Page 32 - sst-2022b
P. 32

1
            που   προφανώς  επηρεάζουν   την  επίδοση  του  μαθητή  παραπέμπεται στην διπλωματική εργασία (Αρετός, 2020) .
            στην  εξέταση  κατά  την  διάρκεια  των  πανελληνίων  Στην παραπάνω εργασία δημιουργήθηκε και ένα  ακόμα
            εξετάσεων. Αυτό το συμπέρασμα φαίνεται να  ενισχύουν  κατάλληλο  νευρωνικό  δίκτυο  που  είχε  ως  σκοπό  το  να
            και  κάποια από τα δεδομένα που έχουν συλλεχθεί  και τα  προβλέψει  το  τι  τύπο  Λυκείου  θα  επιλέξει  να
            οποία φαίνονται παράδοξα αξιολογώντας τα μέσα από την  ακολουθήσει ένας απόφοιτος Γυμνασίου.
            ανθρώπινη διαίσθηση.                                Τα  αποτελέσματα  αυτών  των  προσπαθειών  κρίνονται
                                                              ικανοποιητικά και μπορούν να αποτελέσουν το έναυσμα
                                                              για  περαιτέρω  μελέτη  και  έρευνα  όχι  μόνο  πάνω  στο
                                                              ερώτημα αυτό, αλλά και σε πολλά άλλα που αφορούν την
                                                              σύγχρονη   ελληνική   εκπαιδευτική    πρακτική.   Ο
                                                              ηλεκτρονικός  εκσυγχρονισμός  της  υποδομής  και  της
                                                              οργάνωσης  του  ελληνικού  σχολείου  ιδιαίτερα  κατά  την
                                                              τελευταία δεκαετία μπορεί να αποτελέσει την κατάλληλη
                                                              δεξαμενή για την άντληση των απαιτούμενων δεδομένων
                                                              που  μπορούν  να  αξιοποιήσουν  τα  τεχνητά  νευρωνικά
                                                              δίκτυα  έτσι  ώστε  μπορούν  να  βοηθήσουν  στη  βελτίωση
                                                              της παρεχόμενης εκπαίδευσης, στον εξ ορθολογισμό του
                                                              κόστους  και  στην  αποδοτικότερη  οργάνωση  των
                                                              διοικητικών  δομών  της  εκπαίδευσης  καθώς  και  στην
                                                              ανάδειξη  αλλά  και  την  ανάπτυξη  όλων  εκείνων  των
                                                              διδακτικών  πρακτικών  που  τελικά  βοηθούν  στην
                                                              βελτίωση  συνολικά  της  εκπαίδευσης  και  ως  γνωσιακής
                                                              αλλά και ως παιδαγωγικής διαδικασίας.

