Το μάθημα «Διαχείριση Αρχειακού Υλικού» εστιάζει στα βασικά θέματα που απασχολούν τη διαχείριση αρχειακού υλικού σε σύγχρονους οργανισμούς διατήρησης αρχείων (Εθνικά Αρχεία, Ιστορικά Αρχεία). Ο πρώτος κύριος στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με τις εργασίες που αναλαμβάνουν οι επαγγελματίες αρχειονόμοι: προσκτήσεις, εκκαθαρίσεις, ταξινομήσεις και περιγραφές, δημιουργία ευρετηρίων. Δεύτερος στόχος είναι η εξοικείωση με την παραγωγή αρχειακών μεταδεδομένων, με την επεξεργασία των δεδομένων του αρχειακού υλικού και τα ψηφιακά εργαλεία για την περιγραφή και ανάδειξη του αρχειακού υλικού. Στο πλαίσιο του μαθήματος θα παρουσιαστούν τα τέσσερα βασικά σχήματα μεταδεδομένων του Διεθνούς Συμβουλίου για τα Αρχεία (ISAD, ISAAR_CPF, ISDF, ISDIAH). Σε αυτά στηρίζονται τα πρότυπα του EAD, EAC, SEPIADES, DACS και το λογισμικό ελεύθερης χρήσης AtoM, με τα οποία θα κληθούν να εξοικειωθούν οι μεταπτυχιακοί φοιτητές. Τέλος, το μάθημα μέσα από μια πρακτική εφαρμογή που θα κληθούν οι φοιτητές να υλοποιήσουν με την μορφή project, θα τους παρέχει την ευκαιρία να συνδυάσουν την παρουσίαση των σχημάτων μεταδεδομένων με αρχειακό υλικό σε πραγματικές συνθήκες. Έτσι, θα κληθούν στο πλαίσιο μιας εργασίας εξαμήνου να περιγράψουν αρχειακά τεκμήρια και ενότητες (φακέλους, υποφακέλους) και να έρθουν αντιμέτωποι με τα προβλήματα της περιγραφής. Άλλωστε ακόμη και στον κόσμο των ψηφιακών αρχείων, η πλέον προκλητική εργασία παραμένει εκείνη της περιγραφής των αρχειακών δεδομένων.

Το μάθημα αποτελείται από τις εξής θεματικές ενότητες:

1^η Ενότητα: Ιστορική αναδρομή της διαχείρισης του αρχειακού υλικού. Αρχειακές θεωρίες (σχηματισμός σειρών, continuum, μεταμοντέρνα αντίληψη).

2^η Ενότητα: Εντοπισμός, Αυτοψία και Επιλογή διατήρησης Αρχειακού υλικού.

3^η Ενότητα: Σχεδιασμός πολιτικής προσκτήσεων. Παρουσίαση της ελληνικής πραγματικότητας. Προσκτήσεις.

4^η Ενότητα: Εκκαθαρίσεις αρχείων. Βασικές αρχές και η πρακτική της δεύτερης εκκαθάρισης.

5^η Ενότητα: Ταξινόμηση και Περιγραφή. Θεωρία και οδηγίες εφαρμογής.

6η Ενότητα: Δημιουργία Ευρετηρίων και Βάσεων Δεδομένων για αρχεία. 

7^η Ενότητα: Σχήματα Μεταδεδομένων για αρχειακό υλικό με βάση τους διεθνείς οδηγούς του ICA. EAC, EAD, SEPIADES. Ελεύθερο λογισμικό καταχώρησης μεταδεδομένων (AtoM).

8^η Ενότητα: Εφαρμογή προτύπων σε πραγματικό αρχειακό υλικό και κατανόηση των ιδιαιτεροτήτων της εργασίας της περιγραφής.

