Με τον όρο collaborative filtering, τον οποίο για τις ανάγκες της παρούσας εργασίας μεταφράζουμε ως "συνεργατική διήθηση δεδομένων" (ΣΔ), περιγράφεται η διαδικασία της απόρριψης ή αποδοχής κάποιων δεδομένων σε σχέση με κάποια άλλα. Η διαδικασία αυτή πραγματοποιείται μέσω υπολογιστή και με χρήση τεχνικών που απαιτούν την συνεργασία πολλών παραγόντων όπως είναι τα αποθηκευτικά μέσα, οι απόψεις των χρηστών, οι πηγές πληροφόρησης κλπ.

Οι εφαρμογές της συνεργατικής διήθησης συνήθως επεξεργάζονται πολύ μεγάλα σύνολα δεδομένων. Αυτά τα δεδομένα μπορεί για παράδειγμα να προέρχονται από μεταλλευτικές έρευνες, από την παρακολούθηση κάποιων κλιματικών μεταβολών σε μεγάλες περιοχές ή από πολλαπλούς αισθητήρες. Μπορεί επίσης να προέρχονται από χρηματοπιστωτικά ιδρύματα που αλληλεπιδρούν με διάφορες οικονομικές πηγές ή από το ηλεκτρονικό εμπόριο και την αξιοποίηση εφαρμογών της δεύτερης γενιάς του διαδικτύου οι οποίες επικεντρώνονται σε δεδομένα χρηστών. κλπ.

Στην πραγματικότητα όμως, η ΣΔ σήμερα αναφέρεται κυρίως στα δεδομένα χρηστών του διαδικτύου, καθώς σ' αυτό υπάρχουν πλέον εξαιρετικά μεγάλες συγκεντρώσεις πηγών πληροφορίας αν και δεν είναι σπάνιο κάποιες από τις μεθόδους της να εφαρμόζονται και σε άλλες περιπτώσεις.

Για να γίνει περισσότερο κατανοητή η σημασία της ΣΔ, πρέπει να σημειωθεί ότι στην καθημερινή ζωή, οι άνθρωποι προκειμένου να κάνουν μια επιλογή, βασίζονται σε συστάσεις ή προτροπές άλλων ανθρώπων μέσω του προφορικού λόγου, συστατικών επιστολών, ειδησεογραφικών αναφορών από τα μέσα ενημέρωσης, γενικών ερευνών, τουριστικών οδηγών και ούτω καθεξής. Έτσι, έχουν αναπτυχθεί παρόμοια ηλεκτρονικά συστήματα συστάσεων, τα οποία προτείνουν την καταλληλότερη για το χρήστη πληροφορία. Τα ηλεκτρονικά συστήματα συστάσεων, ενισχύουν και αυξάνουν αυτή τη φυσική κοινωνική διαδικασία βοηθώντας τους ανθρώπους να διακρίνουν ανάμεσα στα διαθέσιμα βιβλία, άρθρα, ιστοσελίδες, ταινίες, μουσική, εστιατόρια ή λίστα ανεκδότων ώστε να επιλέξουν τις πιο ενδιαφέρουσες και αξιόλογες για τους ίδιους πληροφορίες.

Η βασική παραδοχή της προσέγγισης της ΣΔ είναι ότι "κάποιοι που συμφώνησαν κατά το παρελθόν τείνουν να συμφωνήσουν και πάλι στο μέλλον". Για παράδειγμα, ένα συνεργατικό φιλτράρισμα για τις τηλεοπτικές προτιμήσεις θα μπορούσε να δημιουργήσει μια πρόβλεψη για το ποιες τηλεοπτικές εκπομπές θα άρεσαν σε κάποιον χρήστη, δεδομένης μιας λίστας παλαιότερων προτιμήσεών του. (συμπάθειες ή αντιπάθειες).

Ουσιαστικά, λοιπόν, πρόκειται για την μέθοδο παραγωγής μιας αυτόματης πρόβλεψης (φιλτράρισμα) προς όφελος του χρήστη με συλλογή πληροφοριών για τις προτιμήσεις άλλων χρηστών (συνεργασία).

Να σημειωθεί ότι παρ' όλο που αυτές οι προβλέψεις απευθύνονται στον συγκεκριμένο χρήστη χρησιμοποιούν πληροφορίες προερχόμενες από πολλούς άλλους. Αυτό διαφέρει από την πιο απλή προσέγγιση της παροχής μιας μέσης βαθμολογίας για το αντικείμενο ενδιαφέροντος, όπως για παράδειγμα με βάση τον αριθμό των θετικών ψήφων που παρέχονται σε ένα ερωτηματολόγιο.

