Καλαμπόκης Ευάγγελος
  • 2310 891.588
  • ekal uom.edu.gr
  • Γραφείο: ΗΘ3, 315

    Καλαμπόκης Ευάγγελος

    Επίκουρος Καθηγητής
    Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων

    Επίκουρος Καθηγητής, Διδακτικό Προσωπικό (Δ.Π.Μ.Σ. στα Πληροφοριακά Συστήματα - MIS)


    Γνωστικό Αντικείμενο

    ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΑΚΥΒΕΡΝΗΣΗ

    Ακαδημαϊκοί Τίτλοι
    - Δίπλωμα Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (2003)
    - Μεταπτυχιακό Δίπλωμα στη Διοίκηση Επιχειρήσεων, Πανεπιστήμιο Μακεδονίας (2006)
    Διδακτορικό δίπλωμα στα Πληροφοριακά Συστήματα, Πανεπιστήμιο Μακεδονίας (2016)

    Διδασκόμενα Μαθήματα


    • ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΑΚΥΒΕΡΝΗΣΗ
      (ΟΔ0818)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΟΡΓΑΝΩΣΗΣ & ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0818

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    H’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΑΚΥΒΕΡΝΗΣΗ

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδικού Υποβάθρου

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    -

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Το μάθημα αυτό στοχεύει στην κατανόηση του ρόλου και των δυνατοτήτων της εφαρμογής των Πληροφοριακών Συστημάτων στη Δημόσια Διοίκηση.  Οι φοιτητές θα αποκτήσουν κατάλληλες δεξιότητες και γνώσεις για να μπορούν:

    1. Να περιγράφουν επιτυχημένα παραδείγματα ηλεκτρονικής διακυβέρνησης σε όλο τον κόσμο.
    2. Να προτείνουν χρήσεις καινοτόμων νέων τεχνολογιών (π.χ., τεχνητή νοημοσύνη, υπολογιστική νέφους, κλπ.) στον δημόσιο τομέα.
    3. Να αναζητούν, να συλλέγουν και να χρησιμοποιούν ανοικτά σύνολα κυβερνητικών δεδομένων από όλο τον κόσμο.
    4. Να μοντελοποιούν δημόσιες υπηρεσίες με χρήση πρότυπων γλωσσών τεκμηρίωσης διαδικασιών π.χ. Business Prosess Model and Notation (BPMN)
    5. Να χρησιμοποιούν εργαλεία διαχείρισης επιχειρηματικών διαδικασιών (π.χ.  SAP Signavio Process Manager) για την μοντελοποίηση και διαχείριση της εκτέλεσης δημοσίων υπηρεσιών.

    Γενικές Ικανότητες

    Προσαρμογή σε νέες καταστάσεις

    Εργασία σε διεθνές περιβάλλον

    Εργασία σε διεπιστημονικό περιβάλλον

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

     















     

    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Το μάθημα αυτό στοχεύει στην κατανόηση του ρόλου και των δυνατοτήτων της εφαρμογής των Πληροφοριακών Συστημάτων στη Δημόσια Διοίκηση. Εξετάζεται το τεχνολογικό και οργανωσιακό υπόβαθρο της Ηλεκτρονικής Διακυβέρνησης, καθώς και οι τάσεις που επικρατούν διεθνώς και ιδιαίτερα στα πλαίσια της Ευρωπαϊκής Ένωσης. Καλύπτονται περιοχές όπως η παροχή δημόσιων υπηρεσιών, η ηλεκτρονική διακυβέρνηση μιας στάσης, η ανοικτή διακυβέρνηση, η διαλειτουργικότητα, η δημιουργία πολιτικών μέσω ανάλυσης δεδομένων και τα ανοικτά κυβερνητικά δεδομένα με χρήση τεχνολογιών αιχμής, π.χ. συνδεδεμένα δεδομένα (linked data).  Οι φοιτητές αποκτούν δεξιότητες και γνώσεις για να συλλέγουν ανοιχτά κυβερνητικά δεδομένα από ευρωπαϊκές κυβερνητικές πύλες ανοικτών δεδομένων και να τα χρησιμοποιούν για την επίλυση κοινωνικών ή επιχειρηματικών προβλημάτων. Επίσης, οι φοιτητές αποκτούν δεξιότητες και γνώσεις σχετικά με την εφαρμογή λογισμικού μοντελοποίησης επιχειρηματικών διαδικασιών (π.χ., SAP Signavio Process Manager) για την μοντελοποίηση δημοσίων υπηρεσιών.

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ.

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    - OpeneClass για διαμοιρασμό του εκπαιδευτικού υλικού και επικοινωνία των φοιτητών και των διδασκόντων

    - SAP Signavio Process Manager ως πλατφόρμα διαχείρισης επιχειρηματικών διαδικασιών για την μοντελοποίηση δημόσιων υπηρεσιών.

    - Slack για την ασύγχρονη επικοινωνία των φοιτητών

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    12

    Διαδραστική διδασκαλία με χρήση πρότυπων δημοσίων υπηρεσιών στο Signavio

    15

    Διαδραστική διδασκαλία με χρήση ανοικτών κυβερνητικών

    12

    Μελέτη και ανάλυση διαθέσιμων ανοικτών κυβερνητικών δεδομένων και δημόσιων υπηρεσιών

    22

    Εργασία Signavio

    32

    Εργασία ανοικτά κυβερνητικά δεδομένα

    32

    Σύνολο Μαθήματος

    125

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Η αξιολόγηση του μαθήματος πραγματοποιείται με γραπτή εξέταση στο τέλος του εξαμήνου και εργασίες με ποσοστό:

    -          Τελική γραπτή εξέταση 70%

    -          Γραπτή εργασία 30%

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:

    1. Βιβλίο [102074646]: ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΑΚΥΒΕΡΝΗΣΗ ΚΑΙ ΗΛΕΚΤΡΟΝΙΚΕΣ ΥΠΗΡΕΣΙΕΣ ΠΡΟΣ ΠΟΛΙΤΕΣ ΚΑΙ ΕΠΙΧΕΙΡΗΣΕΙΣ, ΛΑΖΑΚΙΔΟΥ ΑΘΗΝΑ 
    2. Βιβλίο [112691439]: Έξυπνες πόλεις και ευφυής διακυβέρνηση, Ανθόπουλος Λεωνίδας 