Μαθησιακά αποτελέσματα: Με την ολοκλήρωση του μαθήματος οι φοιτητές θα γνωρίζουν την αλυσίδα των αρχειακών εργασιών σε περίπτωση που κληθούν να διαχειριστούν αρχειακά σύνολα. Ακόμη θα μπορούν να σχηματίσουν αρχειακά μεταδεδομένα, ώστε να είναι ικανοί να τα καταχωρήσουν σε οποιοδήποτε πρότυπο αρχειακής περιγραφής. Θα εξοικειωθούν με τα πλέον εύχρηστα και δημοφιλή πρότυπα αρχειακής περιγραφής. Τέλος, το μεταπτυχιακό σεμινάριο θα τους δώσει την ευκαιρία να παρακολουθήσουν όλη τη διαδικασία από την εισαγωγή του αρχειακού υλικού ως τη διάθεση του στο κοινό. 

Το μάθημα αποτελείται από δύο κύριες ενότητες, οι οποίες συζητούν τα εξής θέματα:

Α Ενότητα: Διαχείριση συστημάτων βιβλιοθηκών

Εισαγωγή στις βασικές έννοιες αυτοματοποίησης βιβλιοθηκών.

Ορισμοί ψηφιακού περιεχομένου, διάκριση ψηφιοποιημένου και πρωτογενώς ψηφιακού περιεχομένου, διαχείριση αποθετηρίων και βιβλιοθηκονομικών συστημάτων.

Διαφορές ενσωματωμένων συστημάτων βιβλιοθηκών και αποθετηρίων.

Οργάνωση και διαχείριση συλλογών βιβλιακού, αρχειακού και μουσειακού υλικού σε βιβλιοθηκονομικά συστήματα και αποθετήρια.

Σχήματα μεταδεδομένων και έμφαση στο Dublin Core και το MARC21.

Πρότυπα διαλειτουργικότητας με έμφαση στο OAI-PMH και στη χρήση του.

Ροές εργασίας για την επιλογή και διαχείριση συστημάτων βιβλιοθηκών και αποθετηρίων.

Πολιτικές πρόσβασης (ψηφιακών) αποθετηρίων και μοντέλα πολιτικών.

Β Ενότητα: Υλοποίηση συστημάτων βιβλιοθηκών

Δημιουργία και διαχείριση συλλογών σε πραγματικό περιβάλλον αποθετηρίου με τη χρήση του λογισμικού ανοιχτού κώδικα DSpace και Koha.

Τεκμηρίωση των ψηφιακών αντικειμένων με τη χρήση του Dublin Core και του MARC21.

Δημιουργία ροών εργασίας και αυτοαρχειοθέτησης.

Διαχείριση χρηστών και πολιτικών.

Μαθησιακά αποτελέσματα: Το μάθημα εστιάζει στην εκπαίδευση των φοιτητών στη διαχείριση βιβλιοθηκονομικών συστημάτων. Με την ολοκλήρωη του μαθήματος οι φοιτητές θα είναι ικανοί:

• Να μπορούν να υλοποιούν και να διαχειρίζονται συστήματα αυτοματοποίησης βιβλιοθηκών χρησιμοποιώντας λογισμικό ανοιχτού κώδικα. Δηλαδή, να μπορούν να διαχειρίζονται βιβλιογραφικές και ψηφιακές συλλογές βιβλιοθηκών, αρχείων και μουσείων, με διάφορους τύπους περιεχομένου, όπως, κείμενο, εικόνα, ήχος, βίντεο, πολυμέσα κλπ.
• Να είναι σε θέση να διαχειριστούν μεταδεδομένα βιβλιοθηκονομικών συστημάτων, να υλοποιούν διαφορετικές φόρμες μεταδεδομένων ανάλογα με το υλικό, να υλοποιούν και να διαχειρίζονται ροές εργασίας και αυτοαρχειοθέτησης σε αποθετήρια.
• Να γνωρίζουν, να υλοποιούν και να διαχειρίζονται χρήστες και πολιτικές αποθετηρίων. Δηλαδή, να ορίζουν χρήστες με διαφορετικά δικαιώματα και να υλοποιούν τις διαφορετικές πολιτικές πρόσβασης ανάλογα με το χρήστη και τα πνευματικά δικαιώματα του περιεχομένου.
• Να μπορούν να επιλέξουν και να υλοποιήσουν ένα ενσωματωμένο σύστημα βιβλιοθήκης.

