Μιχαηλίδης Παναγιώτης
  • 2310 891.436
  • pmichailidis uom.edu.gr
  • Γραφείο: ΚΖ, 235

    Μιχαηλίδης Παναγιώτης

    Καθηγητής
    Τμήμα Βαλκανικών, Σλαβικών & Ανατολικών Σπουδών


    Γνωστικό Αντικείμενο

    Υπολογιστικές Μέθοδοι σε Συστήματα Πληροφορικής

    Βιογραφικό
    Ακαδημαϊκοί Τίτλοι
    • Πτυχίο Εφαρμοσμένης Πληροφορικής, Πανεπιστήμιο Μακεδονίας, (1998)
    • Διδακτορικό Δίπλωμα Εφαρμοσμένης Πληροφορικής, Πανεπιστήμιο Μακεδονίας, (2004)
    Ερευνητικά Ενδιαφέροντα
    • Επιστήμη Δεδομένων
    • Υπολογιστικές Μέθοδοι για Ανάκτηση Πληροφοριών
    • Ψηφιακές Ανθρωπιστικές Επιστήμες  
    • Περιβάλλοντα Επίλυσης Προβλημάτων    
    • Παράλληλη και Κατανεμημένη Επεξεργασία
    Ώρες συνεργασίας

    Διδασκόμενα Μαθήματα


    • ΘΕΜΑΤΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ
      (ΒΣ0826)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BSO

    Τμήμα
    ΤΜΗΜΑ ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    Περιγραφή

    1.       ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

    ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ 

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΒΣ0826

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Η΄

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    Θέματα Επιστήμης Υπολογιστών

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ

    ΩΡΕΣ

    ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

    Διαλέξεις, εργαστηριακές ασκήσεις

    4

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    Ειδικού Υποβάθρου

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ

    ΦΟΙΤΗΤΕΣ ERASMUS

    Όχι

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/BSO118/

    2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Σκοπός του μαθήματος είναι h εισαγωγή στις αρχές της επιστήμης δεδομένων και των βάσεων δεδομένων. Ο σκοπός του μαθήματος είναι η πρακτική εισαγωγή στο πεδίο της επιστήμης δεδομένων και στον σχεδιασμό των βάσεων δεδομένων μέσα στα πλαίσια διεξαγωγής μιας επιστημονικής έρευνας στις κοινωνικές επιστήμες. Συγκεκριμένα, εισάγει τους φοιτητές εφαρμοσμένα παραδείγματα και πρακτικές που αφορούν την διατύπωση προβλήματος επιστήμης δεδομένων, την συλλογή δεδομένων, την προ επεξεργασία δεδομένων, την ανάλυση και οπτικοποίηση δεδομένων, την μοντελοποίηση καθώς και την παρουσίαση των αποτελεσμάτων με την βοήθεια του λογισμικού R. Επίσης, οι φοιτητές μαθαίνουν να σχεδιάζουν βάσεις δεδομένων σύμφωνα με την ανάλυση αναγκών συγκεκριμένων εφαρμογών και να διαχειρίζονται τα περιεχόμενα μιας βάσης δεδομένων με το λογισμικό MS-Access. Πιο συγκεκριμένα, οι φοιτητές αφού κατανοήσουν τις βασικές αρχές της επιστήμης δεδομένων και των βάσεων δεδομένων, να μπορούν να:  

    • πραγματοποιούν τα βήματα μιας εμπειρικής και ερευνητικής εργασίας κοινωνικών επιστημών ακολουθώντας τις αρχές της επιστήμης δεδομένων και  
    • σχεδιάζουν το διάγραμμα Οντοτήτων και Συσχετίσεων καθώς να υλοποιούν πίνακες και ερωτήματα της βάσης δεδομένων.  

    Γενικές Ικανότητες

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

    3.      ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Το περιεχόμενο του μαθήματος καλύπτεται από δύο θεματικές ενότητες που είναι:  Α) Επιστήμη Δεδομένων:  

    • Εισαγωγή στην Επιστήμη Δεδομένων  
    • Συλλογή και Εισαγωγή Δεδομένων  
    • Διαχείριση και Προετοιμασία Δεδομένων  
    • Οπτικοποίηση Δεδομένων  
    • Μοντελοποίηση Δεδομένων  
    • Παρουσίαση και Διάχυση ερευνητικών αποτελεσμάτων  
    • Εφαρμογές επιστήμης δεδομένων (ανάλυση κειμένου και κοινωνικών δικτύων)  

    Β) Βάσεις Δεδομένων:  

    • Εισαγωγή στις Σχεσιακές Βάσεις Δεδομένων  
    • Διάγραμμα Οντοτήτων - Συσχετίσεων (ΔΟΣ)  
    • Σχεσιακό Μοντέλο  
    • Εισαγωγή στη SQL  

    4.    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Πρόσωπο με πρόσωπο

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Υποστήριξη Μαθησιακής Διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας εκπαίδευσης του Πανεπιστημίου Μακεδονίας  

    Open eClass

    Χρήση βιντεοπροβολέα

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    52

    Εργαστηριακές ασκήσεις

    26

    Γενική προετοιμασία

    72

    Σύνολο Μαθήματος

    150

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

    Ι. Εργασίες (100%) (Συμπερασματική) η οποία περιλαμβάνει:

    ‐ Τρεις εργασίες επιστήμης δεδομένων (50%)

    - Μια εργασία βάσεων δεδομένων (50%)

    Σκοπός αξιολόγησης: Ο έλεγχος κατανόησης των βασικών στοιχείων του μαθήματος και ικανοτήτων παρουσίασης.

    Κριτήρια αξιολόγησης: Η πρωτοτυπία, η ποιότητα, η πληρότητα, η σαφήνεια της γραπτής εργασίας καθώς και η συνολική παρουσίαση της εργασίας.

    Τα κριτήρια αξιολόγησης αναφέρονται ρητά στην ιστοσελίδα του μαθήματος και για κάθε ενέργεια αξιολόγησης.

    5.    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    – Προτεινόμενη Βιβλιογραφία:

    • Η. Wickham, G. Grolemund (2022) Προγραμματισμός σε R για την επιστήμη των δεδομένων, Εκδόσεις                          κλειδάριθμος.  
    • Κεχρής, Ε. (2021) Σχεσιακές Βάσεις Δεδομένων, 3η έκδοση, Κριτική.
    • Μανωλόπουλος, Ι., και Α. Παπαδόπουλος (2006) Συστήματα Βάσεων Δεδομένων, Νέες Τεχνολογίες. ● Νανόπουλος, Αλ., και Ι. Μανωλόπουλος (2008) Εισαγωγή στην Εξόρυξη Δεδομένων και τις Αποθήκες Δεδομένων, Νέες Τεχνολογίες.