Ο όρος "collaborating filtering" επινοήθηκε από τους προγραμματιστές ενός από πρώτα συστήματα συστάσεων, του Tapestry [1] και έκτοτε έχει υιοθετηθεί ευρέως, ανεξαρτήτως του ότι οι "συστήνοντες" δεν "συνεργάζονται" στην πραγματικότητα ούτε μεταξύ τους ούτε με τους αποδέκτες. Από την άλλη, ενώ τα αποτελέσματα μπορεί να υποδεικνύουν εξαιρετικά ενδιαφέρουσες επιλογές για το χρήστη, μπορεί όμως να περιέχουν και προτάσεις που θα έπρεπε τελικά να φιλτράρονται και να μην εμφανίζονται.

Τα συστήματα Συνεργατικής Διήθησης Δεδομένων έχουν πολλές μορφές, χωρίζονται σε δύο βασικές κατηγορίες:

·         Συνεργατική Διήθηση με βάση τους χρήστες είναι τα συστήματα που. ελέγχουν ποιοι χρήστες μοιράζονται τα ίδια πρότυπα αξιολόγησης με το χρήστη για τον οποίο προορίζεται η πρόβλεψη και στη συνέχεια χρησιμοποιούνται αυτές οι αξιολογήσεις για τη δημιουργία μιας πρόβλεψης που απευθύνεται στο συγκεκριμένο άτομο.

·         Συνεργατική Διήθηση με βάση το αντικείμενο η οποία διαδόθηκε από την εταιρεία Amazon (οι χρήστες που αγόρασαν το χ βιβλίο αγόρασαν επίσης και το ψ) όπου τα διάφορα αντικείμενα βαθμολογούνται από τους χρήστες και στη συνέχεια με βάση τον μέσο όρο των αξιολογήσεων δημιουργούνται οι προβλέψεις. (Vucetic, 2000)

Ο τρόπος λειτουργίας είναι ο εξής: Πρώτα δημιουργείται ένας πίνακας που καθορίζει τις σχέσεις μεταξύ ζευγών αντικειμένων. Στη συνέχεια χρησιμοποιώντας αυτή τη "μήτρα" συνάγονται συμπεράσματα για τις προτιμήσεις του συγκεκριμένου χρήστη.

Η διαδικασία αυτή είναι η απλούστερη μορφή συνεργατικής διήθησης δεδομένων και βασίζεται σε πραγματικές αξιολογήσεις από πραγματικούς χρήστες. Η απλότητά της καθιστά ιδιαίτερα εύκολη την αποτελεσματική εφαρμογή της, ενώ η ακρίβειά της είναι συχνά στο ίδιο επίπεδο με τους πιο περίπλοκους και ακριβούς υπολογιστικούς αλγορίθμους. Έτσι όταν υπάρχουν διαθέσιμες αξιολογήσεις ενός αντικειμένου, όπως για παράδειγμα όταν δίνεται στους ανθρώπους η ευκαιρία να βαθμολογήσουν ένα προϊόν (π.χ από 1 ως 5), η συνεργατική διήθηση στοχεύει στο να προβλέψει την αξιολόγηση ενός ατόμου, με βάση κάποιες παλιότερες αξιολογήσεις του ή μια (μεγάλη) βάση δεδομένων με αξιολογήσεις άλλων χρηστών. (Lemire & Maclachlan, 2007).

Εντούτοις είναι πολύ πιθανό να μην υπάρχουν πάντα δεδομένα αξιολογήσεων αλλά αντίθετα να υπάρχουν διάφορα δυαδικά στοιχεία. (π.χ αν ένα αντικείμενο αγοράστηκε ή όχι.). Στην περίπτωση αυτή το Slope One και οι άλλοι αλγόριθμοι με βάση την βαθμολόγηση δεν ισχύουν. Τότε η "μήτρα" κατασκευάζεται ως εξής:

 Ως εκ τούτου, στον χρήστη που επιλέγει το αντικείμενο 1 θα προταθεί το αντικείμενο 3, (αφού ο Γιάννης που αγόρασε το 1 αγόρασε επίσης και το 3), στον χρήστη που επιλέγει το αντικείμενο 2 θα προταθεί επίσης το 3 (αφού ο Μάρκος αγόρασε επίσης τα ίδια βιβλία) και, τέλος, ένας χρήστης που επιλέγει το αντικείμενο 3, θα λάβει το αντικείμενο 1 (και, στη συνέχεια, το αντικείμενο 2) ως πρόταση, αφού από τους δύο που αγόρασαν το αντικείμενο 3 ο πρώτος αγόρασε το 1 και ο δεύτερος το 2. ( Manouselis &, Costopoulou, 2008).