Το μάθημα εστιάζει στις κεντρικές έννοιες της διαχείρισης μουσειακών συλλογών. Εξετάζει με πολύπλευρο τρόπο θέματα διαχείρισης και ειδικότερα α) συλλεκτική πολιτική  (πρόσκτηση – εκχώρηση – εκποίηση) για την εύρυθμη λειτουργία ενός μουσείου β)  διαδικασιών νοηματοδότησης και ένταξης των τεκμηρίων στη συλλογή γ) ανάδειξης μιας πολιτικής τεκμηρίωσης ως αναπόσπαστο κομμάτι της συνολικής πολιτικής διαχείρισης συλλογών και τη σημασία των προτύπων και δ) ενιαίας διαχείρισης συλλογών των πληροφορικών οργανισμών (μουσείων, αρχείων, βιβλιοθηκών).

Το μάθημα οργανώνεται στις εξής ενότητες:

Ενότητα 1: Εισαγωγή στη διαχείριση μουσειακών συλλογών: βασικές έννοιες, λειτουργίες, πολιτική διαχείρισης συλλογών (collections management policy), διαχείριση ανθρώπινου δυναμικού, επαγγελματισμός και κώδικες επαγγελματικής δεοντολογίας (Codes of Professional Ethics) του ICOM και της Αμερικανικής και της Βρετανικής Ένωσης Μουσείων.

Ενότητα 2: Συλλεκτική δραστηριότητα και πολιτική μουσείων: εθνικές και διεθνείς προδιαγραφές που συνδέονται με τη συλλεκτική δραστηριότητα, συνθήκες και κώδικες δεοντολογίας, πολιτική εκποίησης και κινητικότητα μουσειακών συλλογών, σύγχρονα παραδείγματα και προβληματισμοί για τη συλλεκτική δραστηριότητα των μουσείων.

Ενότητα 3: Δανεισμός μουσειακών αντικειμένων: βασικές αρχές, μέθοδοι και υλικά για τη συσκευασία και τη μεταφορά, ελληνικά και διεθνή παραδείγματα, ευρωπαϊκά πρότυπα και πρακτικές στο δανεισμό μουσειακών αντικειμένων.

Ενότητα 4: Ένταξη στη συλλογή και νοηματοδότηση των τεκμηρίων

Ενότητα 5: Πληροφοριακή τεκμηρίωση μουσειακών αντικειμένων: η αξία και η σημασία της, διεθνείς προδιαγραφές και πρότυπα τεκμηρίωσης. Διαχειριστικό περιβάλλον των διαδικασιών τεκμηρίωσης (λογισμικό, πρότυπα, κανόνες, βέλτιστες πρακτικές). Πολιτική τεκμηρίωσης. Πρότυπα μεταδεδομένων (CIDOC-CRM, VRA, Dublin Core). Πρότυπα συγκομιδής μεταδεδομένων (LΙDO, OAI-PMH). H διαδικασία τεκμηρίωσης (βήμα-βήμα). Διαχείριση θεματολογίας.

Ενότητα 6: Τεκμηρίωση με τη χρήση προτύπων, σύνδεση των μουσειακών συλλογών με το ευρύτερο πληροφοριακό πλαίσιο.

Ενότητα 7: Προσαρμογές προτύπων, ανάπτυξη σχημάτων μεταδεδομένων. Θέματα διαχείρισης περιεχομένου, όπως για παράδειγμα μέσα από τη χρήση εννοιολογικών μοντέλων.

