγητή διαδικτύου μεταφέρεται αυτόματα στη παρακάτω σελίδα.

Πρόσβαση στην αρχική σελίδα Πληκτρολογώντας ο χρήστης τη διεύθυνση  στο περιηγητή διαδικτύου μεταφέρεται αυτόματα στη παρακάτω σελίδα. Περιεχόμενα Πρόσβαση στην αρχική σελίδα... 2 Αρχική... 3 Το Μουσείο... 3 Συλλογές... 4 Σύνθετη αναζήτηση... 5 Βιβλιοθήκη... 6 Πολυμεσικές εφαρμογές... 7 Ψηφιακές υπηρεσίες... 8 Ενοικίαση αιθουσών... 8

Διαβάστε περισσότερα

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ ΠΕΡΙΕΧOΜΕΝΑ Πρόλογος στη δεύτερη έκδοση Πρόλογος στην πρώτη έκδοση Εισαγωγή Τι είναι η μεθοδολογία έρευνας Οι μέθοδοι έρευνας ΜEΡOΣ A : ΓNΩΡΙΜΙΑ ΜΕ ΤΗΝ ΕΠΙΣΤΗΜOΝΙΚΗ ΕΡΓΑΣΙΑ ΚΕΦΑΛΑΙO 1: Γενικά για την επιστημονική

Διαβάστε περισσότερα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία

Διαβάστε περισσότερα

Βιβλιοθήκη και Κέντρο Πληροφόρησης Πανεπιστημίου Μακεδονίας: Ποιοτικές Προσεγγίσεις στη Λειτουργία μιας Ακαδημαϊκής Βιβλιοθήκης.

Βιβλιοθήκη και Κέντρο Πληροφόρησης Πανεπιστημίου Μακεδονίας: Ποιοτικές Προσεγγίσεις στη Λειτουργία μιας Ακαδημαϊκής Βιβλιοθήκης. Βιβλιοθήκη και Κέντρο Πληροφόρησης Πανεπιστημίου Μακεδονίας: Ποιοτικές Προσεγγίσεις στη Λειτουργία μιας Ακαδημαϊκής Βιβλιοθήκης Άννα Φράγκου Ημερίδα «Η Διάσταση της Ποιότητας στις Ακαδημαϊκές Βιβλιοθήκες»

Διαβάστε περισσότερα

Διαχείριση σύγχρονων βιβλιοθηκών με εφαρμογή μεθοδολογίας ικανοποίησης του πελάτη και εξόρυξης δεδομένων

Διαχείριση σύγχρονων βιβλιοθηκών με εφαρμογή μεθοδολογίας ικανοποίησης του πελάτη και εξόρυξης δεδομένων ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Διαχείριση σύγχρονων βιβλιοθηκών με εφαρμογή μεθοδολογίας ικανοποίησης του πελάτη και εξόρυξης δεδομένων Διατριβή που υπεβλήθη για τη μερική ικανοποίηση

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ

ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΔΕΔΟΜΕΝΑ ΔΕΔΟΜΕΝΑ ΠΛΗΡΟΦΟΡΙΑ ΑΡΙΘΜΟΙ ΣΥΜΒΟΛΑ - ΛΕΞΕΙΣ ΟΠΟΙΑΔΗΠΟΤΕ ΔΡΑΣΤΗΡΙΟΤΗΤΑ ΣΥΜΒΑΙΝΕΙ ΣΕ ΜΙΑ ΟΙΚΟΝΟΜΙΚΗ ΜΟΝΑΔΑ ΠΡΕΠΕΙ ΝΑ ΜΕΤΡΕΙΤΑΙ ΚΑΙ ΝΑ ΚΑΤΑΓΡΑΦΕΤΑΙ ΟΡΓΑΝΩΣΗ ΚΑΤΑΓΡΑΦΗΣ

Διαβάστε περισσότερα

ΒΟΗΘΕΙΑ για τη χρήση του ιδρυματικού αποθετηρίου ΥΠΑΤΙΑ ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ

ΒΟΗΘΕΙΑ για τη χρήση του ιδρυματικού αποθετηρίου ΥΠΑΤΙΑ ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ ΒΟΗΘΕΙΑ για τη χρήση του ιδρυματικού αποθετηρίου ΥΠΑΤΙΑ Το Ιδρυματικό Αποθετήριο του ΤΕΙ Αθήνας συλλέγει, τεκμηριώνει, αποθηκεύει και διατηρεί ψηφιακό περιεχόμενο έρευνας και εκπαίδευσης. Περιλαμβάνει

Διαβάστε περισσότερα

Ρετσινάς Σωτήριος ΠΕ 1703 Ηλεκτρολόγων ΑΣΕΤΕΜ

Ρετσινάς Σωτήριος ΠΕ 1703 Ηλεκτρολόγων ΑΣΕΤΕΜ Ρετσινάς Σωτήριος ΠΕ 1703 Ηλεκτρολόγων ΑΣΕΤΕΜ Τι είναι η ερευνητική εργασία Η ερευνητική εργασία στο σχολείο είναι μια δυναμική διαδικασία, ανοιχτή στην αναζήτηση για την κατανόηση του πραγματικού κόσμου.

Διαβάστε περισσότερα

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος

iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων

Διαβάστε περισσότερα

ÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ

ÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ ΕΝΟΤΗΤΑ 1.1 ÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ ΔΙΔΑΚΤΙΚΟI ΣΤOΧΟΙ Στο τέλος της ενότητας αυτής πρέπει να μπορείτε: να επεξηγείτε τις έννοιες «βάση δεδομένων» και «σύστημα διαχείρισης βάσεων δεδομένων» να αναλύετε

Διαβάστε περισσότερα

MBR Ελάχιστο Περιβάλλον Ορθογώνιο (Minimum Bounding Rectangle) Το µικρότερο ορθογώνιο που περιβάλλει πλήρως το αντικείµενο 7 Παραδείγµατα MBR 8 6.

MBR Ελάχιστο Περιβάλλον Ορθογώνιο (Minimum Bounding Rectangle) Το µικρότερο ορθογώνιο που περιβάλλει πλήρως το αντικείµενο 7 Παραδείγµατα MBR 8 6. Πανεπιστήµιο Πειραιώς - Τµήµα Πληροφορικής Εξόρυξη Γνώσης από εδοµένα (Data Mining) Εξόρυξη Γνώσης από χωρικά δεδοµένα (κεφ. 8) Γιάννης Θεοδωρίδης Νίκος Πελέκης http://isl.cs.unipi.gr/db/courses/dwdm Περιεχόµενα

Διαβάστε περισσότερα

«Οδηγίες χρήσης εφαρμογής Ενιαίου Συστήματος Πληρωμών»

«Οδηγίες χρήσης εφαρμογής Ενιαίου Συστήματος Πληρωμών» «Οδηγίες χρήσης εφαρμογής Ενιαίου Συστήματος Πληρωμών» έκδοση v.1.2, 10/09/2014 Περιεχόμενα Είσοδος... 3 Οικονομικά Υπεύθυνος... 4 Αρχική Οθόνη... 4 Διαχείριση Χρηστών... 4 Αναζήτηση Χρήστη... 4 Δημιουργία

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1)

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) 1 Προέλευση και ιστορία της Επιχειρησιακής Έρευνας Αλλαγές στις επιχειρήσεις Τέλος του 19ου αιώνα: βιομηχανική

Διαβάστε περισσότερα

Έτος πρώτης λειτουργίας: 1986

Έτος πρώτης λειτουργίας: 1986 Παρουσίαση Βιβλιοθήκης Παράρτηµα Σύρου Σύρος, Ιούνιος 2012 Η Βιβλιοθήκη Έτος ίδρυσης: 1984 Έτος πρώτης λειτουργίας: 1986 Μορφή: δίκτυο βιβλιοθηκών που δραστηριοποιούνται σε 6 νησιά. Έτος ίδρυσης Παραρτήματος