                                                                                 ΑΝΑΦΟΡΕΣ
                                                              Αρετός,  Ε.  (2020).  Τεχνητά  Νευρωνικά  Δίκτυα  και  Εφαρμογές  αυτών
                                                                 στην  Εκπαίδευση.  Μεταπτυχιακή  Διπλωματική  Εργασία.  Ελληνικό
                                                                 Ανοικτό Πανεπιστήμιο. Επιβλέπων: Σωτηρόπουλος, Δ.
                                                              Διαμαντάρας,  Κ.  (2007).  Τεχνητά  νευρωνικά  δίκτυα. Εκδόσεις
            Εικόνα  6:  Οι  τιμές  των  προβλέψεων  του  δικτύου  και  οι  αντίστοιχες
                                                                 Κλειδάριθμος, Αθήνα.
            πραγματικές  τιμές  όπως  παριστάνονται  ως  σημεία  στο  επίπεδο.  17   Basheer,  I.  A.,  &  Hajmeer,  M.  (2000).  Artificial  neural  networks:
            σημεία βρίσκονται μέσα στην ζώνη που αντιστοιχεί στην απόκλιση των   fundamentals,  computing,  design,  and  application. Journal  of
            2 μονάδων.
                                                                 microbiological methods, 43(1), 3-31.
                                                              Beale, H. D., Demuth, H. B., & Hagan, M. T. (1996). Neural network
                                                                 design. Pws, Boston.
            ΙV.  ΣΥΜΠΕΡΑΣΜΑΤΑ
                                                              Haykin,  S.  (1994). Neural  networks:  a  comprehensive  foundation.
                                                                 Prentice Hall PTR.
              Μετά  την  επιτυχή  χρησιμοποίηση  των  τεχνητών   Isljamovic,  S.,  &  Suknovic,  M.  (2014).  Predicting  Students’academic
            νευρωνικών  δικτύων  σε  πάρα  πολλούς  τομείς  της   Performance Using Artificial Neural Network: A Case Study From
                                                                 Faculty Of Organizational Sciences. Icemst 2014, 158.
            καθημερινής  ζωής  ήταν  αναμενόμενο  ότι  αυτά  θα   Livieris,  I.  E.,  Drakopoulou,  K.,  &  Pintelas,  P.  (2012,  September).
            μπορούσαν να χρησιμοποιηθούν στην ανάλυση διαφόρων   Predicting  students’  performance  using  artificial  neural  networks.
            δεδομένων  που  άπτονται   της  εκπαίδευσης  όλων  των   In 8th  PanHellenic  Conference  with  International  Participation
            βαθμίδων.  Πράγματι  κατέστη  δυνατό  τα  τεχνητά    Information  and  Communication  Technologies  in  Education (pp.
                                                                 321-328).
            νευρωνικά  δίκτυα  να  χρησιμοποιηθούν  ως  ένα  εργαλείο   Tomasevic, N., Gvozdenovic, N., & Vranes, S. (2020). An overview and
            με το οποίο θα μπορούσαν να αντιμετωπιστούν διάφορα   comparison of supervised data mining techniques for student exam
            προβλήματα που προκύπτουν τόσο κατά την εκπαιδευτική   performance prediction. Computers & Education, 143, 103676.
            διαδικασία  όσο  και  στο  διοικητικό  κομμάτι  της   Romero, C., & Ventura, S. (2010). Educational data mining: a review of
            εκπαίδευσης.  Εντασσόμενα  στο  ευρύτερο  πλαίσιο  της   the  state  of  the  art. IEEE  Transactions  on  Systems,  Man,  and
                                                                 Cybernetics, Part C (Applications and Reviews), 40(6), 601-618.
            εξόρυξης  δεδομένων  στην  εκπαίδευση  τα  νευρωνικά   Romero, C., & Ventura, S. (2020). Educational data mining and learning
            δίκτυα  κατάφεραν  να  απαντήσουν  σε  ερωτήματα  που   analytics: An updated survey. Wiley Interdisciplinary Reviews: Data
            αφορούν  στην  καλύτερη  διαχείριση  του  μαθητικού  και   Mining and Knowledge Discovery, 10(3), e1355.
            του  εκπαιδευτικού  προσωπικού,  στην  βελτίωση  του
            τρόπου  οργάνωσης  και  διοίκησης  ενός  εκπαιδευτικού
            ιδρύματος  καθώς  και  να  αποτελέσουν  υποβοηθητικά
            εργαλεία        συμβουλευτικής,        διάγνωσης
            δυσλειτουργιών  και έγκαιρης παρέμβασης.
              Ως  άμεση  εφαρμογή  όλων  των  παραπάνω  στην
            παρούσα  εργασία  δημιουργήθηκε  ένα  κατάλληλο
            νευρωνικό δίκτυο που είχε ως σκοπό την πρόβλεψη του
            βαθμού   στα   μαθηματικά   ενός   υποψηφίου   των
            Πανελλήνιων  Εξετάσεων.  Για  περαιτέρω  ανάλυση  της
            μεθοδολογίας,  των  αποτελεσμάτων  και  των  εξαγόμενων
            συμπερασμάτων  που  αναφέρθηκαν  ο  αναγνώστης
                                                              1  https://apothesis.eap.gr/handle/repo/48698




                                                                                                        65
   27   28   29   30   31   32   33   34   35   36   37