Μαθησιακά αποτελέσματα: Με την ολοκλήρωση του μαθήματος οι φοιτητές θα έχουν αποκτήσει:

• Γνώση της ορολογίας και των βασικών πτυχών της σύνθετης αυτής διεπιστημονικής περιοχής, καθώς και βασικών θεωριών διαχείρισης πολιτιστικού αποθέματος.
• Κατανόηση των αρχών διαχείρισης των μουσειακών συλλογών και των πολιτικών που τις διέπουν.
• Ικανότητα ανάλυσης των διαφορετικών όψεων τόσο των τεκμηρίων όσο και των συλλογών και αντίληψη της σύνθετης παρουσίασής τους μέσα από τη διαδικασία της νοηματοδότησης 

Ικανότητα αξιολόγησης της αποτελεσματικότητας της περιγραφής των μουσειακών τεκμηρίων και των αποτελεσμάτων της διαχείρισης των μουσειακών συλλογών για την εκπλήρωση του ρόλου του μουσείου

Κύριος στόχος του μαθήματος είναι η εμβάθυνση των φοιτητών στις μεθοδολογίες και τεχνολογίες διαχείρισης δεδομένων και δεδομένων μεγάλης κλίμακας ή μεγάλων δεδομένων (big data).

Ενότητες

Το μάθημα περιλαμβάνει τις ακόλουθες ενότητες:

1.Βασικές έννοιες: Εισαγωγή στην έννοια των δεδομένων, σχέση δεδομένων και πληροφορίας, αναπαράσταση δεδομένων, τύποι δεδομένων, οργάνωση δεδομένων σε δομές, φυσικό και το λογικό επίπεδο χειρισμού των δεδομένων, αναπαράσταση πληροφορίας και γνώσης, μετα-δεδομένα, από την πληροφορία στη γνώση.

2.Θέματα διαχείρισης δεδομένων: Βασικές έννοιες Κατανεμημένης διαχείρισης δεδομένων, Βασικές έννοιες Παράλληλης διαχείρισης δεδομένων, διαχείριση δεδομένων στο υπολογιστικό νέφος.

3.Επιλογή-Προεπεξεργασία δεδομένων: Επιλογή δεδομένων, καθάρισμα, διαχείριση τιμών που λείπουν, ολοκλήρωση δεδομένων, σημασιολογική ετερογένεια, πολυδιάστατα δεδομένα, οπτικοποίηση δεδομένων για λήψη αποφάσεων, μοντελοποίηση & αξιολόγηση.

4.Εξόρυξη δεδομένων (Data Mining): Βασικές τεχνικές μηχανικής μάθησης (ταξινόμηση, παλινδρόμηση, συσταδοποίηση), βασικές τεχνικές εξόρυξης δεδομένων και η εφαρμογή τους στην επιχειρησιακή νοημοσύνη, μοντελοποίηση επιχειρησιακών διαδικασιών, τεχνικές εξαγωγής πληροφορίας από διαφορετικές πηγές δεδομένων (κείμενο, Παγκόσμιο Ιστό, κοινωνικά δίκτυα, κλπ). RapidMiner: περιβάλλον/λογισμικό ΔΔ.

5.Εξόρυξη κειμένου (Text Mining): Διαχείριση αδόμητων δεδομένων, προκλήσεις σχετικές με διαχείριση κειμένου, ευρετηρίαση κειμένου και αναζήτηση, στάθμιση όρων, το μοντέλο διανυσματικού χώρου. WEKA: περιβάλλον/λογισμικό ΔΔ.

6.Θέματα ασφάλειας δεδομένων και ιδιωτικότητας: Εξουσιοδοτήσεις, έλεγχοι πρόσβασης, πολιτικές και μηχανισμοί εξουσιοδοτήσεων, έλεγχοι προσβάσεων με βάση τους ρόλους των χρηστών (μοντέλο RBAC), το πρόβλημα δημοσιοποίησης ανώνυμων δεδομένων, μηχανισμοί διασφάλισης ιδιωτικότητας.