Διαβάστε περισσότερα

Λογισμική Εφαρμογή Διαχείρισης Ερωτηματολογίων ΟΔΗΓΟΣ ΧΡΗΣΗΣ System Συμβουλευτική Α.Ε

Λογισμική Εφαρμογή Διαχείρισης Ερωτηματολογίων ΟΔΗΓΟΣ ΧΡΗΣΗΣ System Συμβουλευτική Α.Ε σχετικά με τον έλεγχο της καπνιστικής συνήθειας 1 22 Λογισμικές εφαρμογές καταγραφής και αξιοποίησης πληροφοριών σχετικά με τον έλεγχο της καπνιστικής συνήθειας Λογισμική Εφαρμογή Διαχείρισης Ερωτηματολογίων

Διαβάστε περισσότερα

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 3

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 3 (ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com ιαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ ιάλεξη 3 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΨΥΧΟΛΟΓΙΑΣ Ρέθυμνο,

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΜEΡOΣ A : ΓNΩΡΙΜΙΑ ΜΕ ΤΗΝ ΕΠΙΣΤΗΜOΝΙΚΗ ΕΡΓΑΣΙΑ

ΠΕΡΙΕΧΟΜΕΝΑ ΜEΡOΣ A : ΓNΩΡΙΜΙΑ ΜΕ ΤΗΝ ΕΠΙΣΤΗΜOΝΙΚΗ ΕΡΓΑΣΙΑ ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος στη δεύτερη έκδοση........................................... 13 Πρόλογος στην πρώτη έκδοση............................................ 17 Εισαγωγή................................................................

Διαβάστε περισσότερα

Η ΜΟΠΑΒ εισηγείται τους παρακάτω δείκτες της οµάδας εργασίας του ΥΠΕΠΘ, µε κάποιες διαφοροποιήσεις και κάποιες µικρές διαµορφώσεις.

Η ΜΟΠΑΒ εισηγείται τους παρακάτω δείκτες της οµάδας εργασίας του ΥΠΕΠΘ, µε κάποιες διαφοροποιήσεις και κάποιες µικρές διαµορφώσεις. Στην συνάντηση των Εκπροσώπων ΑΕΙ και ΤΕΙ για την καθιέρωση των δεικτών αξιολόγησης που πραγµατοποιήθηκε στο Πανεπιστήµιο Ιωαννίνων στις 27-04- 2001, παρουσιάστηκαν οι δύο εισηγήσεις της οµάδας εργασίας

Διαβάστε περισσότερα

Φυσική Απογραφή & Παραστατικά Αποθήκης

Φυσική Απογραφή & Παραστατικά Αποθήκης Φυσική Απογραφή & Παραστατικά Αποθήκης Περιεχόμενα Διαδικασία Φυσικής Απογραφής... 3 Συμπλήρωση φόρμας... 3 Βήματα Απογραφής... 5 Εισαγωγή Αρχείου Απογραφής... 9 Εκτυπώσεις Φυσικής Απογραφής... 10 Λίστα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΜΟΝΤΕΛΑ ΣΥΣΤΗΜΑΤΟΣ Διδάσκων: Γ. Χαραλαμπίδης, Επ. Καθηγητής

Διαβάστε περισσότερα

Μονάδα Διασφάλισης Ποιότητας Εθνικού & Καποδιστριακού Πανεπιστημίου Αθηνών

Μονάδα Διασφάλισης Ποιότητας Εθνικού & Καποδιστριακού Πανεπιστημίου Αθηνών Μονάδα Διασφάλισης Ποιότητας Εθνικού & Καποδιστριακού Πανεπιστημίου Αθηνών ΑΠΟΤΕΛΕΣΜΑ 1.1.2 Εγχειρίδιο Διαδικασιών Αξιολόγησης ΜΟΔΙΠ ΕΚΠΑ ΕΝΕΡΓΕΙΑ 1: Οργάνωση του Συστήματος Αξιολόγησης της ΜΟΔΙΠ ΥΠΟΕΡΓΟ