    – Συναφή επιστημονικά περιοδικά:

     

    • ΠΛΗΡΟΦΟΡΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΚΟΙΝΩΝΙΑ
      (ΒΣΑ406-ΙΙ)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BSO

    Τμήμα
    ΤΜΗΜΑ ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    Περιγραφή

    1.       ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

    ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ 

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΒΣΑ406-ΙΙ

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Γ΄

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    Πληροφορική Τεχνολογία και Κοινωνία

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ

    ΩΡΕΣ

    ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    Διαλέξεις, Εργαστηριακές ασκήσεις

     

    4

    6

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    Υποβάθρου, γενικών γνώσεων και ανάπτυξης δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

    Δεν υπάρχουν προαπαιτούμενα μαθήματα

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ

    ΦΟΙΤΗΤΕΣ ERASMUS

    Όχι

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/BSO146/

    2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Στόχος του μαθήματος είναι η δημιουργία βασικών ικανοτήτων και δεξιοτήτων για την αξιοποίηση των υπολογιστικών συστημάτων και των εφαρμογών τους ως τα κύρια εργαλεία επεξεργασίας και κατανόησης των δεδομένων σήμερα.  

    Μετά την επιτυχή ολοκλήρωση του μαθήματος, αναμένεται οι φοιτητές και οι φοιτήτριες να είναι σε θέση να:

    • Περιγράψουν το ρόλο και τη σημασία της Πληροφορικής στις κοινωνικές και ανθρωπιστικές επιστήμες
    • Γνωρίζουν τη δομή και λειτουργία των υπολογιστικών συστημάτων, του Διαδικτύου και του Παγκόσμιου Ιστού
    • Προβληματιστούν για την κοινωνική και οικονομική επίδραση της Πληροφορικής στην καθημερινή ζωή
    • Αναζητούν και αξιολογούν πληροφορίες καθώς και επιστημονική βιβλιογραφία στο Παγκόσμιο Ιστό
    • Υλοποιούν εφαρμογές επεξεργασίας ποσοτικών και ποιοτικών δεδομένων με την αξιοποίηση υπολογιστικών εργαλείων με σκοπό την επίλυση προβλημάτων
    • Συντάσσουν, μορφοποιούν και παρουσιάζουν μια επιστημονική εργασία με την χρήση αυτόνομων ή συνεργατικών εργαλείων λογισμικού
    • Υλοποιούν σύγχρονες πολυμεσικές εφαρμογές παρουσίασης περιεχομένου ή αφήγησης με την χρήση εργαλείων χωρίς κώδικα για την οικονομία, εκπαίδευση και πολιτισμό

    Γενικές Ικανότητες

    Γενικότερα, με την ολοκλήρωση αυτού του μαθήματος ο/η φοιτητής/τρια θα έχει περαιτέρω  αναπτύξει τις ακόλουθες γενικές ικανότητες:  

    • Αναζήτηση,  ανάλυση  και  σύνθεση  δεδομένων  και  πληροφοριών,  με  τη  χρήση  και  των απαραίτητων τεχνολογιών.   
    • Προσαρμογή σε νέες καταστάσεις.  
    • Λήψη αποφάσεων.   
    • Αυτόνομη εργασία.   
    • Άσκηση κριτικής και αυτοκριτικής.   
    • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

    3.      ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    Τo μάθημα «Πληροφορική Τεχνολογία και Κοινωνία» αποτελείται από δύο ενότητες. Στην πρώτη ενότητα καλύπτει τις βασικές αρχές της επιστήμης και της τεχνολογίας υπολογιστών, τις εφαρμογές πληροφορικής στις οικονομικές, κοινωνικές και ανθρωπιστικές επιστήμες καθώς και τα ηθικά και κοινωνικά ζητήματα από την χρήση της πληροφορικής τεχνολογίας. Στην δεύτερη ενότητα περιλαμβάνει εργαστηριακές δραστηριότητες για αναζήτηση, συλλογή, αξιολόγηση, αποθήκευση, επεξεργασία, επικοινωνία και διαμοιρασμός πληροφοριών χρησιμοποιώντας είτε αυτόνομες εφαρμογές γραφείου (MS -Office) είτε διαδικτυακές εφαρμογές της Google (όπως, Google Search, Google Drive, Google Sheets, Google Forms, Google Slides και Google Sites) με στόχο την υλοποίηση ψηφιακών επιστημονικών εργασιών. Τέλος, παρουσιάζονται μεθοδολογίες ανάπτυξης πολυμεσικών εφαρμογών περιεχομένου ή ψηφιακής αφήγησης χωρίς κώδικα για την οικονομία, την εκπαίδευση και τον πολιτισμό.

     4.    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Παραδόσεις και εργαστήριο με πρόσωπο με πρόσωπο ή με εξ’ αποστάσεων εκπαίδευσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Χρήση διαφανειών PowerPoint για την υποστήριξη διαλέξεων

    Χρήση λογισμικών (MS-Office και Google apps) για την υλοποίηση πρακτικών ασκήσεων και επεξεργασίας δεδομένων  

    Χρήση πλατφόρμας Open eClass για την:

    • οργάνωση και διανομή των διαφανειών διαλέξεων
    • εκπόνηση εβδομαδιαίων ηλεκτρονικών ασκήσεων (quizzes) κατανόησης της ύλης και αξιολόγηση φοιτητών
    • την υποβολή των εργασιών
    • την επικοινωνία με τους φοιτητές μέσω ανακοινώσεων, συζητήσεων και μηνυμάτων ηλεκτρονικού ταχυδρομείου

    Χρήση ανοικτών μαθημάτων ως συμπληρωματικό εκπαιδευτικό υλικό

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    52

    Εργαστηριακές ασκήσεις

    26

    Εκπόνηση μελέτης  

    72

     

     

    Σύνολο Μαθήματος

    150

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

    Η αξιολόγηση των φοιτητών γίνεται συμπερασματικά μέσω γραπτών εξετάσεων και εργασιών. Οι γραπτές εξετάσεις πραγματοποιούνται με το πέρας του εξαμήνου στην διάρκεια της εξεταστικής περιόδου. Η γραπτή τελική εξέταση (50%) περιλαμβάνει ερωτήσεις πολλαπλών επιλογών και σύντομης απάντησης. Οι εργασίες (50%) πραγματοποιούνται στα μέσα του εξαμήνου και περιλαμβάνουν την υλοποίηση εφαρμογών με στόχο τη χρήση υπολογιστικών εργαλείων για την επεξεργασία δεδομένων. Τέλος, τα κριτήρια αξιολόγησης είναι προσβάσιμα από τους φοιτητές στην περιγραφή του μαθήματος στο Open eClass.