    - Συναφή επιστημονικά περιοδικά:

    1. Government Information Quarterly https://www.sciencedirect.com/journal/government-information-quarterly
    • ΗΛΕΚΤΡΟΝΙΚΟ ΕΠΙΧΕΙΡΕΙΝ (e-Business)
      (ΟΔ0618)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    Σχολή Επιστημών Διοίκησης Επιχειρήσεων

    ΤΜΗΜΑ

    Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    Προπτυχιακό

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0618

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Η’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΗΛΕΚΤΡΟΝΙΚΟ ΕΠΙΧΕΙΡΕΙΝ  (e-Business)

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδικού Υποβάθρου

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    -

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Στο μάθημα θα αναλυθούν έννοιες των Πληροφοριακών Συστημάτων καθώς και έννοιες και εφαρμογές του ΗΕ, όπως επιχειρηματικά μοντέλα ΗΕ, υπηρεσίες υποστήριξης ΗΕ, στρατηγικές υλοποίησης ΗΕ, και πλατφόρμες δημιουργίας ηλεκτρονικών καταστημάτων (e-shop). Οι φοιτητές θα αποκτήσουν κατάλληλες δεξιότητες και γνώσεις για να μπορούν:

    1. Να διακρίνουν του διαφορετικούς τύπους πληροφοριακών συστημάτων που πρέπει να υιοθετούν οι σύγχρονες επιχειρήσεις.
    2. Περιγράφουν χρήσεις καινοτόμων τεχνολογιών (π.χ. Τεχνητή Νοημοσύνη, Μεγάλα Δεδομένα, Υπολογιστική Νέφους, Διαδίκτυο των Αντικειμένων) στις σύγχρονες επιχειρήσεις.
    3. Να σχεδιάζουν και να υλοποιούν σύγχρονα επιχειρηματικά μοντέλα του ηλεκτρονικού εμπορίου.
    4. Nα δημιουργούν ηλεκτρονικά καταστήματα (eshops) με χρήση σύγχρονων υποδομών υπολογιστικής νέφους (cloud computing).
    5. Να αξιοποιούν εργαλεία αναλυτικής του διαδικτύου (web analytics tools) ώστε να βελτιώνουν τις διαδικτυακές επιχειρηματικές δραστηριότητες
    6. Να δημιουργούν διαφημιστικές εκστρατείες με χρήση δημοφιλών πλατφορμών όπως Facebook, Google, κλπ.

    Γενικές Ικανότητες

    Προσαρμογή σε νέες καταστάσεις

    Εργασία σε διεθνές περιβάλλον

    Εργασία σε διεπιστημονικό περιβάλλον

    Άσκηση κριτικής και αυτοκριτικής

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

     

     




















    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Το μάθημα αυτό αποτελεί ένα εισαγωγικό μάθημα στο χώρο του ηλεκτρονικού επιχειρείν (ΗΕ). Η πληροφορική τεχνολογία (information technology) έχει πλέον προσδιορίσει καθοριστικά τον τρόπο που λειτουργούν σήμερα όλες οι επιχειρήσεις και γενικότερα οι οργανισμοί. Η επίδραση αυτή αφορά τόσο την εσωτερική τους λειτουργία, όσο και την μεταξύ των οργανισμών διάδραση (επικοινωνία, συναλλαγές, κ.α.). Στο μάθημα θα αναλυθούν έννοιες και εφαρμογές του ΗΕ, όπως επιχειρηματικά μοντέλα ΗΕ, υπηρεσίες υποστήριξης ΗΕ, στρατηγικές υλοποίησης ΗΕ, και πλατφόρμες δημιουργίας ηλεκτρονικών καταστημάτων (e-shop). Οι φοιτητές θα αποκτήσουν κατάλληλες δεξιότητες και γνώσεις για να μπορούν να δημιουργήσουν ηλεκτρονικά καταστήματα (eshops) με χρήση σύγχρονων υποδομών υπολογιστικής νέφους (cloud computing). Επίσης, οι φοιτητές θα αποκτήσουν κατάλληλες δεξιότητες και γνώσεις για  να αξιοποιούν εργαλεία ανάλυσης διαδικτύου (web analytics tools) ώστε να βελτιώνουν τις διαδικτυακές επιχειρηματικές δραστηριότητες τους.

     

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    - Open eClass για διαμοιρασμό του εκπαιδευτικού υλικού και επικοινωνία των φοιτητών και των διδασκόντων

    - Woocommerce ή Prestashop ως ανοικτό λογισμικό ηλεκτρονικού εμπορίου για εκπαίδευση στην δημιουργία ηλεκτρονικού καταστήματος

    - Google Analytics ως πλατφόρμα αναλυτικής του διαδικτύου για εκπαίδευση στην κατανόηση της συμπεριφοράς των χρηστών στο διαδίκτυο

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    18

    Διαδραστική διδασκαλία για την δημιουργία ηλεκτρονικού καταστήματος

    9

    Διαδραστική διδασκαλία στη χρήση του Google Analytics

    6

    Διαδραστική διδασκαλία στη χρήση Facebook και Google Ada

    6

    Εκπόνηση επιχειρηματικού πλάνου ηλεκτρονικού επιχειρείν

    21

    Δημιουργία ηλεκτρονικού καταστήματος

    40

    Σύνολο Μαθήματος

    100

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Η αξιολόγηση του μαθήματος πραγματοποιείται με γραπτή εξέταση στο τέλος του εξαμήνου και εργασίες ως εξής:

    -          Τελική γραπτή εξέταση

    -          Προαιρετική Eργασία

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:

    E. Turbanetal. Ηλεκτρονικό Εμπόριο: Εργαλεία διοίκησης και αξιοποίησης κοινωνικών δικτύων. BrokenHill (2020)

    «Πληροφοριακά Συστήματα Διοίκησης στην Πράξη» (KroenkeD., BoyleR.J), Εκδ. Broken Hill, ISBN-978-9963-274-04-8, 2017

    - Συναφή επιστημονικά περιοδικά:

    • ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΤΕΧΝΙΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΓΙΑ ΕΠΙΧΕΙΡΗΣΕΙΣ (πρώην "Ειδικά Θέματα Πληροφοριακών Συστημάτων II")
      (ΟΔ0806-1)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

     

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΟΡΓΑΝΩΣΗΣ & ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0806-1

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Η’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΓΙΑ ΕΠΙΧΕΙΡΗΣΕΙΣ

    (πρώην «Ειδικά Θέματα Πληροφοριακών Συστημάτων ΙΙ»)

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδικού Υποβάθρου

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    -

     

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Το μάθημα αυτό αποτελεί εισαγωγή στη χρήση τεχνολογίων Τεχνητής Νοημοσύνης (Artificial Intelligence) από τις σύγχρονες επιχειρήσεις.  Οι φοιτητές θα αποκτήσουν κατάλληλες δεξιότητες και γνώσεις για να μπορούν:

    1. Να επιλέγουν κατάλληλες τεχνολογίες τεχνητής νοημοσύνης για την επίλυση συγκεκριμένων επιχειρηματικών προκλήσεων.
    2. Να αξιολογούν την εγκυρότητα των αποτελεσμάτων των αναλύσεων μηχανικής μάθησης.
    3. Να χρησιμοποιούν την γλώσσα προγραμματισμού Python για την ανάπτυξη μοντέλων μηχανικής μάθησης με χρήση επιχειρηματικών δεδομένων.
    4. Να χρησιμοποιούν προ-εκπαιδευμένα μοντέλα τεχνητής νοημοσύνης για την επίλυση συχνών επιχειρηματικών προκλήσεων (π.χ., επεξεργασία κειμένου).

    Γενικές Ικανότητες

    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

    Προσαρμογή σε νέες καταστάσεις

    Εργασία σε διεθνές περιβάλλον

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

     
















    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Το μάθημα αυτό αποτελεί εισαγωγή στη χρήση τεχνολογίων Τεχνητής Νοημοσύνης (Artificial Intelligence) από τις σύγχρονες επιχειρήσεις. Οι φοιτητές θα κατανοήσουν τις διαφορετικές τεχνολογίες Τεχνητής Νοημοσύνης (μηχανική μάθηση, βαθιά μηχανική μάθηση, επεξεργασία φυσικής γλώσσας, κλπ.) και πως αυτές μπορούν να χρησιμοποιηθούν στις σύγχρονες επιχειρήσεις για τη δημιουργία αξίας. Επίσης, θα μπορούν να περιγράψουν τις προκλήσεις (π.χ. νομικές και ηθικές) που ενέχει η χρήση των τεχνολογιών αυτών τόσο για τις ίδιες τις επιχειρήσεις όσο και για την κοινωνία. Τέλος, οι φοιτητές θα μπορούν να αναπτύξουν μοντέλα μηχανικής μάθησης για να επιλύουν πραγματικά επιχειρηματικά προβλήματα χρησιμοποιώντας την γλώσσα προγραμματισμού Python, πραγματικά επιχειρηματικά δεδομένα μεγάλου όγκου, σύγχρονους αλγορίθμους καθώς και πραγματικές υποδομές υπολογιστικής νέφους. Στους φοιτητές θα παρέχεται δωρεάν πρόσβαση σε σύγχρονες υπηρεσίες τηλεκπαίδευσης (π.χ., DataCamp) καθώς και σε υπηρεσίες υπολογιστικής νέφους (π.χ., Google Cloud Platform).

     

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    - Open eClass για διαμοιρασμό του εκπαιδευτικού υλικού και επικοινωνία των φοιτητών και των διδασκόντων

    - DataCamp ως πλατφόρμα ασύγχρονης εκπαίδευσης σχετικά με πακέτα της γλώσσας προγραμματισμού Python για την ανάπτυξη μοντέλων μηχανικής μάθησης (π.χ., scikit learn). Στους φοιτητές θα δοθεί δωρεάν πρόσβαση για ένα εξάμηνο.

    - Azure ML Studio ως πλατφόρμα μηχανικής μάθησης χωρίς κώδικα.

    - Google Cloud Platform για εκπαίδευση στις υπηρεσίες τεχνητής νοημοσύνης της Google. Στους φοιτητές θα δοθεί κουπόνι 50$ για χρήση της πλατφόρμας.

    - Kaggle ως πλατφόρμα συγγραφής, εκτέλεσης και διαμοιρασμού κώδικα Python.

    - Tensorflow playground ως διαδραστική πλατφόρμα εκπαίδευσης σε θέματα νευρωνικών δικτύων

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    9

    Ασύγχρονη παρακολούθηση εκπαιδευτικού υλικού μέσω DataCamp

    41

    Διαδραστική διδασκαλία στο Azure ML Studio

    9

    Διαδραστική διδασκαλία με χρήση πλήρως τεκμηριωμένου κώδικα υπό τη μορφή αρχείων Jupyter notebooks.

    15

    Διαδραστική διδασκαλία με χρήση του Tensorflow playground

    6

    Συγγραφή εργασίας με χρήση πρότυπων Jupyter notebooks

    40

    Εκπόνηση εργασίας στο Azure ML Studio

    30

    Σύνολο Μαθήματος

    150

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Η αξιολόγηση του μαθήματος πραγματοποιείται με γραπτή εξέταση στο τέλος του εξαμήνου και εργασίες με ποσοστό:

    -          Τελική γραπτή εξέταση 50%

    -          Παρακολούθηση εκπαιδευτικού υλικού στο DataCamp 15%

    -          Εβδομαδιαίες εργασίες 35%

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:

    1. Εισαγωγή στην Python για τις Επιστήμες Υπολογιστών και Δεδομένων, Harvey M. Deitel, Paul J. Deitel
    2. Εισαγωγή στη Μηχανική Μάθηση, Alpaydin Ethem 

    - Συναφή επιστημονικά περιοδικά:

    1. IEEE Intelligent Systems
    • ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΓΙΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΑΝΑΛΥΤΙΚΗ (πρώην "Ανάπτυξη Λογισμικού")
      (ΟΔ0411-1)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BA

    Τμήμα
    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    Περιγραφή

    1. ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΤΜΗΜΑ

    ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΟΔ0411-1

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Ε’

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΓΙΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΗ ΑΝΑΛΥΤΙΚΗ

