Πλοήγηση ανά Συγγραφέας "Stathaki, Afroditi"

Τώρα δείχνει 1 - 2 of 2
  • Μικρογραφία εικόνας
    Τεκμήριο
    Web-Based intelligent tutoring for Prolog following the learning theory of constructivism.
    (Τ.Ε.Ι. Κρήτης, Σχολή Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), ΠΜΣ Πληροφορική και Πολυμέσα, 2017-12-05) Stathaki, Afroditi; Σταθάκη, Αφροδίτη
    Intelligent tutoring systems (ITS) incorporate techniques for transferring knowledge and skills to students. These systems are based on a combination of computer-aided instructions and artificial intelligence techniques. This thesis studies and develops a web-based intelligent tutoring system for Prolog following the learning theory of constructivism. Our thesis studies among others the kind of programming knowledge, which is required in the learning process by learners (programming techniques, program schemata, etc.), how this knowledge is represented, and how this knowledge can be applied in an effective way. The constructivism theory is encapsulated into our system in order to have high quality learning outcomes. This theory is based on the fundamental principles of interaction, construction, assimilation and knowledge consolidation. These four principles have been taken into account in the development of our system. As such, the learning is performed through interaction of the students/learners with the system. The learning process is guided by iteratively constructing solutions on assigned problems. Our system instructs learners by giving guidelines on how they can construct a solution to their problem. In addition, each learner can try a set of exercises and the system checks the correctness of the provided answers. In case of erroneous ones, the system gives appropriate instructions to the student in order to reconstruct a correct answer. Many learning decisions are taken by the learner rather than by the system due to the constructivism theory. The practice and the assessment modules support the principles of assimilation and knowledge consolidation. In the practice module, the learner has to practice the theory he learnt on a set of exercises by choosing a practice method from the available ones. In the assessment module, the learner has to answer a set of exercises on what he has already learnt. The main novelty of our system is its flexibility to adapt to individual student choices and profile, offering a wide range of alternatives and trying to continuously retain the interest of learners. Finally, a preliminary evaluation of our system confirms its usability and its benefits of using it for learning Prolog.
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ανίχνευση μελανόματος σε έγχρωμες εικόνες.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2014-07-03T16:58:50Z) Κατρίνη, Χρυσάνθη; Σταθάκη, Αφροδίτη; Katrini, Chrysanthi; Stathaki, Afroditi
    Στην παρούσα πτυχιακή εργασία ασχοληθήκαμε με την επεξεργασία έγχρωμων εικόνων που απεικονίζουν εικόνες από ασθενείς με πιθανή ασθένεια από μελάνωμα. Καλούμαστε να κατασκευάσουμε ένα σύστημα το οποίο έχει ως σκοπό την αναγνώριση των περιπτώσεων που μπορεί να είναι εξαιρετικά επικίνδυνες. Το σύστημα εκτελεί εξαγωγή χαρακτηριστικών χρησιμοποιώντας τον αλγόριθμο SIFT. Αυτά τα εξαγόμενα χαρακτηριστικά τροφοδοτούν την K-means ομαδοποίηση και εξάγονται ιστογράμματα για κάθε εικόνα βασιζόμενα στα κέντρα που επιστρέφονται από τον K-means. Τα ιστογράμματα χρησιμοποιούνται σαν είσοδοι σε ταξινομητές όπως Μηχανές Υποστήριξης Διανυσμάτων (SVM) ή backpropagation νευρωνικά δίκτυα. Η μέθοδος επαληθεύεται χρησιμοποιώντας μια βάση δεδομένων των εικόνων 3000.