     5.    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    – Προτεινόμενη Βιβλιογραφία:

    • Γκλάβα, Μ. (2021) Εισαγωγή στους Υπολογιστές και την Πληροφορική, Εκδόσεις Δίσιγμα.
    • Ο’Leary, T. (2021) Βασικές Αρχές στην Πληροφορική, Εκδόσεις Broken Hill Publishers Ltd.
    • Evans, Α., Κ. Martin, και Μ.Α. Poatsy (2014) Εισαγωγή στην Πληροφορική, 1η έκδοση, Κριτική.
    • Forouzan, B. (2015) Εισαγωγή στην Επιστήμη των Υπολογιστών, 3η έκδοση, Κλειδάριθμος.
    • Βrookshear, J.B. (2009) Η Επιστήμη των Υπολογιστών: Μια Ολοκληρωμένη Παρουσίαση, 10η έκδοση, Κλειδάριθμος.

    - Συναφή επιστημονικά περιοδικά:

     

    • ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - ΣΤΑΤΙΣΤΙΚΗ ΜΕ ΧΡΗΣΗ Η/Υ
      (ΒΣΑ410-ΙΙ)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BSO

    Τμήμα
    ΤΜΗΜΑ ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    Περιγραφή

    1.       ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

    ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ 

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΒΣΑ410-ΙΙ

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Δ΄

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    Ποσοτικές Μέθοδοι Κοινωνικών Επιστημών - Στατιστική με Χρήση Η/Υ

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ

    ΩΡΕΣ

    ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    Διαλέξεις, Εργαστηριακές ασκήσεις

     

    4

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    Γενικού Υποβάθρου

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

    Δεν υπάρχουν προαπαιτούμενα μαθήματα

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ

    ΦΟΙΤΗΤΕΣ ERASMUS

    Όχι

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/BSO103/

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Παραδόσεις και εργαστήριο με πρόσωπο με πρόσωπο ή με εξ’ αποστάσεων εκπαίδευσης

     

    2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Βασικός σκοπός του µαθήµατος είναι η εξοικείωση των φοιτητριών/ητών στην στατιστική ανάλυση δεδοµένων, την τέχνη δηλαδή της εξέτασης, σύνοψης και εξαγωγής συµπερασµάτων από δεδοµένα. Συγκεκριµένα, η/ο φοιτήτρια/τής, αφού κατανοήσει τις ϐασικές αρχές της στατιστικής στο πλαίσιο των οικονοµικών και κοινωνικών επιστηµών, να µπορεί να:

    • περιγράψει και να οργανώσει τα δεδοµένα που συλλέγει µε τεχνικές περιγραφικής στατιστικής
    • χειρίζεται αποτελεσµατικά πιθανότητες και τυχαίες µεταβλητές
    • επιλύει προβλήµατα επαγωγικής στατιστικής
    • πραγματοποιεί στατιστική ανάλυση και ερµηνεία δεδοµένων χρησιµοποιώντας ένα από τα πιο δηµοφιλή στατιστικά πακέτα λογισµικού (MS-Excel, SPSS, Stata, R) στον Η/Υ

    Γενικές Ικανότητες

    • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση βασικών τεχνολογιών ●                 Λήψη αποφάσεων  
    • Αυτόνομη Εργασία
    • Προαγωγή ελεύθερης, δημιουργικής και επαγωγικής σκέψης

    3.    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ 

    Στόχος του μαθήματος είναι η εισαγωγή στο γνωστικό πεδίο της Στατιστικής Επιστήμης και τη σύνδεση αυτής με τις Οικονομικές και Κοινωνικές Επιστήμες. To μάθημα πραγματεύεται ζητήματα που σχετίζονται με α) τη δειγματοληψία και παραγωγή δεδομένων, β) την περιγραφική στατιστική, γ) τη θεωρία των πιθανοτήτων και δ) την επαγωγική στατιστική. Στόχος της δειγματοληψίας και της παραγωγής δεδομένων είναι η επιλογή ενός αντιπροσωπευτικού δείγματος από τον πληθυσμό και τη συλλογή δεδομένων από το δείγμα. Η περιγραφική στατιστική έχει ως στόχο να συνοψίσει τις κύριες ιδιότητες δεδομένων σε ένα δείγμα, χρησιμοποιώντας γραφικές και αριθμητικές μεθόδους. Η επαγωγική στατιστική στοχεύει στην εξαγωγή συμπερασμάτων για τη συμπεριφορά ενός πληθυσμού από ένα δείγμα δεδομένων με τη βοήθεια της θεωρίας των πιθανοτήτων. Ο/Η φοιτητής/τρια αναλύει στατιστικά δεδομένα χρησιμοποιώντας στατιστικά πακέτα λογισμικού σε ηλεκτρονικό υπολογιστή (Η/Υ) (MS-Excel, SPSS, Stata, R).

    4.    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Χρήση διαφανειών PowerPoint για την υποστήριξη διαλέξεων

     

    Χρήση λογισμικού στατιστικής ανάλυσης Excel ή STATA 

     

    Χρήση πλατφόρμας Open eClass για την:

    • οργάνωση και διανομή των διαφανειών διαλέξεων
    • εκπόνηση εβδομαδιαίων ηλεκτρονικών ασκήσεων (quizzes) κατανόησης της ύλης και αξιολόγηση φοιτητών
    • την υποβολή των εργασιών
    • την επικοινωνία με τους φοιτητές μέσω ανακοινώσεων, συζητήσεων και μηνυμάτων ηλεκτρονικού ταχυδρομείου

     

    Χρήση ανοικτών μαθημάτων ως συμπληρωματικό εκπαιδευτικό υλικό

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    52

    Εργαστηριακές ασκήσεις

    26

    Φροντιστήριο

    26

    Γενική προετοιμασία

    46

    Σύνολο Μαθήματος

    150

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

    Η αξιολόγηση των φοιτητών γίνεται συμπερασματικά μέσω γραπτών εξετάσεων και προόδου. Οι γραπτές εξετάσεις πραγματοποιούνται με το πέρας του εξαμήνου στην διάρκεια της εξεταστικής περιόδου. Η γραπτή τελική εξέταση (70%) περιλαμβάνει ερωτήσεις πολλαπλών επιλογών και σύντομης απάντησης. Η πρόοδος (30%) πραγματοποιείται στα μέσα του εξαμήνου και περιλαμβάνει ερωτήσεις ανάλυσης δεδομένων με τη χρήση ενός στατιστικού λογισμικού στον υπολογιστή. Τέλος, τα κριτήρια αξιολόγησης είναι προσβάσιμα από τους φοιτητές στην περιγραφή του μαθήματος στο Open eClass.