7.Δεδομένα Μεγάλης Κλίμακας: Βασικές έννοιες, εφαρμογές, περιπτώσεις χρήσης, ορισμοί, 6Vs -Volume, Variety, Velocity, Veracity, Validity and Volatility, κύκλος ζωής ανάλυσης δεδομένων μεγάλης κλίμακας, συλλογή δεδομένων και καταγραφή, εξαγωγή πληροφοριών και καθαρισμός δεδομένων, ολοκλήρωση και αναπαράσταση, μοντελοποίηση δεδομένων και ανάλυση, ερμηνεία, προκλήσεις που σχετίζονται με δεδομένα μεγάλης κλίμακας , μαζική επεξεργασία δεδομένων μεγάλης κλίμακας, εργαλεία για ανάλυση δεδομένων μεγάλης κλίμακας, MapReduce, Hadoop και οικοσύστημα.

8.Αναλυτική κοινωνικών μέσων (Social media analytics): Παρακολούθηση κοινωνικών μέσων, συλλογή δεδομένων από κοινωνικά δίκτυα, κατανόηση κοινωνικών δεδομένων, ανάλυση κοινωνικών δεδομένων, η αξία των κοινωνικών δεδομένων για τη σύγχρονη επιχείρηση, επιχειρηματική ευφυΐα και κοινωνικά μέσα.

Μαθησιακά αποτελέσματα

Με την ολοκλήρωση του μαθήματος οι φοιτητές θα είναι ικανοί:

• Να μπορούν σε συνεργασία με ειδικούς επιστήμονες να συντάξουν και να επιβλέπουν αποτελεσματικά ένα σχέδιο διαχείρισης δεδομένων και των αντίστοιχων υπηρεσιών σε συστήματα στα οποία περιλαμβάνονται δομημένα, ημι-δομημένα και αδόμητα δεδομένα. Να γνωρίζουν τις δυσκολίες, τα προβλήματα και τους κινδύνους που παρουσιάζει η διαχείριση δεδομένων, καθώς και τις γενικές αρχές και στρατηγικές που την διέπουν. Να αποκτήσουν βασικές γνώσεις και δεξιότητες σε θέματα ανάλυσης δεδομένων και εξαγωγής χρήσιμης πληροφορίας σε επίπεδο επιχειρησιακής νοημοσύνης.
• Να είναι σε θέση να λαμβάνουν αποφάσεις που συμβάλλουν στην ορθή διαχείριση των δεδομένων στον επαγγελματικό χώρο που θα εργαστούν υιοθετώντας επιστημονικές μεθόδους σύμφωνα με τη διεθνή εμπειρία και τα υπάρχοντα πρότυπα.
• Να μπορούν σε συνεργασία με ειδικούς επιστήμονες να συμβάλλουν στην αποδοτική διαχείριση και ανάλυση δεδομένων μεγάλης κλίμακας. Να αποκτήσουν σημαντικές τεχνικές δεξιότητες στην ανάλυση διαφόρων τύπων δεδομένων συμπεριλαμβανομένου του κειμένου, δεδομένων από τον παγκόσμιο ιστό και τα κοινωνικά δίκτυα.

Περιεχόμενο: Το μάθημα αποτελείται από δυο διακριτά μέρη – ενότητες. Η πρώτη ενότητα επικεντρώνει στην οπτικοποίηση των δεδομένων μέσα από μια σειρά θεμάτων όπως τα μοντέλα δεδομένων, τα πολυμεταβλητά δεδομένα, τα δίκτυα κ.λπ. Η δεύτερη ενότητα επικεντρώνει στην αξιοποίηση των επιστημονικών δεδομένων για την αξιολόγηση της ερευνητικής δραστηριότητα με εργαλεία όπως η βιβλιομετρία (bibliometrics) και επιστημομετρία (scientometrics). Το μάθημα περιλαμβάνει τα εξής θέματα ανά ενότητα:

Ενότητα Οπτικοποίηση Δεδομένων

• Η αξία της οπτικοποίησης. Μοντέλα δεδομένων και απεικονίσεων. Σχεδιασμός της οπτικοποίησης. Διερευνητική ανάλυση των δεδομένων. Πολυμεταβλητά δεδομένα. Γραφική αντίληψη.
• Λογισμικό οπτικοποίησης. Διάδραση. Ζωντανή οπτικοποίηση (annimation). Το χρώμα. Δίκτυα. Χρησιμοποιώντας αποτελεσματικά το χώρο.
• Συζήτηση για σχεδιασμούς. Σχεδιασμός οπτικοποίησης για μεγάλα σύνολα δεδομένων. Απεικόνιση και χαρτογραφία.
• Οπτικοποίηση κειμένου. Ανασκόπηση της οπτικοποίησης.

Ενότητα Επιστημονικά δεδομένα

• Επιστημονικά και Ερευνητικά Δεδομένα – Αξιολόγηση Ερευνητικού Έργου – Εισαγωγή στη Βιβλιομετρία και Επιστημομετρία – Πηγές βιβλιομετρικών δεδομένων (Scopus – WoS – GS – PubMed – OpenAire) – Βασικοί βιβλιομετρικοί δείκτες – Ανάλυση αναφορών (citation analysis).
• Κλασικοί βιβλιομετρικοί δείκτες (Κανονικοποίημενοι δείκτες αναφορών, δείκτες περιοδικών εκδόσεων) – Εφαρμογές με τη χρήση R και jupyter notebooks
• Ανάλυση βιβλιογραφικών δικτύων / δικτύων αναφορών – Εργαλεία ανάλυσης βιβλιογραφικών δικτύων – Προχωρημένες μετρικές (κεντρικότητα – centrality, συνεκτικότητα – connectedness, συσταδοποίηση – clustering). Εφαρμογές
• Προχωρημένοι βιβλιομετρικοί δείκτες (π.χ. eigenfactor metrics, altmetrics, δείκτες απήχησης / αποτίμησης, αξιολόγηση εκπαιδευτικών ιδρυμάτων).

Μαθησιακά αποτελέσματα

Με την ολοκλήρωση του μαθήματος θα έχουν προκύψει για τους φοιτητές τα παρακάτω μαθησιακά αποτελέσματα:

• Κατανόηση των κύριων αρχών και της θεωρίας που χρησιμοποιείται στην οπτικοποίηση, περιλαμβάνοντας μοντέλα δεδομένων, γραφική αντίληψη και τεχνικές για οπτική αναπαράσταση και αλληλεπίδραση.
• Έκθεση σε διάφορες εφαρμογές δεδομένων και ανάλυσή τους, περιλαμβάνοντας πολυμεταβλητά δεδομένα, δίκτυα, κείμενα και χαρτογραφία.
• Να κατανοούν τις βασικές αρχές τις Βιβλιομετρίας και Επιστημομετρίας

Να υπολογίζουν μια σειρά από βιβλιομετρικούς δείκτες με τη χρήση εργαλείων αριθμητικής ανάλυσης και δεδομένων από πηγές βιβλιογραφικών ευρετηρίων (citation indexes)

Το μάθημα χωρίζεται στις ακόλουθες ενότητες:

Ενότητα 1. Γενική εισαγωγή στη διαχείριση της πληροφορίας σε διαφόρους τύπους πληροφοριακών οργανισμών.  Η πληροφορία ως περιγραφή οντοτήτων (πρότυπα μεταδεδομένων)

Ενότητα 2. Δεδομένα (Data) και Πληροφορία (Information): Γενικός Ορισμός της Πληροφορίας (General Definition of Information). Η φύση των δεδομένων (data). Η πληροφορία (information) ως αναπαράσταση δεδομένων. Η επικοινωνία μέσω μετάδοσης δεδομένων (data communication). Η πληροφορία ως μέτρο της απιθανότητας (εντροπία). Παραδείγματα κωδικοποίησης μεταδιδόμενων δεδομένων.