Διαβάστε περισσότερα

Τεχνολογία Λογισμικού & Ανάλυση Συστημάτων

Τεχνολογία Λογισμικού & Ανάλυση Συστημάτων Πανεπιστήμιο Πειραιά Τμήμα Ψηφιακών Συστημάτων Τεχνολογία Λογισμικού & Ανάλυση Συστημάτων 18/11/2016 Δρ. Ανδριάνα Πρέντζα Αναπληρώτρια Καθηγήτρια aprentza@unipi.gr Πανεπιστήμιο Πειραιά Τμήμα Ψηφιακών Συστημάτων

Διαβάστε περισσότερα

Συγκεντρωτικό Παράρτημα

Συγκεντρωτικό Παράρτημα Αρχική σελίδα -> Βρείτε το. Δεν λειτουργούν τα links Αποπροσανατολισμός, δυσλειτουργία δικτυακού τόπου Να διορθωθούν τα links Έγινε έλεγχος και διόρθωση όλων των συνδέσμων Ενότητα βιβλιοθήκη: η διαδρομή

Διαβάστε περισσότερα

Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ

Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ Βασίλης Γ. Αγγέλης Δρ. Μηχανικός Η/Υ και Πληροφορικής Η ΕΠΑΝΑΣΤΑΣΗ ΤΟΥ ΚΡΙΟΥ Μετατρέψτε τα δεδομένα σας σε κέρδος Αθήνα Κάθε γνήσιο αντίγραφο έχει την υπογραφή του συγγραφέα Έκδοση 1 η, Copyright 2007

Διαβάστε περισσότερα

Συστήματα πανταχού παρόντος υπολογιστή σε περιβάλλοντα υβριδικών βιβλιοθηκών

Συστήματα πανταχού παρόντος υπολογιστή σε περιβάλλοντα υβριδικών βιβλιοθηκών Συστήματα πανταχού παρόντος υπολογιστή σε περιβάλλοντα υβριδικών βιβλιοθηκών Βερονίκης Σπύρος Τμήμα Αρχειονομίας- Βιβλιοθηκονομίας, Ιόνιο Πανεπιστήμιο spver@ionio.gr Stoica Adrian Τμήμα Ηλεκτρολόγων Μηχανικών

Διαβάστε περισσότερα

Αναφορά εργασιών για το τρίμηνο Δεκέμβριος 2012 Φεβρουάριος 2013 Όνομα : Μπελούλη Αγάθη

Αναφορά εργασιών για το τρίμηνο Δεκέμβριος 2012 Φεβρουάριος 2013 Όνομα : Μπελούλη Αγάθη Στο πλαίσιο της πράξης «Αναβάθμιση και Εμπλουτισμός των Ψηφιακών Υπηρεσιών της Βιβλιοθήκης του Παντείου Πανεπιστημίου». Η Πράξη συγχρηματοδοτείται από το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης (ΕΤΠΑ).

Διαβάστε περισσότερα

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis)

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η μέθοδος PCA (Ανάλυση Κύριων Συνιστωσών), αποτελεί μία γραμμική μέθοδο συμπίεσης Δεδομένων η οποία συνίσταται από τον επαναπροσδιορισμό των συντεταγμένων ενός

Διαβάστε περισσότερα

Π14.3.1) ΣΥΛΛΟΓΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΦΟΙΤΗΤΩΝ / ΦΟΡΕΩΝ / ΕΠΟΠΤΩΝ

Π14.3.1) ΣΥΛΛΟΓΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΦΟΙΤΗΤΩΝ / ΦΟΡΕΩΝ / ΕΠΟΠΤΩΝ Π14.3.1) ΣΥΛΛΟΓΗ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ ΦΟΙΤΗΤΩΝ / ΦΟΡΕΩΝ / ΕΠΟΠΤΩΝ ΜΕΡΟΣ Β : ΕΠΕΞΕΡΓΑΣΙΑ ΕΡΩΤΗΜΑΤΟΛΟΓΙΩΝ Έτος 1 ο : Οκτώβριος 2010-Οκτώβριος 2011 Πρόγραμμα ΠΡΑΚΤΙΚΗΣ ΑΣΚΗΣΗΣ Τμήματος ΝΑΥΠΗΓΙΚΗΣ Δρ. Κ.Β. Κώστας,

Διαβάστε περισσότερα

ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ: ΜΑΘΗΜΑΤΙΚΑ ΣΤ ΔΗΜΟΤΙΚΟΥ «ΤΑ ΚΛΑΣΜΑΤΑ»

ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ: ΜΑΘΗΜΑΤΙΚΑ ΣΤ ΔΗΜΟΤΙΚΟΥ «ΤΑ ΚΛΑΣΜΑΤΑ» ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ: ΜΑΘΗΜΑΤΙΚΑ ΣΤ ΔΗΜΟΤΙΚΟΥ «ΤΑ ΚΛΑΣΜΑΤΑ» Νικόλαος Μπαλκίζας 1. ΕΙΣΑΓΩΓΗ Σκοπός του σχεδίου μαθήματος είναι να μάθουν όλοι οι μαθητές της τάξης τις έννοιες της ισοδυναμίας των κλασμάτων,

Διαβάστε περισσότερα

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΜΟΝΑΔΑ ΔΙΑΣΦΑΛΙΣΗΣ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ «ΜΟ.ΔΙ.Π. ΤΟΥ Γ.Π.Α.

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΜΟΝΑΔΑ ΔΙΑΣΦΑΛΙΣΗΣ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ «ΜΟ.ΔΙ.Π. ΤΟΥ Γ.Π.Α. ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΜΟΝΑΔΑ ΔΙΑΣΦΑΛΙΣΗΣ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΛΗΡΟΦΟΡΙΑΚΟΥ ΣΥΣΤΗΜΑΤΟΣ «ΜΟ.ΔΙ.Π. ΤΟΥ Γ.Π.Α.» Για μέλη ΔΕΠ-ΕΔΙΠ, Μέλη ΟΜ.Ε.Α. και ΜΟ.ΔΙ.Π. Αλεξάνδρα Ντούκα 0 Εισαγωγή

Διαβάστε περισσότερα

Η ΧΡΗΣΗ ΤΗΣ ΥΠΟΔΟΜΗΣ ΧΩΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΓΙΑ ΤΗΝ ΑΝΑΖΗΤΗΣΗ ΚΑΙ ΑΠΕΙΚΟΝΙΣΗ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ

Η ΧΡΗΣΗ ΤΗΣ ΥΠΟΔΟΜΗΣ ΧΩΡΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΓΙΑ ΤΗΝ ΑΝΑΖΗΤΗΣΗ ΚΑΙ ΑΠΕΙΚΟΝΙΣΗ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ Η ΧΡΗΣΗ ΤΗΣ Σ ΓΙΑ ΤΗΝ ΑΝΑΖΗΤΗΣΗ ΚΑΙ ΑΠΕΙΚΟΝΙΣΗ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΩΝ ΕΚΠΑΙΔΕΥΤΙΚΟ ΥΛΙΚΟ ΓΙΑ ΤΟΥΣ ΔΙΔΑΣΚΟΝΤΕΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΑΙΓΑΙΟΥ Επιμέλεια: Βαΐτης Μιχαήλ ΜΥΤΙΛΗΝΗ 2014 Η Υποδομή Χωρικών Δεδομένων

Διαβάστε περισσότερα

ΜΟΝΑΔΑ ΚΑΙΝΟΤΟΜΙΑΣ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΠΟΛΥΤΕΧΝΕΙΟΥ ΚΡΗΤΗΣ