    5.    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    – Προτεινόμενη Βιβλιογραφία:

    • Ιωαννίδης, Δ. και Μιχαηλίδης, Π. (2021) Ποσοτικές Μέθοδοι στις Κοινωνικοοικονομικές επιστήμες, Εκδόσεις Τζιόλα.
    • Agresti A (2021), Στατιστικές Μέθοδοι για Κοινωνικές Επιστήμες, 5η έκδοση, Εκδόσεις Τζιόλα.
    • Diamond, I. (2006) Αρχίζοντας τη Στατιστική, Παπαζήση.
    • Moore, D.S. and McCabe, G.P. (2014) Introduction to the Practice of Statistics, 8th Edition, W.H. Freeman.

    - Συναφή επιστημονικά περιοδικά:

    • Computational Statistics & Data Analysis
    • Statistics and Probability Letters
    • Journal of Applied Statistics

     

    • ΧΩΡΟΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΙΤΙΣΤΙΚΗΣ ΚΛΗΡΟΝΟΜΙΑΣ ΣΤΑ ΒΑΛΚΑΝΙΑ ΚΑΙ ΤΗΝ ΑΝΑΤΟΛΙΚΗ ΕΥΡΩΠΗ
      (HAC103)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    ΜΙΑΠΑΝΕ

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΙΣΤΟΡΙΑ, ΑΝΘΡΩΠΟΛΟΓΙΑ ΚΑΙ ΠΟΛΙΤΙΣΜΟ ΣΤΗΝ ΑΝΑΤΟΛΙΚΗ ΚΑΙ ΝΟΤΙΟΑΝΑΤΟΛΙΚΗ ΕΥΡΩΠΗ

    Περιγραφή

    Αντικείμενο του μαθήματος αποτελεί η διαχείριση και η προβολή της πολιτιστικής κληρονομιάς ενός τόπου. Η ανάδειξη και προστασία της εικόνας της πόλης με άξονα την βιώσιμη ανάπτυξη, αποτελεί το βασικό παράδειγμα αυτής της διερεύνησης. Στο πλαίσιο της γεωγραφικής περιοχής αναφοράς του μαθήματος (ΝΑ Ευρώπη) εξετάζονται ζητήματα σχεδιασμού της πόλης και οι επικοινωνιακές πολιτικές για τη διαχείριση της πολιτιστικής της κληρονομιάς. Η πρόσβαση σε γνώσεις και πρακτικές σχετικά με τη συνάντηση των διαφορετικών πολιτισμών, την κατανόηση λαών και πολιτισμών, την ανάδειξη και προβολή της τοπικής κουλτούρας, την αποδοχή της ετερότητας, όπως αυτά αποτυπώνονται στον χώρο και δημιουργούν εναύσματα για τη διαχείριση της πολιτιστικής κληρονομιάς στα Βαλκάνια και την Ανατολική Ευρώπη, αποτελούν ζητούμενα/ στόχους αυτού του μαθήματος. Παράλληλα επιχειρείται η εκπαίδευση σε πολιτικές προώθησης και διαχείρισης της “πολιτιστικής ταυτότητας” ενός τόπου μέσα από τη χρήση των νέων τεχνολογιών ψηφιοποίησης.

    Ενδεικτική βιβλιογραφία:

    Gavra, E.G. «Ekistics monumental heritage in today’s Turkey: current status and management prospects». «MENON: Journal Of Educational Research», Issue 1, July 2012. University of Western Macedonia, Florina, Greece. (pp. 32-44). [στην αγγλική]. ISSN: 1792-8494.

    Γαβρά, Ε. «Πλαίσιο και πολιτικές προστασίας και διαχείρισης του οικιστικού και πολιτισμικού αποθέματος στην π.ΓΔΜ σήμερα. Η ευρωπαϊκή προοπτική» στο: Ι.Κολιόπουλος, Κ.Χατζηκωνσταντίνου, Β.Γούναρης (επιμ.), Η διασυνοριακή συνεργασία Ελλάδας-ΠΓΔΜ ως ζητούμενο, Εκδόσεις Επίκεντρο, Θεσσαλονίκη 2008. (σσ.149-244) [στην ελληνική – με κριτές]. ISBN: 960-458-175-9.

    Γαβρά, Ε.Γ. «Η Διαχείριση του Πολιτιστικού και Οικιστικού Αποθέματος στη Ν.Α. Ευρώπη, στο πλαίσιο των Πολιτικών Χωρικής Ανάπτυξης: Η Περίπτωση της Ρουμανίας», Α’ Επιστημονικό Συνέδριο του Τμήματος Βαλκανικών Σπουδών: Διαστάσεις της Μετάβασης και η ευρωπαϊκή προοπτική των χωρών της Βαλκανικής, Φλώρινα 20-22/10/2006, σσ. 571-593 [στην ελληνική – με κριτές].

    Gavra, E.G. «Urban Policies and Architectural Heritage: concrete examples, real scenarios and cities networks in the area of SE Europe». «Studia Universitatis Babes – Bolyai, Studia Europaea», L, 2-3, 2005. Babes Bolyai University, Cluj-Napoca, Romania, pp.379-394 [στην αγγλική – με κριτές]. ISSN: 1224-8746. Διαθέσιμο και στο: http://www.euro.ubbcluj.ro/studia/issues/steur2005_2_3.pdf

    Γαβρά, Ε.Γ. (2004) Πολιτισμικό απόθεμα και αρχιτεκτονική κληρονομιά στα Βαλκάνια. Διαχείριση στο πλαίσιο της ευρωπαϊκής ολοκλήρωσης, Θεσσαλονίκη: Κυριακίδη [στην ελληνική].

    Γοσποδίνη, Α. και Μπεριάτος, Η. (2006) Τα νέα αστικά τοπία και η ελληνική πόλη, Αθήνα: Κριτική

    Hall, T. (2005) Αστική γεωγραφία, Αθήνα: Κριτική

    Konsola N.N., 2006, World Cultural Development and Policy, Publications Papazisis, Athens

    Κόνσολα, Ντ. (1995) Η Διεθνής Προστασία της Παγκόσμιας Πολιτιστικής Κληρονομιάς, Αθήνα: Παπαζήση.

    Μητούλα, Ρ. (2006) Βιώσιμη Περιφερειακή Ανάπτυξη στην Ευρωπαϊκή Ένωση και Ανασυγκρότηση του Ελληνικού Αστικού Περιβάλλοντος, Αθήνα: Σταμούλη.

    Ζήβας, Δ.Α. (1997) Τα μνημεία και η πόλη, Αθήνα: Libro

    Σ.Ν. Δημητριάδης, Α.Σ. Πομπόρτσης, Ε. Γ. Τριανταφύλλου, Τεχνολογία πολυμέσων θεωρία και πράξη, Εκδόσεις Τζιόλα, 2004.