    (πρώην "Ανάπτυξη Λογισμικού")

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
    σε

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    3

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

     

    Ειδικού Υποβάθρου

    Ανάπτυξης Δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    -

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    -

     

    2.       ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Το μάθημα αποτελεί μία πρακτική εισαγωγή στη γλώσσα Python για επιχειρηματική αναλυτική. Βασίζεται στη χρήση και ανάλυση πραγματικών δεδομένων μεγάλων επιχειρήσεων από όλο τον κόσμο. Οι φοιτητές θα αποκτήσουν κατάλληλες δεξιότητες και γνώσεις για να μπορούν:

    1. Να περιγράφουν σενάρια χρήσης δεδομένων μεγάλου όγκου από σύγχρονες επιχειρήσεις.
    2. Να χρησιμοποιούν σύγχρονα πακέτα της γλώσσας Python όπως NumPy, Pandas, Matplotlib, κλπ.
    3. Να δημιουργούν και να επεξεργάζονται αρχεία Jupyter Notebook.
    4. Να χρησιμοποιούν τη γλώσσα Python για να προετοιμάζουν, μετασχηματίζουν, εξερευνούν και να οπτικοποιούν επιχειρηματικά δεδομένα μεγάλου όγκου καθώς και να παρουσιάζουν τα αποτελέσματα των αναλύσεων.
    5. Να χρησιμοποιούν σύγχρονες ανταγωνιστικές πλατφόρμες Αναλυτικής Δεδομένων (π.χ., Kaggle) για την ανεύρεση ανοικτών επιχειρηματικών δεδομένων και τον διαμοιρασμό του παραγόμενου κώδικα.
    6. Να χρησιμοποιούν πλατφόρμες συνεργατικής ανάπτυξης και διαμοιρασμού κώδικα π.χ. GitHub.

    Γενικές Ικανότητες

    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

    Προσαρμογή σε νέες καταστάσεις

    Εργασία σε διεθνές περιβάλλον

    Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

     



















    3.       ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Τα τελευταία χρόνια ο όγκος και η ποικιλία των δεδομένων που παράγονται από τις επιχειρήσεις και τους καταναλωτές αυξάνεται ταχύτατα. Η επιχειρηματική αναλυτική αφορά την χρήση των δεδομένων αυτών για την βελτίωση της λήψης αποφάσεων από τις επιχειρήσεις. Το μάθημα αποτελεί μία πρακτική εισαγωγή στη γλώσσα Python για επιχειρηματική αναλυτική. Βασίζεται στη χρήση και ανάλυση πραγματικών δεδομένων μεγάλων επιχειρήσεων από όλο τον κόσμο. Μετά το τέλος του μαθήματος οι φοιτητές θα είναι σε θέση να χρησιμοποιούν τη γλώσσα Python για να προετοιμάζουν, μετασχηματίζουν, εξερευνούν και να οπτικοποιούν επιχειρηματικά δεδομένα μεγάλου όγκου καθώς και να παρουσιάζουν τα αποτελέσματα των αναλύσεων. Επίσης οι φοιτητές θα εξοικειωθούν και θα χρησιμοποιούν δημοφιλείς υπηρεσίες διαμοιρασμού και εκτέλεσης κώδικα (π.χ., Github και Kaggle). Στους φοιτητές θα παρέχεται πλήρως τεκμηριωμένος κώδικας υπό τη μορφή αρχείων Jupyter notebooks. Επίσης θα παρέχεται δωρεάν πρόσβαση σε δημοφιλείς ασύγχρονες υπηρεσίες τηλεκπαίδευσης (π.χ., DataCamp). Δεν προαπαιτούνται γνώσεις για τη παρακολούθησή του και όποιες έννοιες πληροφορικής τεχνολογίας χρειάζονται θα παρουσιαστούν στο πλαίσιο του μαθήματος.

    4.       ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Διά ζώσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    - Open eClass για διαμοιρασμό του εκπαιδευτικού υλικού και επικοινωνία των φοιτητών και των διδασκόντων

    - DataCamp ως πλατφόρμα ασύγχρονης εκπαίδευσης στην χρήση βιβλιοθηκών της γλώσσας Python. Στους φοιτητές θα δοθεί δωρεάν πρόσβαση για ένα εξάμηνο.

    - Kaggle ως πλατφόρμα συγγραφής, εκτέλεσης και διαμοιρασμού κώδικα Python.

    - GitHub ως πλατφόρμα συνεργασίας και διαμοιρασμού κώδικα.

    - Slack για την ασύγχρονη επικοινωνία των φοιτητών

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

     

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    9

    Ασύγχρονη παρακολούθηση εκπαιδευτικού υλικού μέσω DataCamp

    41

    Διαδραστική διδασκαλία με χρήση πλήρως τεκμηριωμένου κώδικα υπό τη μορφή αρχείων Jupyter notebooks.

    30

    Συγγραφή εργασιών με χρήση πρότυπων Jupyter notebooks

    40

    Σύνολο Μαθήματος

    120

     

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

     

    Η αξιολόγηση του μαθήματος πραγματοποιείται με γραπτή εξέταση στο τέλος του εξαμήνου και εργασίες με ποσοστό:

    -          Τελική γραπτή εξέταση 50%

    -          Παρακολούθηση εκπαιδευτικού υλικού στο DataCamp 15%

    -          Εβδομαδιαίες εργασίες 35%

    5.       ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:

    Επιστήμη Δεδομένων: Βασικές Αρχές και Εφαρμογές με Python, 2η έκδοση, Grus Joel

    Εισαγωγή στον Υπολογισμό και τον Προγραμματισμό με την Python, 3η έκδοση, Guttag John V.

    - Συναφή επιστημονικά περιοδικά:

    Δημοσιεύσεις


    • Βιβλία (3 εγγραφές)

    Περιλαμβάνει Βιβλία ή/και μονογραφίες σε διεθνείς ή ελληνικούς εκδοτικούς οίκους. Κεφάλαια ή άρθρα συλλογικών τόμων ή επιμέλεια τόμων σε διεθνείς ή ελληνικούς εκδοτικούς οίκους.