Ενότητα 3. Πληροφορία (Information) και Σημασία (Semantics): Το σημασιολογικό μέρος (semantic content) της πληροφορίας. Η σημασία ως νόημα (sense) και αναφορά (reference) κατά Frege. Από τη σημασία (meaning) στην αλήθεια (truth): Η έννοια (concept) ως δίτιμη συνάρτηση αληθείας κατά Frege. Αναπαράσταση των κατηγορικών προτάσεων ως συναρτήσεων.  Προτασιακός Λογισμός (Propositional calculus. Λογική συνέπεια και απόδειξη. Η Αρχή της Απόφασης.

Ενότητα 4. Τυποποίηση και αναπαράσταση του γραπτού λόγου στο πλαίσιο του Κατηγορικού Λογισμού (Predicate Calculus). Γλώσσα και Κόσμος αναφοράς (σημαίνον και σημαινόμενο). Τέσσερις τύποι κατηγορικών προτάσεων στην Αριστοτελική Λογική. Εκτεταμένη εξάσκηση στην απόδειξη προτάσεων απλής μορφής αλλά και προτάσεων ρηματικών σχέσεων. Τυπική παρουσίαση και απόδειξη φιλοσοφικών συλλογισμών μέσω της Αρχής της Απόφασης.

Ενότητα 5. Προγραμματισμός Κατηγορικής Λογικής σε περιβάλλον Prolog: Σχέσεις (relations) υπό τη μορφή γεγονότων (facts) και κανόνων (rules). Λογικά συμπεράσματα υπό τη μορφή ερωτημάτων (queries).

Ενότητα 6. Αναπαράσταση γνώσης με εννοιακούς χάρτες (topic maps) και οντολογίες (ontologies). Περιβάλλον ανοικτού κώδικα OWL Protégé εφοδιασμένo με Λογική πρώτης τάξης (first-ordr-Logic), όπου δίνεται η δυνατότητα  επιβολής περιορισμών σε κλάσεις, αυτόματη εξαγωγή ιεραρχίας και σύνταξη σημασιολογικών ερωτημάτων.

Μαθησιακά αποτελέσματα: Με την ολοκλήρωση του μαθήματος θα έχουν  εκπαιδευτεί οι φοιτητές στην αναπαράσταση, διαχείριση και οργάνωση του σημασιολογικού μέρους της πληροφορίας. Πιο συγκεκριμένα θα έχουν επιτευχθεί για τους φοιτητές τα παρακάτω μαθησιακά αποτελέσματα:

 Να κατανοήσουν ποσοτικά την πληροφορία μιας σειράς δεδομένων ως μέτρο του βαθμού μη προβλεψιμότητας

Να αντιληφθούν την διαφορά της πληροφορίας ως συλλογής δεδομένων από την πληροφορία ως φορέα νοήματος

• Να κατανοήσουν και να εξασκηθούν στην αναπαράσταση πληροφοριών σε περιβάλλον Προτασιακού Λογισμού και Κατηγορικού Λογισμού
• Να αποκτήσουν μια πρώτη επαφή με συστήματα λογισμικού αυτόματης συλλογιστικής, που αποτελούν τη βάση για την ανάπτυξη συστημάτων τεχνητής νοημοσύνης (ΑΙ)
• Να κατανοήσουν τις θεωρίες λογικής θεμελίωσης του νοήματος και τα όρια αυτών των θεωριών
• Να εξασκηθούν στην οργάνωση του σημασιολογικού περιεχομένου σε περιβάλλον (έννοιες ως κλάσεις) οντολογίας και τη διαδικασία παραγωγής ιεραρχίας μετά από την επιβολή μιας σειράς περιορισμών.

Σκοπός του μαθήματος είναι να εισάγει τους φοιτητές στις βασικές αρχές και τεχνικές της έρευνας στις κοινωνικές επιστήμες. Στο πλαίσιο αυτό, παρουσιάζονται οι βασικές πτυχές της ερευνητικής διαδικασίας: προσδιορισμός προβλήματος και επιλογή ερευνητικής μεθόδου, ερευνητικός σχεδιασμός, κατασκευή εργαλείων συλλογής δεδομένων, ανάλυση πρωτογενών ποσοτικών δεδομένων, συγγραφή ερευνητικής έκθεσης και παρουσίαση.