ΜΟΝΑΔΑ ΚΑΙΝΟΤΟΜΙΑΣ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΠΟΛΥΤΕΧΝΕΙΟΥ ΚΡΗΤΗΣ ΜΟΝΑΔΑ ΚΑΙΝΟΤΟΜΙΑΣ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑΣ ΤΟΥ ΠΟΛΥΤΕΧΝΕΙΟΥ ΚΡΗΤΗΣ Εγχειρίδιο Χρήσης 4 ης Εικονικής Πλατφόρμας «e-marketing Online» Σχεδίασης νέων προϊόντων, σχεδίου μάρκετινγκ και ανάλυσης συμπεριφοράς

Διαβάστε περισσότερα

ΗΛΕΚΤΡΟΝΙΚΟ ΣΥΣΤΗΜΑ ΥΠΟΒΟΛΗΣ ΜΗΧΑΝΟΓΡΑΦΙΚΟΥ ΔΕΛΤΙΟΥ

ΗΛΕΚΤΡΟΝΙΚΟ ΣΥΣΤΗΜΑ ΥΠΟΒΟΛΗΣ ΜΗΧΑΝΟΓΡΑΦΙΚΟΥ ΔΕΛΤΙΟΥ ΗΛΕΚΤΡΟΝΙΚΟ ΣΥΣΤΗΜΑ ΥΠΟΒΟΛΗΣ ΜΗΧΑΝΟΓΡΑΦΙΚΟΥ ΔΕΛΤΙΟΥ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΥΠΟΨΗΦΙΟΥ ΓΕΛ & ΕΠΑΛ Β Έκδοση 1.0, Ιούνιος 2012 ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΛΙΣΤΑ ΣΧΗΜΑΤΩΝ

Διαβάστε περισσότερα

Ανάλυση Απαιτήσεων Απαιτήσεις Λογισµικού

Ανάλυση Απαιτήσεων Απαιτήσεις Λογισµικού ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΜΑΤΙΚΗΣ Ανάλυση Απαιτήσεων Απαιτήσεις Λογισµικού Μάρα Νικολαϊδου Δραστηριότητες Διαδικασιών Παραγωγής Λογισµικού Καθορισµός απαιτήσεων και εξαγωγή προδιαγραφών

Διαβάστε περισσότερα

Κοστολόγηση κατά προϊόν ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι

Κοστολόγηση κατά προϊόν ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι Εισαγωγή ΕΙΣΑΓΩΓΗ Έχουμε αναφέρει ότι η κοστολόγηση προϊόντος είναι η διαδικασία υπολογισμού και διανομής του κόστους παραγωγής στα παραγόμενα αγαθά Η κατανόηση της διαδικασίας αυτής

Διαβάστε περισσότερα

Πέργαµος: Το Σύστηµα Ψηφιακής Βιβλιοθήκης του Πανεπιστηµίου Αθηνών

Πέργαµος: Το Σύστηµα Ψηφιακής Βιβλιοθήκης του Πανεπιστηµίου Αθηνών Institutional Repositories, Θεσσαλονίκη 8-9 Μαΐου 2006 Πέργαµος: Το Σύστηµα Ψηφιακής Βιβλιοθήκης του Πανεπιστηµίου Αθηνών Γιώργος Πυρουνάκης (forky@libadm.uoa.gr) Υπολογιστικό Κέντρο Βιβλιοθηκών Εθνικό

Διαβάστε περισσότερα

Εισαγωγή στα Πληροφοριακά Συστήματα

Εισαγωγή στα Πληροφοριακά Συστήματα Εισαγωγή στα Πληροφοριακά Συστήματα Ενότητα 3: Η έννοια της ΠΛΗΡΟΦΟΡΙΑΣ - INFORMATION Κωνσταντίνος Ταραμπάνης Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων ΕΙΣΑΓΩΓΗ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Κωνσταντίνος Ταραμπάνης

Διαβάστε περισσότερα

ISO 9001:2008 ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ ΙΚΑΝΟΠΟΙΗΣΗΣ ΣΥΝΕΡΓΑΤΩΝ 2010