      2023

      • I. Lindgren, C. Csaki, E. Kalampokis, M. Janssen, G. V. Pereira, S. Virkar, E.Tambouris, A. Zuiderwijk (Eds.), Electronic Government: 22nd IFIP WG 8.5 International Conference, EGOV 2023, Lecture Notes in Computer Science (LNCS, volume 14130), Springer, 2023

        Προβολή Δημοσίευσης

      2021

      • H. J. Scholl, J. R. Gil-Garcia, M. Janssen, E. Kalampokis, I. Lindgren, M. P. Rodríguez Bolívar (Eds.), Electronic Government: 20th IFIP WG 8.5 International Conference, EGOV 2021, Lecture Notes in Computer Science (LNCS, volume 12850), Springer, 2021.

        Προβολή Δημοσίευσης

      2018

      • P. Parycek, O. Glassey, M. Janssen, H. J. Scholl, E. Tambouris, E. Kalampokis, S. Virkar (Eds.), Electronic Government: 17th IFIP WG 8.5 International Conference, EGOV 2018, Lecture Notes in Computer Science (LNCS, volume 11020), Springer, 2018.

        Προβολή Δημοσίευσης

      • Επιστημονικά Περιοδικά (29 εγγραφές)

      Περιλαμβάνει Άρθρα σε διεθνή ή ελληνικά επιστημονικά περιοδικά (με κριτές).

        2023

        • A. Laios, E. Kalampokis, M. Mamalis, C. Tarabanis, D. Nugent, A. Thangavelu, G. Theophilou, D. De Jong (2023) RoBERTa-Assisted Outcome Prediction in Ovarian Cancer Cytoreductive Surgery using Operative Notes, Cancer Control, 30

          Προβολή Δημοσίευσης

        • C. Tarabanis, E. Kalampokis, M. Khalil, C. L. Alviar, L. Chinitz, L. Jankelson (2023) Explainable SHAP-XGBoost models for in-hospital mortality after myocardial infarction, Cardiovascular Digital Health Journal, Vol.4, No.4, pp.126-132.

          Προβολή Δημοσίευσης

        • A. Laios, G. Theophilou, D. De Jong, E. Kalampokis (2023) The future of AI in ovarian cancer research: The Large Language Models perspective, Cancer Control, Vol.30

          Προβολή Δημοσίευσης

        • E. Kalampokis, N. Karacapilidis, D. Tsakalidis, K. Tarabanis (2023) Understanding the Use of Emerging Technologies in the Public Sector: A Review of Horizon 2020 Projects, Digital Government: Research and Practice, Vol.4, No.1, pp.1-28

          Προβολή Δημοσίευσης

        • A. Karamanou, E. Kalampokis and K. Tarabanis (2023) Integrated Statistical Indicators from Scottish Linked Open Government Data, Data in Brief, Vol. 46, 108779

          Προβολή Δημοσίευσης

        • D. Zeginis, E. Kalampokis, R. Palma, R. Atkinson and K. Tarabanis (2023) A Semantic Meta-Model for Data Integration and Exploitation in Precision Agriculture and Livestock Farming, Semantic Web – Interoperability, Usability, Applicability [in press]

          Προβολή Δημοσίευσης

        • A. Laios, E. Kalampokis, M. Mamalis, A. Thangavelu, R. Hutson, T. Broadhead, D. Nugent, D. De Jong (2023) Exploring the Potential Role of Upper Abdominal Peritonectomy in Advanced Ovarian Cancer Cytoreductive Surgery Using Explainable Artificial Intelligence, Cancers, 15(22), 5386

          Προβολή Δημοσίευσης

        • M. Mamalis, E. Kalampokis, I. Kalfas, K. Tarabanis (2023) Deep Learning for Detecting Verticillium Fungus in Olive Trees: Using YOLO in UAV Imagery, Algorithms, 16(7), 343

          Προβολή Δημοσίευσης

        • P. Brimos, A. Karamanou, E. Kalampokis and K. Tarabanis (2023) Graph Neural Networks and Open Government Data to Forecast Traffic Flow, Information,Vol.14, No.4

          Προβολή Δημοσίευσης

        • A. Laios, E. Kalampokis, R. Johnson, A. Thangavelu, R. Hutson, T. Brodhead, D. Nugent, G. Theophilou, D. De Jong (2023) Development of a novel intra-operative score to record disease ANAtomic FIngeprints (ANAFI score) for the prediction of complete cytoreduction in advanced stage ovarian cancer by using Machine Learning and Explainable Artificial Intelligence, Cancers, 15, 966

          Προβολή Δημοσίευσης

        • A. Laios, D. De Jong, E. Kalampokis (2023) Beauty is in the explainable artificial intelligence (XAI) of the “agnostic” beholder, Translational Cancer Research, Vol.12, No.2, pp.226-229

          Προβολή Δημοσίευσης

        2022

        • A. Karamanou, P. Brimos, E. Kalampokis and K. Tarabanis (2022) Exploring the Quality of Dynamic Open Government Data using Statistical and Machine Learning Methods, Sensors, Vol.22, No.24:9684

          Προβολή Δημοσίευσης

        • A. Karamanou, E. Kalampokis and K. Tarabanis (2022) Linked Open Government Data to Predict and Explain House Prices: The Case of Scottish Statistics Portal, Big Data Research Vol.30, 100355.

          Προβολή Δημοσίευσης

        • A. Laios, E. Kalampokis, R. Johnson, S. Munot, A. Thangavelu, R. Hutson, T. Broadhead, G. Theophilou, C. Leach, D. Nugent, D. De Jong (2022) Factors Predicting Surgical Effort Using Explainable Artificial Intelligence in Advanced Stage Epithelial Ovarian Cancer, Cancers, Vol.14, No.14:3447.