Το μάθημα χωρίζεται στις ακόλουθες ενότητες:

Ενότητα 1. Εισαγωγή στην επιστημονική έρευνα: Βασικές έννοιες και αρχές. Ηθική και δεοντολογία στην έρευνα.

Ενότητα 2. Ποσοτικές μέθοδοι έρευνας: Σχεδιασμός και μεθοδολογία. Εργαλεία συλλογής δεδομένων. Ανάλυση και ερμηνεία ευρημάτων. Πλεονεκτήματα και μειονεκτήματα ποσοτικών μεθόδων.

Ενότητα 3. Ποιοτικές μέθοδοι έρευνας: Σχεδιασμός και μεθοδολογία. Εργαλεία συλλογής δεδομένων. Ανάλυση και ερμηνεία ευρημάτων. Πλεονεκτήματα και μειονεκτήματα ποιοτικών μεθόδων.

Ενότητα 4. Μεικτές μέθοδοι έρευνας: Σχεδιασμός και μεθοδολογία. Εργαλεία συλλογής δεδομένων. Ανάλυση και ερμηνεία ευρημάτων. Πλεονεκτήματα και μειονεκτήματα μεικτών μεθόδων.

Ενότητα 5. Εισαγωγή στις βασικές έννοιες και είδη στατιστικής ανάλυσης. Στατιστική ανάλυση ποσοτικών δεδομένων στην πράξη με το λογισμικό Statistical Package for the Social Sciences (SPSS) της IBM.

Ενότητα 6. Συγγραφή και παρουσίαση της ερευνητικής εργασίας.

Μαθησιακά αποτελέσματα: Με την ολοκλήρωση του μαθήματος θα έχουν προκύψει για τους φοιτητές τα παρακάτω μαθησιακά αποτελέσματα:

• Γνώση της ορολογίας και των βασικών πτυχών της ερευνητικής διαδικασίας: προσδιορισμός προβλήματος, ερευνητικός σχεδιασμός, κατασκευή εργαλείων συλλογής δεδομένων, ανάλυση πρωτογενών ποσοτικών δεδομένων, συγγραφή ερευνητικής έκθεσης και παρουσίαση.
• Κατανόηση των αρχών της ηθικής και της δεοντολογίας της έρευνας. Κατανόηση των βασικών αρχών στατιστικής Εφαρμογή των βασικών στοιχείων περιγραφικής στατιστικής.
• Ανάλυση: Οι φοιτητές θα αποκτήσουν την ικανότητα να αναλύουν τις διαφορετικές ερευνητικές προσεγγίσεις (ποιοτικές, ποσοτικές και μεικτές), καθώς και τα πλεονεκτήματα και μειονεκτήματα κάθε προσέγγισης. Επίσης να αναλύουν κριτικά τη διαθέσιμη βιβλιογραφία. Σύνθεση: Οι φοιτητές θα αποκτήσουν την ικανότητα εκπόνησης βιβλιογραφικής έρευνας, διατύπωσης ερευνητικών ερωτημάτων και επιλογής της καταλληλότερης μεθοδολογικής προσέγγισης για την απάντησή τους. Παράλληλα, θα έχουν αποκτήσει 26 την ικανότητα να επιλέγουν και να εφαρμόζουν την κατάλληλη μέθοδο ανάλυσης πρωτογενών ποσοτικών δεδομένων.

Αξιολόγηση: Οι φοιτητές θα αποκτήσουν την ικανότητα αξιολόγησης των ερευνητικών τους αποτελεσμάτων, καθώς και τη σύνταξη και την παρουσίαση μίας ολοκληρωμένης ερευνητικής εργασίας.