    Φ. Λαζαρίνης, Τεχνολογίες Πολυμέσων: Θεωρία, Υλικό, Λογισμικό, 1η έκδοση, Εκδόσεις κλειδάριθμος, 2007.

    T. Vaughan, Πολυμέσα Αναλυτικός Οδηγός, 8η Έκδοση, Εκδόσεις Γκιούρδας, 2012.

    V. Costello, S. Youngblood, N. E. Youngblood, Multimedia Foundations: Core Concepts for Digital Design, Focal Press, 1 edition, 2012.

    • ΨΗΦΙΑΚΕΣ ΜΕΘΟΔΟΙ ΚΟΙΝΩΝΙΚΗΣ ΕΡΕΥΝΑΣ
      (ΒΣΑ312-ΙΙI)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    BSO

    Τμήμα
    ΤΜΗΜΑ ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    Περιγραφή

    ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

    1. 1.       ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΩΝ ΣΠΟΥΔΩΝ

    ΤΜΗΜΑ

    ΒΑΛΚΑΝΙΚΩΝ, ΣΛΑΒΙΚΩΝ ΚΑΙ ΑΝΑΤΟΛΙΚΩΝ ΣΠΟΥΔΩΝ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    ΒΣΑ312-ΙΙI

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Ζ

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    Ψηφιακές Μέθοδοι Κοινωνικής Έρευνας

    ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ

    ΕΒΔΟΜΑΔΙΑΙΕΣ
    ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

    ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

     

    Διαλέξεις, Εργαστηριακές ασκήσεις

     

    4

    5

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    Ανάπτυξη δεξιοτήτων

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

    Δεν υπάρχουν προαπαιτούμενα μαθήματα

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    Ελληνική

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    Όχι

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/BSO259/

               

     

    1. 2.      ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    Μαθησιακά Αποτελέσματα

    Στόχος του μαθήματος είναι η απόκτηση δεξιοτήτων για την υλοποίηση κοινωνικών ερευνών με την χρήση υπολογιστικών μεθόδων και εργαλείων.

     

    Μετά την επιτυχή ολοκλήρωση του μαθήματος, αναμένεται οι φοιτητές/τριες να είναι σε θέση να:

    • Κατανοούν τις έννοιες και αρχές των ψηφιακών μεθόδων στην κοινωνική έρευνα.
    • Συλλέγουν δεδομένα από το Διαδίκτυο ή/και μέσα κοινωνικής δικτύωσης με αυτοματοποιημένο τρόπο, να καθαρίζουν, να χειρίζονται και να οπτικοποιούν τα δεδομένα καθώς και να αναλύουν κειμενικά δεδομένα και κοινωνικά δίκτυα.
    • Χρησιμοποιούν κατάλληλα εργαλεία λογισμικού για την διερεύνηση και ανάλυση δεδομένων.
    • Σχεδιάζουν και να υλοποιούν ερευνητική μελέτη στο κοινωνικό και οικονομικό πεδίο έρευνας με την χρήση υπολογιστικών μεθόδων.

    ΓενικέςΙκανότητες

    Γενικότερα, με την ολοκλήρωση αυτού του μαθήματος ο/η φοιτητής/τρια θα έχει περαιτέρω  αναπτύξει τις ακόλουθες γενικές ικανότητες:

    • Αναζήτηση,  ανάλυση  και  σύνθεση  δεδομένων  και  πληροφοριών,  με  τη  χρήση  και  των απαραίτητων τεχνολογιών. 
    • Προσαρμογή σενέες καταστάσεις.
    • Λήψη αποφάσεων. 
    • Αυτόνομηεργασία. 
    • Άσκησηκριτικής και αυτοκριτικής. 
    • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

     

    1. 3.      ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

    To μάθημα «Ψηφιακές Μέθοδοι Κοινωνικής Έρευνας» καλύπτει τις υπολογιστικές μεθόδους και εργαλεία για τη διεξαγωγή έρευνας σχετικά με κοινωνικά, οικονομικά και πολιτιστικά φαινόμενα. Οι φοιτητές/τριες θα μάθουν να αξιοποιούν μεθόδους και εργαλεία για τη συλλογή, τη προεπεξεργασία, την οπτικοποίηση και τη διερευνητική ανάλυση καθώς και την ερμηνεία δεδομένων με ειδική έμφαση στην ανάλυση κειμενικών δεδομένων, κοινωνικών δικτύων και οπτικών δεδομένων. Μέσω πρακτικών ασκήσεων, οι φοιτητές/τριες θα αναπτύξουν πρακτικές δεξιότητες στην εφαρμογή ψηφιακών μεθόδων σε ερωτήματα κοινωνικής έρευνας.

     

    1. 4.    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

    ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

    Παραδόσεις και εργαστήριο με πρόσωπο με πρόσωπο ή με εξ’ αποστάσεων εκπαίδευσης

    ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

    Χρήση διαφανειών PowerPoint για την υποστήριξη διαλέξεων

     

    Χρήση της γλώσσα προγραμματισμού Rγια την υλοποίηση πρακτικών ασκήσεων και επεξεργασίας δεδομένων

     

    Χρήση πλατφόρμας OpeneClass για την:

    • οργάνωση και διανομή των διαφανειών διαλέξεων

    • εκπόνηση εβδομαδιαίων ηλεκτρονικών ασκήσεων (quizzes) κατανόησης της ύλης και αξιολόγηση φοιτητών

    • την υποβολή των εργασιών

    • την επικοινωνία με τους φοιτητές μέσω ανακοινώσεων, συζητήσεων και μηνυμάτων ηλεκτρονικού ταχυδρομείου

     

    Χρήση ανοικτών μαθημάτων ως συμπληρωματικό εκπαιδευτικό υλικό

    ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

    Δραστηριότητα

    ΦόρτοςΕργασίας Εξαμήνου

    Διαλέξεις

    52

    Εργαστηριακές ασκήσεις

    26

    Εκπόνηση μελέτης

    72

     

     

    Σύνολο Μαθήματος

    150

    ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

    Η αξιολόγηση των φοιτητών γίνεται συμπερασματικά μέσω ασκήσεων και ερευνητικών εργασιών. Οι ασκήσεις (50%) είναι εργαστηριακές δραστηριότητες που επικεντρώνονται στις διάφορες ερευνητικές δραστηριότητες με την χρήση της Rκαθώς και σχεδιασμός μιας βάσης δεδομένων. Οι ερευνητικές εργασίες (50%) πραγματοποιούνται στα μέσα του εξαμήνου και περιλαμβάνουν την υλοποίηση μικρών ερευνητικών έργων για τη μελέτη οικονομικών ή/και κοινωνικών φαινομένων. Τέλος, τα κριτήρια αξιολόγησης είναι προσβάσιμα από τους φοιτητές στην περιγραφή του μαθήματος στο OpeneClass.