          Προβολή Δημοσίευσης

        • S. Petsis, A. Karamanou, E. Kalampokis and K. Tarabanis (2022) Forecasting and explaining emergency department visits in a public hospital, Journal of Intelligent Information Systems, Vol.59, pp.479–500

          Προβολή Δημοσίευσης

        • A. Laios, E. Kalampokis, R. Johnson, A. Thangavelu, C. Tarabanis, D. Nugent, D. De Jong (2022) Explainable Artificial Intelligence for prediction of complete surgical cytoreduction in advanced stage epithelial ovarian cancer, Journal of Personalized Medicine, Vol.12, No.4:607

          Προβολή Δημοσίευσης

        • A. Laios, R.V. De Oliveira Silva, G. Saalmink, ... D. Nugent, E. Kalampokis, K.M. Gomes de Lima, G. Theophilou, D. De Jong (2022) Stratification of length of stay prediction following surgical cytoreduction in advanced high grade serous ovarian cancer patients using artificial intelligence; the Leeds L-AI-OS score, Current Oncology, Vol. 29, 9088-9104

          Προβολή Δημοσίευσης

        2019

        2017

        • E. Kalampokis, E. Tambouris and K. Tarabanis (2017) ICT Tools for Creating, Expanding, and Exploiting Statistical Linked Open Data, Statistical Journal of the IAOS, Vol.33, No.2, pp.503-514.

          Προβολή Δημοσίευσης

        • E. Kalampokis, A. Karamanou, E. Tambouris, and K. Tarabanis (2017) On Predicting Election Results using Twitter and Linked Open Data: The Case of the UK 2010 Election, Journal of Universal Computer Science, Vol.23, No.3, pp.280-303.

          Προβολή Δημοσίευσης

        2016

        • E. Kalampokis, A. Karamanou, E. Tambouris and K. Tarabanis (2016) Applying Brand Equity Theory to Understand the Opinion of Consumers in Social Media, Journal of Universal Computer Science, Vol.22, No.5, pp.709-734.

          Προβολή Δημοσίευσης

        • E. Kalampokis, E. Tambouris, K. Tarabanis (2016) Linked Open Cube Analytics Systems: Potential and Challenges, IEEE Intelligent Systems, Vol.31, No.5, pp.89-92.

          Προβολή Δημοσίευσης

        2014

        • E. Kamateri, E. Kalampokis, E. Tambouris, and K. Tarabanis (2014) The Linked Medical Data Access Control Framework, Journal of Biomedical Informatics, Vol.50, pp.213-225.

          Προβολή Δημοσίευσης

        2013

        • E. Kalampokis, E. Tambouris and K. Tarabanis (2013) Understanding the Predictive Power of Social Media, Internet Research, Vol.23, No.5, pp.544-559.

          Προβολή Δημοσίευσης

        2012

        • E. Kalampokis, E. Tambouris, M. Zotou and K. Tarabanis (2012) The Enterprise Architecture Competence Framework, International Journal of Learning Technology, Vol.7, No.1, pp.79-94.

          Προβολή Δημοσίευσης

        • E. Tambouris, M. Zotou, E. Kalampokis and K. Tarabanis (2012) Fostering Enterprise Architecture Education and Training with the Enterprise Architecture Competence Framework, International Journal of Training and Development, Vol.16, No.2, pp.128-136.

          Προβολή Δημοσίευσης

        2011

        • E. Kalampokis, E. Tambouris and K. Tarabanis (2011) A Classification Scheme for Open Government Data: Towards Linking Decentralized Data, International Journal of Web Engineering and Technology, Vol.6, No.3, pp.266-285.

          Προβολή Δημοσίευσης

        2008

        • E. Tambouris, E. Kalampokis and K. Tarabanis (2008) A Survey of e-participation research projects in the European Union, International Journal of Electronic Business, Vol.6, No.6, pp.554-571.

          Προβολή Δημοσίευσης

        • Συνέδρια (44 εγγραφές)

        Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).

          2023

          • M. Mamalis, E. Kalampokis, A. Karamanou, P. Brimos, K. Tarabanis (2023) Can Large Language Models Revolutionalize Open Government Data Portals? A Case of Using ChatGPT in statistics.gov.scot 27th Panhellenic Conference on Progress in Computing and Informatics (PCI 2023), ACM, [To appear]

            Προβολή Δημοσίευσης

          • A. Laios, E. Kalampokis, Y.S. Tan, A. Thangavelu, D. Nugent, G. Theophilou, D. De Jong (2023) Beyond the binary: explaining the elusive nature of blood transfusion thresholds in advanced ovarian cancer cytoreductive surgery, Abstract at the 24th European Congress on Gynaecological Oncology, September 28-October 1, 2023, Istanbul, Türkiye

            Προβολή Δημοσίευσης

          • E. Tambouris, M. Konidi, N. Edelmann, E. Kalampokis, J. Crompvoets, A. Cioffi and K. Tarabanis (2023) Integrated Public Service Co-Creation and Provision: Guidelines and Lessons Learnt, EGOV-CeDEM-ePart 2023, CEUR-WS, Vol. 3449

            Προβολή Δημοσίευσης

          • P. Brimos, A. Karamanou, E. Kalampokis, K. Tarabanis (2023) Traffic Flow Prediction with Swiss Open Data: A Deep Learning Approach, EGOV-CeDEM-ePart 2023, Springer, LNCS, Vol. 14130

            Προβολή Δημοσίευσης

          2022

          • E. Kalampokis, N. Karacapilidis, D. Tsakalidis, K. Tarabanis (2022) Artificial Intelligence and Blockchain Technologies in the Public Sector: A Research Projects Perspective, EGOV-CeDEM-ePart 2022, Lecture Notes in Computer Science, vol 13391. Springer, Cham.

            Προβολή Δημοσίευσης

          • A. Laios, R. Johnson, E. Kalampokis, A. Thangavelu, T. Broadhead, D. Nugent, D. De Jong (2022) Explainable Artificial Intelligence for prediction of complete surgical cytoreduction in advanced stage epithelial ovarian cancer, Annual BGCS Conference 2022

            Προβολή Δημοσίευσης

          • A. Karamanou, P. Brimos, E. Kalampokis, K. Tarabanis (2022) Exploring the Quality of Dynamic Open Government Data for Data Intelligence Applications: The Case of Attica Traffic Data 26th Panhellenic Conference on Informatics (PCI 2022), ACM, pp.102-109

            Προβολή Δημοσίευσης

          • A. Laios, E. Kalampokis, R. Johnson, S. Munot, A. Thangavelu, T. Broadhead, G. Theophilou, D. Nugent, D. De Jong (2022) The potential role of human factors in the prediction of surgical effort in advanced-stage epithelial ovarian cancer patients; a study using Explainable Artificial Intelligence, Abstract at the 23rd European Congress on Gynaecological Oncology, Oct 27-30, Berlin, Germany, appears at the International Journal of Gynecologic Cancer 2022;32:A358