ISO 9001:2008 ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ ΙΚΑΝΟΠΟΙΗΣΗΣ ΣΥΝΕΡΓΑΤΩΝ 2010 ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ ΙΚΑΝΟΠΟΙΗΣΗΣ ΣΥΝΕΡΓΑΤΩΝ 2 Α. Σερβετάς ΜΟΝΑΔΑ ΔΙΑΧΕΙΡΙΣΗΣ ΠΟΙΟΤΗΤΑΣ 17/3/211 Εκτύπωση: 17/3/211, :25 πμ 1 από 71 Πίνακας Περιεχομένων 1 ΕΙΣΑΓΩΓΗ...6 1.1 ΓΕΝΙΚΆ 6 1.2 ΠΛΑΊΣΙΟ ΈΡΕΥΝΑΣ

Διαβάστε περισσότερα

Πώς θα χρησιμοποιήσω:

Πώς θα χρησιμοποιήσω: Βιβλιοθήκη & Κέντρο Πληροφόρησης Πανεπιστήμιου Θεσσαλίας Πώς θα χρησιμοποιήσω: τον κατάλογο βιβλιοθήκης (OPAC) Πως θα χρησιμοποιήσω τον OPAC Περιεχόμενα: 1. Γνωριμία με τον OPAC 2. Πρόσβαση στον OPAC 3.

Διαβάστε περισσότερα

Α. Γενικά Στοιχεία. 1. Παρακαλώ προσδιορίστε το φύλο σας. Άνδρας... (01) Γυναίκα... (02) 18 24... (01) 25 29... (02) 30 34... (03) 35 39...

Α. Γενικά Στοιχεία. 1. Παρακαλώ προσδιορίστε το φύλο σας. Άνδρας... (01) Γυναίκα... (02) 18 24... (01) 25 29... (02) 30 34... (03) 35 39... Γ Ε Ω Π Ο Ν Ι Κ Ο Π Α Ν Ε Π Ι Σ Τ Η Μ Ι Ο Α Θ Η Ν Ω Ν Βιβλιοθήκη και Κέντρο Πληροφόρησης Ι ε ρ ά Ο δ ό ς 75 Β ο τ α ν ι κ ό ς 118 55 Α θ ή ν α Πληροφορίες: Δέσποινα Ξανθοπούλου τηλ.: 210 529 4273, 210

Διαβάστε περισσότερα

Οδηγός Βιβλιοθήκης. Τεχνολογικό Πανεπιστήμιο Κύπρου

Οδηγός Βιβλιοθήκης. Τεχνολογικό Πανεπιστήμιο Κύπρου Οδηγός Βιβλιοθήκης Τεχνολογικό Πανεπιστήμιο Κύπρου Γενικές Πληροφορίες Αυτό Ημέρα Χειμερινό ωράριο λειτουργίας Θερινό ωράριο λειτουργίας Δευτέρα 08:30-22:00 08:30-14:30 Τρίτη 08:30-22:00 Περιεχόμενα 08:30-14:30

Διαβάστε περισσότερα

Κατάλογος Βιβλιοθήκης ΤΕΙ Ηπείρου Ιδρυματικό αποθετήριο ΤΕΙ Ηπείρου Ερευνητικό αποθετήριο ΤΕΙ Ηπείρου:

Κατάλογος Βιβλιοθήκης ΤΕΙ Ηπείρου Ιδρυματικό αποθετήριο ΤΕΙ Ηπείρου Ερευνητικό αποθετήριο ΤΕΙ Ηπείρου: Κατάλογος Βιβλιοθήκης ΤΕΙ Ηπείρου Ιδρυματικό αποθετήριο ΤΕΙ Ηπείρου Ερευνητικό αποθετήριο ΤΕΙ Ηπείρου: Περιγραφή και οδηγός χρήσης για φοιτητές και ερευνητές Βιβλιοθήκη ΤΕΙ Ηπείρου Οκτώβριος 2015 Ο κατάλογος

Διαβάστε περισσότερα