     

    1. 5.    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    – ΠροτεινόμενηΒιβλιογραφία:

    • Τ. Δημητρούλια, Δ. Γούτσος και Γ. Φραγκάκη (2023), Εισαγωγή στις Ψηφιακές Ανθρωπιστικές Επιστήμες. Ένας πρακτικός οδηγός, Εκδόσεις Καρδαμίτσα.
    • C. Dawson (2021), Το Α και το Ω των ψηφιακών μεθόδων έρευνας, Εκδόσεις Πεδίο.

    - Συναφή επιστημονικά περιοδικά:

     

    Δημοσιεύσεις


    • Βιβλία (8 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

      • A. Chatsiopoulou and P. Michailidis, Cultural Heritage Applications Based on Augmented Reality: A Literature Review, in Proceedings of the International Conference on Extended Reality, Lecture Notes in Computer Science 14219, pp. 194-209, Springer-Verlag, 2023.

        Προβολή Δημοσίευσης

      2021

      • Δ. Ιωαννίδης, Π. Μιχαηλίδης, Ποσοτικές Μέθοδοι στις Κοινωνικοοικονομικές Επιστήμες, Εκδόσεις Τζιόλα, 2021.

        Προβολή Δημοσίευσης

      2011

      • C. Kouzinopoulos, P.D. Michailidis and K.G. Margaritis, Parallel Processing ofMultiple Pattern Matching Algorithms for Biological Sequences: Methods and PerformanceResults, in book "Bioinformatics - Computational Biology and Modeling", Ning-Sun Yang (eds.),Ch. 8, pp. 161 - 182, Intech - Open Access Publisher, 2011.

      2008

      • P.D. Michailidis and K.G. Margaritis, Parallel and Distributed ComputationalMethods for Flexible Text Searching, in book "Supercomputing Research Advances",Yongge Huang (eds.), Ch. 2, pp. 61 - 112, Nova Science Publishers, 2008.

      2005

      • P.D. Michailidis, V. Stefanidis and K.G. Margaritis, Performance Analysis of Overheads for Matrix - Vector Multiplication in Cluster Environment, in Proceedings of the 10th Panhellenic Conference on Informatics (PCI'2005), Lecture Notes in Computer Science 3746, Volos, Greece, pp. 245-255, Springer-Verlag, 2005.

        Προβολή Δημοσίευσης

      2003

      • P.D. Michailidis and K.G. Margaritis, Performance Analysis of Approximate String Searching Implementations for Heterogeneous Computing Platform, in Proceedings of the 10th Euro PVM/MPI 2003 Conference (PVM-MPI'2003), Lecture Notes in Computer Science, Venice, Italy, pp. 242-246, Springer-Verlag, 2003.

        Προβολή Δημοσίευσης

      2002

      • P.D. Michailidis and K.G. Margaritis, A Performance Study of Load Balancing Strategies for Approximate String Matching on an MPI Heterogeneous System Environment, in Proceedings of the 9th Euro PVM/MPI 2002 Conference (PVM-MPI'2002), Lecture Notes in Computer Science 2474, Linz, Austria, pp. 432-440, Springer-Verlag, 2002.

        Προβολή Δημοσίευσης

      2001

      • P.D. Michailidis and K.G. Margaritis, Text Searching on a Heterogeneous Cluster of Workstations, in Proceedings of the 8th Euro PVM/MPI 2001 Conference (PVM-MPI'2001), Lecture Notes in Computer Science 2131, Santorini, Greece, pp. 378-385, Springer-Verlag, 2001.

        Προβολή Δημοσίευσης

      • Επιστημονικά Περιοδικά (21 εγγραφές)

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

        2022

        2021

        • P. Michailidis, V. Vlasidis, S. Karekla, An Exploratory Study on the Attitudes of the Greek Believers towards the State’s Measures during the First Wave of Coronavirus Pandemic, Social Sciences, 10(2), pp. 1–22, 67, 2021.

          Προβολή Δημοσίευσης

        2019

        • P.D. Michailidis, An Efficient Multi-core Implementation of the Jaya Optimisation Algorithm, International Journal of Parallel, Emergent and Distributed Systems, vol. 34, no. 3, pp. 288-320, 2019.

          Προβολή Δημοσίευσης

        2018

        • P.D. Michailidis, A preliminary performance study on nonlinear regression models using the Jaya optimisation algorithm, IAENG International Journal of Applied Mathematics, vol. 48, no. 4, pp. 424-428, 2018.

          Προβολή Δημοσίευσης

        2017

        • C.S. Kouzinopoulos, P.D. Michailidis and K.G. Margaritis, Parallel Two-Dimensional Pattern Matching Algorithms on GPU, Neural, Parallel and Scientific Computations, vol. 25, pp. 165 - 180, 2017.

        2016

        • P.D. Michailidis and K.G. Margaritis, Scientific Computations on Multi-core Systems using Different Programming Frameworks, Applied Numerical Mathematics, vol. 104, pp. 62-80, Elsevier-Science, 2016.

          Προβολή Δημοσίευσης

        2015

        • C.S. Kouzinopoulos, P.D. Michailidis and K.G. Margaritis, Multiple String Matching on a GPU using CUDA, Scalable Computing: Practice and Experience, vol. 16, no. 2, pp. 121-137, 2015.

          Προβολή Δημοσίευσης

        2013

        • P.D. Michailidis and K.G. Margaritis, Accelerating Kernel Density Estimation on the GPU using the CUDA framework, Applied Mathematical Sciences, vol. 7, no. 30, pp. 1447 - 1476, Hikari Ltd., 2013.

          Προβολή Δημοσίευσης

        • P.D. Michailidis and K.G. Margaritis, Computing Dot - Product on Heterogeneous Master - Worker Platforms, International Journal of Pure and Applied Mathematics, vol. 84, no. 1, pp. 115-140, Academic Publications Ltd., 2013.

          Προβολή Δημοσίευσης

        2011

        • P.D. Michailidis and K.G. Margaritis, Parallel Direct Methods for Solving System of Linear Equations with Pipelining on a MultiCore using OpenMP, Journal of Computational and Applied Mathematics, vol. 236, no. 3, pp. 326-341, Elsevier-Science, 2011.

          Προβολή Δημοσίευσης

        2008

        • P.D. Michailidis and K.G. Margaritis, Processor Array Architectures for Flexible Approximate String Matching, Journal of Systems Architecture, vol. 54, no. 1-2, pp. 35-54, Elsevier-Science, 2008.

          Προβολή Δημοσίευσης

        2007

        • P.D. Michailidis and K.G. Margaritis, A Programmable Array Processor Architecture for Flexible Approximate String Matching Algorithms, Journal of Parallel and Distributed Computing, vol. 67, no. 2, pp. 131-141, Elsevier-Science, 2007.