            Προβολή Δημοσίευσης

          • A. Laios, E. Kalampokis, R. Johnson, S. Munot, R. Hutson, A. Thangavelu, T. Broadhead, G. Theophilou, D. Nugent, D. De Jong (2022) Development of an intra-operative disease score to predict complete cytoreduction in advanced-stage ovarian cancer by using Artificial Intelligence, Abstract at the 23rd European Congress on Gynaecological Oncology, Oct 27-30, Berlin, Germany, appears at the International Journal of Gynecologic Cancer 2022;32:A361

            Προβολή Δημοσίευσης

          • N. Edelmann, E. Tambouris, E. Kalampokis (2022) The Sustainable Implementation of Co-creation Principles and Outcomes, EGOV-CeDEM-ePart 2022, CEUR-WS, Vol. [Accepted for publication]

          2021

          • Kalampokis, E., Karamanou, A., Tarabanis, K. (2021). Applying Explainable Artificial Intelligence Techniques on Linked Open Government Data. In: Scholl, H.J., et al. (eds) Electronic Government. EGOV 2021. Lecture Notes in Computer Science(), vol 12850. Springer, Cham.

            Προβολή Δημοσίευσης

          • A. Daikou, I. Tamouridou, E. Kalampokis, K. Tarabanis (2021) Adoption of automation technologies in public organizations: The perception of healthcare professionals in Greece, EGOV-CeDEM-ePart 2021, CEUR, Vol.3049

            Προβολή Δημοσίευσης

          2020

          • E. Tambouris, M. Konidi, N. Edelmann, E. Kalampokis, J. Crompvoets, A. Cioffi, K. Tarabanis (2020) Integrated Public Service Co-Creation and Provision: Guidelines and Lessons Learnt, Proceedings EGOV-CeDEM-EPart2023, September 05-07, Corvinus University of Budapest, Hungary

            Προβολή Δημοσίευσης

          2019

          • Kalampokis, E., Karamanou, A., Tarabanis, K. (2019). Towards Interoperable Open Statistical Data. In: Lindgren, I. et al. Electronic Government. EGOV 2019. Lecture Notes in Computer Science(), vol 11685. Springer, Cham.

            Προβολή Δημοσίευσης

          • D. Zeginis, E. Kalampokis, K. Tarabanis (2019) Statistical Challenges Towards a Semantic Model for Precision Agriculture and Precision Livestock Farming, 7th International Workshop on Semantic Statistics (SemStats2019) co-located with the 18th International Semantic Web Conference (ISWC2019), CEUR-WS, Vol.2549

            Προβολή Δημοσίευσης

          • E. Kalampokis, D. Zeginis, K. Tarabanis (2019) Reflections on: Modeling Linked Open Statistical Data, 18th International Semantic Web Conference (ISWC2019) - Journal Track, CEUR-WS, Vol.2576

            Προβολή Δημοσίευσης

          2018

          • A. Stasiewicz, M. Adel Rezk, A. Ojo, E. Tambouris, E. Kalampokis, K. Tarabanis, T. Alcorn and A. Leadbetter (2018) Using Linked Statistical Data to Improve Marine Search and Rescue Operations in Ireland, 11th International Conference on Theory and Practice of Electronic Governance (ICEGOV2018), ACM pp.412-418

            Προβολή Δημοσίευσης

          • E. Tambouris, E. Kalampokis, M. Janssen, R. Matheus, P. Hermans, T. Kalvet (2018) Theory and practice of linked open statistical data, 19th Annual International Conference on Digital Government Research: Governance in the Data Age (dg.o 2018), ACM,

            Προβολή Δημοσίευσης

          • E. Kalampokis, A. Karamanou, K. Tarabanis (2018) Combining Statistical Data for Machine Learning Analysis, 6th International Workshop on Semantic Statistics (SemStats2018) co-located with the 17th International Semantic Web Conference (ISWC2018), CEUR-WS, Vol.2317

            Προβολή Δημοσίευσης

          2017

          • E. Tambouris, E. Kalampokis and K. Tarabanis (2017) Visualizing Linked Open Statistical Data to Support Public Administration, 18th Annual International Conference on Digital Government Research (dg.o 2017), ACM, pp.149-154

            Προβολή Δημοσίευσης

          • M. Toots, K. McBride, T. Kalvet, R. Krimmer, E. Tambouris, E. Panopoulou, E. Kalampokis and K. Tarabanis (2017) A Framework for Data-Driven Public Service Co-Production, 16th Annual International IFIP Electronic Government Conference (EGOV2017), Springer pp.264-275

            Προβολή Δημοσίευσης

          • E. Tambouris, E. Kalampokis, M. Janssen, R. Krimmer, K. Tarabanis (2017) Methods and Tools for Publishing and Reusing Linked Open Statistical Data, Workshop in the 18th Annual International Conference on Digital Government Research (dg.o 2017), ACM, pp.614-615

            Προβολή Δημοσίευσης

          • D. Zegkinis, E. Kalampokis, W. Roberts, R. Moynihan, E. Tambouris, K. Tarabanis (2017) Facilitating the exploitation of Linked Open Statistical Data: JSON-QB API requirements and design criteria, 5th International Workshop on Semantic Statistics (SemStats2017) co-located with the 16th International Semantic Web Conference (ISWC2017), CEUR-WS, Vol.1923

            Προβολή Δημοσίευσης

          • E. Tambouris, E. Kalampokis and K. Tarabanis (2017) Towards a Linked Open Statistical Data Innovation Ecosystem New Techniques and Technologies for Statistics Conference (NTTS2017)

            Προβολή Δημοσίευσης

          • E. Chaniotaki, E. Kalampokis, E. Tambouris, K. Tarabanis and A. Stasis (2017) Exploiting Linked Statistical Data in Public Administration: The Case of the Greek Ministry of Administrative Reconstruction, 23rd Americas Conference on Information Systems (AMCIS2017)

            Προβολή Δημοσίευσης

          2016

          • E. Kalampokis, A. Karamanou, E. Tambouris and K. Tarabanis (2016) Applying Brand Equity Theory to Understand the Opinion of Consumers in Social Media, Journal of Universal Computer Science, Vol.22, No.5, pp.709-734.