          Προβολή Δημοσίευσης

        • V.K. Stefanidis, P.D. Michailidis and K.G. Margaritis, An Improved Performance Prediction Model for Matrix-Vector Multiplication on Clusters of Workstations, HERMIS: The International Journal of Computer Mathematics and its Applications, vol.8, pp. 77-83, online, 2007.

        2006

        • P.D. Michailidis, T. Typou, V. Stefanidis and K.G. Margaritis, Performance Models for Matrix Computations on Networks of Heterogeneous Workstations, Neural, Parallel and Scientific Computations, vol. 14, no. 2/3, pp. 177 - 204, 2006.

        2005

        • P.D. Michailidis and K.G. Margaritis, New Processor Array Architectures for the Longest Common Subsequence Problem, The Journal of Supercomputing, vol. 32, no. 1, pp. 51-69, Springer Science + Business Media, 2005.

          Προβολή Δημοσίευσης

        • P.D. Michailidis and K.G. Margaritis, Parallel Flexible Text Searching Applications on a Heterogeneous Cluster Architecture, International Journal of Computational Science and Engineering, vol. 1, no. 1, pp. 45-59, Inderscience Publishers, 2005.

          Προβολή Δημοσίευσης

        2003

        • P.D. Michailidis and K.G. Margaritis, Performance Evaluation of Load Balancing Strategies for Approximate String Matching Application on an MPI Cluster of Heterogeneous Workstations, Future Generation Computer Systems, vol. 19, no. 7, pp. 1075-1104,Elsevier-Science, 2003.

          Προβολή Δημοσίευσης

        2002

        • P.D. Michailidis and K.G. Margaritis, Parallel Implementations for String Matching Problem on a Cluster of Distributed Workstations, Neural, Parallel and Scientific Computations, vol. 10, pp. 287-312, 2002.
        • P.D. Michailidis and K.G. Margaritis, On-line Approximate String Searching Algorithms: Survey and Experimental Results, International Journal of Computer Mathematics, vol. 79, no. 8, pp. 867-888, 2002.

          Προβολή Δημοσίευσης

        2001

        • P.D. Michailidis and K.G. Margaritis, On-line String Matching Algorithms: Survey and Experimental Results, International Journal of Computer Mathematics,vol. 76, no. 4, pp. 411-434, 2001.

          Προβολή Δημοσίευσης

        • Συνέδρια (30 εγγραφές)

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

          2014

          • M. Dasygenis and P.D. Michailidis, Evaluating modern parallelization techniques on block matching algorithms, in Proceedings of the 18th Panhellenic Conference on Informatics (PCI'2014), pp. 1-6, Athens, Greece, 2014.

          2013

          • P.D. Michailidis and K.G. Margaritis, Parallel Computing of Kernel Density Estimation with Different Multi-core Programming Models, in Proceedings of the 21st Euromicro International Conference on Parallel, Distributed and Network-Based Processing (PDP'2013), pp. 77 – 85, Belfast, Northern Ireland, IEEE Computer Society, 2013.

          2012

          • P.D. Michailidis and K.G. Margaritis, Efficient Multi-Core Computations in Computational Statistics and Econometrics, in Proceedings of the 15th IEEE International Conference on Computational Science and Engineering (CSE'2012), pp. 267–274, Pafos, Cyprus, IEEE Computer Society, 2012
          • P.D. Michailidis and K.G. Margaritis, Implementing Basic Computational Kernels of Linear Algebra on Multicore, in Proceedings of the 16th Panhellenic Conference on Informatics (PCI'2012), pp. 217-222, Piraeus, Greece, IEEE Computer Society, 2012.
          • P.D. Michailidis and K.G. Margaritis, Performance Study of Matrix Computations using Multicore Programming Tools, in Proceedings of the 5th Balkan Conference on Informatics (BCI'2012), pp. 186-192, Novi Sad, Serbia, 2012.
          • P.D. Michailidis and K.G. Margaritis, Computational Comparison of Some Multi-core Programming Tools for Matrix Computations, in Proceedings of the 14th IEEE International Conference on High Performance Computing and Communications (HPCC-2012), pp. 143-150, Liverpool, UK, 2012.
          • C.S. Kouzinopoulos, P.D. Michailidis and K.G. Margaritis, Performance Study of Parallel Hybrid Multiple Pattern Matching Algorithms for Biological Sequences, in Proceedings of International Conference on Bioinformatics Models, Methods and Algorithms (BIOINFORMATICS 2012), pp. 182-187, Vilamoura, Portugal, 2012.

          2011

          • P.D. Michailidis and K.G. Margaritis, Open Multi Processing (OpenMP) of Gauss-Jordan Method for Solving System of Linear Equations, in Proceedings of the 11th IEEE International Conference on Computer and Information Technology (CIT-2011), pp. 314–319, Pafos, Cyprus, 2011.
          • C. Kouzinopoulos, P.D. Michailidis, K.G. Margaritis, Experimental Results on Multiple Pattern Matching Algorithms for Biological Sequences, in Proceedings of International Conference on Bioinformatics Models, Methods and Algorithms (BIOINFORMATICS 2011), pp. 274-277, Rome, Italy, 2011.

          2010

          • P.D. Michailidis and K.G. Margaritis, Implementing Parallel LU Factorization with Pipelining on a MultiCore using OpenMP, in Proceedings of the 13th IEEE International Conference on Computational Science and Engineering (CSE-2010), pp. 253-260, Hong Kong SAR, China, 2010.
          • P.D. Michailidis and K.G. Margaritis, Performance Models for Matrix Computations on MultiCore Processors using OpenMP, in Proceedings of the 11th International Conference on Parallel and Distributed Computing, Applications and Technologies (PDCAT'2010), pp. 375-380, Wuhan, China, 2010.

          2009

          • P.D. Michailidis and K.G. Margaritis, Experimental Study on Variants of the Zhu-Takaoka String Matching Algorithm, in Proceedings of the Balkan Conference on Informatics (BCI'2009), pp. 116-122, Thessaloniki, Greece, 2009.

          2008

          • P.D. Michailidis and K.G. Margaritis, Performance Evaluation of Multiple Approximate String Matching Algorithms Implemented with MPI Paradigm in an Experimental Cluster Environment, in Proceedings of the 12th Panhellenic Conference on Informatics (PCI'2008), pp. 168 - 172, Samos, Greece, IEEE Computer Society, 2008.
          • P.D. Michailidis and K.G. Margaritis, A Parallel Implementation for Finding the Longest Common Subsequence, in Proceedings of the 6th International Conference on Engineering Computational Technology (ECT'2008), Athens, Greece, 2008.

          2007

          • P.D. Michailidis and K.G. Margaritis, Generalized Performance Model for Flexible Approximate String Matching on a Distributed System, in Proceedings of the 11th Panhellenic Conference on Informatics (PCI'2007), vol. II, pp. 279 – 288, Patras, Greece, New Technologies Publications, 2007.

          2006

          • P.D. Michailidis and K.G. Margaritis, Implementation of a Programmable Array Processor Architecture for Approximate String Matching Algorithms on FPGAs, in Proceedings of 20th IEEE International Parallel and Distributed Processing Symposium and the 13th Reconfigurable Architectures Workshop (RAW 2006), Rhodes, Greece, 4 pages, 2006.

          2005

          • P.D. Michailidis and K.G. Margaritis, A Programmable Array Processor Architecture for Flexible Approximate String Matching Algorithms, in Proceedings of the 2005 International Conference on Parallel Processing Workshops (ICPP'2005), Oslo, Norway, pp. 201-209, 2005.

          2004

          • T. Typou, V. Stefanidis, P.D. Michailidis and K.G. Margaritis, Implementing Matrix Multiplication on an MPI Cluster of Workstations, in Proceedings of the 1st International Conference "From Scientific Computing to Computational Engineering" (IC-SCCE'2004), Athens, Greece, vol. II, pp. 631-639, 2004.
          • T. Typou, V. Stefanidis, P.D. Michailidis and K.G. Margaritis, Matrix - Vector Multiplication on a Cluster of Workstations, in Proceedings of the 1st International Conference "From Scientific Computing to Computational Engineering" (IC-SCCE'2004), Athens, Greece, vol. II, pp. 713-726, 2004.

          2003

          • P.D. Michailidis and K.G. Margaritis, Bit-Level Processor Array Architecture for Flexible String Matching, in Proceedings of the 1st Balkan Conference in Informatics (BCI'2003), Thessaloniki, Greece, pp. 517-526, 2003.
          • P.D. Michailidis and K.G. Margaritis, Performance Analysis of Approximate String Searching Implementations for Heterogeneous Computing Platform, in Proceedings of the 2003 International Conference on Parallel Processing Workshops (ICPP'2003), Taiwan, pp. 173-180, 2003.
          • P.D. Michailidis and K.G. Margaritis, Parallel Architecture for Flexible Approximate Text Searching, in CD-ROM Proceedings of the 7th WSEAS International Multiconference on Circuits, Systems, Communications and Computers, (WSEAS-CSCC'2003), Corfu, Greece, 2003. Also it is published in Recent Advances in Communications and Computer Science, pp. 384-391, WSEAS Press.
          • P.D. Michailidis and K.G. Margaritis, Flexible Approximate String Matching Application on a Heterogeneous Distributed Environment, in Proceedings of the International Conference on Parallel and Distributed Processing Techniques and Applications (PDPTA'03), Las Vegas, USA, vol. 1, pp. 164-172, 2003.

          2002

          • P.D. Michailidis and K.G. Margaritis, A Processor Array for Approximate Limited Expression Matching, in Proceedings of the First Workshop on Application Specific Processors (WASP'2002), Instabul, Turkey, pp. 137-144, 2002.
          • P.D. Michailidis and K.G. Margaritis, Implementation of the Approximate String Matching Application on a Cluster of Heterogeneous Workstations, in Proceedings of the First International Symposium on Parallel and Distributed Computing (ISPDC'2002), Iasi, Romania, pp. 193-204, 2002.

          2001

          • P.D. Michailidis and K.G. Margaritis, Implementation of the String Matching Problem on a Cluster of Workstations, in Proceedings of the 8th Panhellenic Conference on Informatics (PCI'2001), Nicosia, Cyprus, Vol. 2, pp. 72-81, 2001.
          • P.D. Michailidis and K.G. Margaritis, Parallel Text Searching Application on a Heterogeneous Cluster of Workstations, in Proceedings of the 2001 International Conference on Parallel Processing Workshops (ICPP'01), Valencia, Spain, pp. 169-175, 2001.
          • P.D. Michailidis and K.G. Margaritis, String Matching Problem on a Cluster of Personal Computers: Performance Modeling, in Proceedings of the 15th International Conference on Systems for Automation of Engineering and Research (SAER'2001), Sofia, Bulgaria, pp. 76-81, 2001.
          • P.D. Michailidis and K.G. Margaritis, String Matching Problem on a Cluster of Personal Computers: Experimental Results, in Proceedings of the 15th International Conference on Systems for Automation of Engineering and Research (SAER'2001), Sofia, Bulgaria, pp. 71-75, 2001.
          • P.D. Michailidis and K.G. Margaritis, Implementing String Searching Algorithms on a Network of Workstations using MPI, in Proceedings of the 5th Hellenic European Conference on Computer Mathematics and its Applications (HERCMA'2001), Athens, Greece, Vol. 1, pp. 298-305, 2001.
          • Άλλα (5 εγγραφές)

          Περιλαμβάνει Παρουσιάσεις σε διεθνή ή ελληνικά συνέδρια χωρίς δημοσίευση σε πρακτικά.

            2012

            • P.D. Michailidis and K.G. Margaritis, An Experimental Study for Parallelizing Basic Kernels From Scientific Computing using Multi-core Libraries, in Book of Abstracts of the 5th Conference on Numerical Analysis (NumAn'2012), pp. 33, Ioannina, Greece, 2012.

            2009

            • P.D. Michailidis and K.G. Margaritis, MPI Implementations for Solving Dot - Product on Heterogeneous Platforms, in Proceedings of the 9th Hellenic European Conference on Computer Mathematics and its Applications (HERCMA'2009), Athens, Greece, 2009.

            2007

            • P.D. Michailidis and K.G. Margaritis, Parallelization of Multiple String Matching on a Cluster Platform, in Proceedings of the 8th Hellenic European Conference on Computer Mathematics and its Applications (HERCMA'2007), Athens, Greece, 2007.

            2005

            • V. Stefanidis, P.D. Michailidis and K.G. Margaritis, An Improved Performance Prediction Model for Matrix - Vector Multiplication on Cluster of Workstations, in Proceedings of the 7th Hellenic European Conference on Computer Mathematics and its Applications (HERCMA'2005), Athens, Greece, 2005.
            • V. Stefanidis, P.D. Michailidis and K.G. Margaritis, Parallelization of Matrix - Vector Multiplication on a Cluster Platform, in Proceedings of the 2nd International Conference of Applied Mathematics, Plovdiv, Bulgaria, p. 258, 2005.
            Wheelchair Blue
            Accessibility Tools
            Fonts PlusIncrease Text
            Fonts MinusDecrease Text
            ContrastHigh Contrast
            GrayscaleGrayscale
            Readable FontReadable Font