            Προβολή Δημοσίευσης

          • E. Kalampokis, E. Tambouris, A. Karamanou and K. Tarabanis (2016) Open Statistics: The Rise of a new Era for Open Data?, 15th Annual International IFIP Electronic Government Conference (EGOV2016), Springer, pp.31-43.

            Προβολή Δημοσίευσης

          • E. Tambouris, M. Janssen, E. Kalampokis, B. Roberts, P. Hermans, J. Whyte, T. Alcorn, K. Tarabanis (2016) Open Statistical Data: Potential and Challenges, Scholl, H. et al. (Eds.): Electronic Government and Electronic Participation, pp. 407-408, IOS Press

            Προβολή Δημοσίευσης

          • A. Karamanou, E. Kalampokis, E. Tambouris, K. Tarabanis (2016) Linked data cubes: Research results so far, 4th International Workshop on Semantic Statistics (SemStats2016) co-located with the 15th International Semantic Web Conference (ISWC2016), CEUR-WS, Vol.1654.

            Προβολή Δημοσίευσης

          2015

          • E. Tambouris, E. Kalampokis and K. Tarabanis (2015) Processing Linked Open Data Cubes, 14th Annual International IFIP Electronic Government Conference (EGOV2015), Springer, pp.130-143

            Προβολή Δημοσίευσης

          • E. Tambouris, E. Kalampokis and K. Tarabanis (2015) ICT Tools for statistical linked open data: The OpenCube toolkit, New Techniques and Technologies for Statistics Conference (NTTS2015), Brussels, Belgium, 10-12 March 2015

            Προβολή Δημοσίευσης

          • E. Tambouris, E. Kalampokis, K. Tarabanis (2015) Create, Expand and Exploit Linked Open Statistical Data, Electronic Government and Electronic Participation, Joint Proceedings of Ongoing Research, PhD Papers, Posters and Workshops of IFIP EGOV and ePart 2015, pp.355-356, IOS Press.

            Προβολή Δημοσίευσης

          • E. Kalampokis, B. Roberts, A. Karamanou, E. Tambouris, K. Tarabanis (2015) Challenges on Developing Tools for Exploiting Linked Open Data Cubes, 3rd International Workshop on Semantic Statistics (SemStats2015) co-located with the 14th International Semantic Web Conference (ISWC2015), CEUR-WS, Vol.1551.

            Προβολή Δημοσίευσης

          2014

          • E. Kalampokis, A. Nikolov, P. Haase, R. Cyganiak, A. Stasiewicz, A. Karamanou, M. Zotou, D. Zeginis, E. Tambouris, K. Tarabanis (2014) Exploiting Linked Data Cubes with OpenCube Toolkit, ISWC 2014 Posters and Demos Track a track within 13th International Semantic Web Conference (ISWC2014), CEUR-WS, Vol.1272.

            Προβολή Δημοσίευσης

          • E. Kalampokis, A. Karamanou, A. Nikolov, P. Haase, R. Cyganiak, B. Roberts, P. Hermans, E. Tambouris, K. Tarabanis (2014) Creating and Utilizing Linked Open Statistical Data for the Development of Advanced Analytics Services, 2nd International Workshop on Semantic Statistics (SemStats2014) co-located with the 13th International Semantic Web Confeerence (ISWC2014), CEUR-WS, Vol.1550.

            Προβολή Δημοσίευσης

          2013

          • E. Kalampokis, E. Tambouris and K. Tarabanis (2013) Linked Open Government Data Analytics, 12th Annual International IFIP Electronic Government Conference (EGOV2013), Springer, pp.99-110.

            Προβολή Δημοσίευσης

          • E. Kalampokis, E. Tambouris and K. Tarabanis (2013) On Publishing Linked Open Government Data, 17th Panhellenic Conference on Informatics (PCI 2013), ACM, pp.25-32.

            Προβολή Δημοσίευσης

          • E. Kalampokis, A. Karamanou, E. Tambouris and K. Tarabanis (2013) Towards a Vocabulary for Incorporating Predictive Models into the Linked Data Web, 1st International Workshop on Semantic Statistics (SemStats 2013) co-located with the 12th International Semantic Web Conference (ISWC2013), CEUR-WS

            Προβολή Δημοσίευσης

          2012

          • C.J. Hooper, N. Marie and E. Kalampokis (2012) Disserting the Butterfly: Representation of Disciplines Publishing at the Web Science Conference Series, 4th Annual ACM Web Science Conference (WebSci12), ACM, pp.137-140.

            Προβολή Δημοσίευσης

          • E. Kalampokis, E. Tambouris, M. Hausenblas, K. Tarabanis (2012) Augmenting Open Government Data with Social Media Data, Using Open Data policy modeling, citizen empowerment, data journalism Workshop

            Προβολή Δημοσίευσης

          2011

          • E. Kalampokis, E. Tambouris and K. Tarabanis (2011) Open Government Data: A Stage Model, 10th Annual International Conference on Electronic Government Research and Practice (EGOV2011), Springer, pp.235-246.

            Προβολή Δημοσίευσης

          • E. Kalampokis, M. Hausenblas and K. Tarabanis (2011) Combining Social and Government Open Data for Participatory Decision-Making, The International Conference on eParticipation (ePart2011), Springer, pp.36-47.

            Προβολή Δημοσίευσης

          2009

          • E. Tambouris, A. Kliafas, E. Kalampokis and K. Tarabanis (2009) Reducing Administrative Burden through Online Dialogues: The case of Declaring a Property to the Hellenic Cadastre, 8th International Conference on Electronic Government (EGOV2009), Trauner, pp.3-10.

          2008

          • E. Kalampokis, E. Tambouris and K. Tarabanis (2008) A Domain Model for eParticipation, 3rd International Conference on Internet and Web Applications and Services (ICIW 2008), IEEE Press, pp.25-30.

            Προβολή Δημοσίευσης

          Wheelchair Blue
          Accessibility Tools
          Fonts PlusIncrease Text
          Fonts MinusDecrease Text
          ContrastHigh Contrast
          GrayscaleGrayscale
          Readable FontReadable Font