Μια άλλη μορφή συνεργατικής διήθησης μπορεί να βασίζεται σε σιωπηρές παρατηρήσεις της συνηθισμένης συμπεριφοράς των χρηστών (σε αντίθεση με την τεχνητή συμπεριφορά που επιβάλλει μια διαδικασία αξιολόγησης). Σε αυτά τα συστήματα καταγράφεται ο τρόπος δραστηριοποίησης ενός χρήστη σε συνδυασμό με τον τρόπο δραστηριοποίησης των υπόλοιπων (τι μουσική ακούνε, ποια αντικείμενα αγοράζουν) και χρησιμοποιούν τα δεδομένα αυτά για να προβλέψουν τη συμπεριφορά του χρήστη στο μέλλον. Αυτές οι προβλέψεις πρέπει στη συνέχεια να φιλτράρονται επιπρόσθετα και μέσα από κάποια επιχειρηματική λογική καθώς τα υπολογιστικά συστήματα από μόνα τους δεν είναι σε θέση να καθορίσουν πώς θα λειτουργήσει το σύστημα της επιχείρησης. Για παράδειγμα δεν έχει νόημα να προταθεί για αγορά ένας τουριστικός οδηγός της Αθήνας, σε έναν πελάτη ο οποίος έχει ήδη αγοράσει έναν οδηγό γι' αυτή την πόλη.

Στην εποχή της έκρηξης των πληροφοριών αυτές οι τεχνικές μπορεί να αποδειχθούν πολύ χρήσιμες, καθώς ο αριθμός των αντικειμένων σε μία μόνο κατηγορία (μουσική, ταινίες, βιβλία, ειδήσεις, ιστοσελίδες) έχει γίνει τόσο μεγάλος, ώστε ένα άτομο δεν είναι δυνατό να τον προσπελάσει, προκειμένου να επιλέξει αυτά που τον ενδιαφέρουν. Αν η τεχνική στηριζόταν μόνο σε ένα σύστημα βαθμολόγησης το οποίο εντοπίζει το μέσο όρο για όλους τους χρήστες τότε θα αγνοούσε τις απαιτήσεις του συγκεκριμένου χρήστη, και θα ήταν ιδιαίτερα φτωχή σε περιπτώσεις όπου υπάρχει μεγάλη διακύμανση ενδιαφέροντος, όπως για παράδειγμα η πρόταση μουσικής. Ωστόσο, υπάρχουν και άλλες μέθοδοι για την καταπολέμηση της έκρηξης πληροφοριών, όπως είναι η διαδικτυακή αναζήτηση, η ομαδοποίηση δεδομένων, κλπ.

Απομνημονευτικοί τύποι

Ο μηχανισμός αυτός χρησιμοποιεί αποθηκευμένα δεδομένα (εξ ου και ο όρος "απομνημονευτικός") που προέρχονται από τις κρίσεις του κάθε χρήστη για τον υπολογισμό της συνάφειάς τους με στόχο τη διατύπωση προτάσεων. Αποτελεί τον πρωταρχικό μηχανισμό και χρησιμοποιείται ακόμη σε πολλά εμπορικά συστήματα καθώς είναι εύκολο να εφαρμοστεί και είναι αποτελεσματικός. Χαρακτηριστικά παραδείγματα είναι ο λεγόμενος "αλγόριθμος γειτνίασης" και ο αλγόριθμος που βασίζεται στις "κορυφαίες ν" προτάσεις χρηστών ή αντικειμένων (top 10, top 20 κλπ) (Koren, Y., 2009).

Ο αλγόριθμος γειτνίασης υπολογίζει την ομοιότητα μεταξύ δύο χρηστών ή αντικειμένων και παράγει μια πρόβλεψη για έναν τρίτο χρήστη χρησιμοποιώντας τον σταθμισμένο μέσο όρο του συνόλου των αξιολογήσεων. Ο υπολογισμός της ομοιότητας μεταξύ των στοιχείων είναι ένα σημαντικό μέρος αυτής της προσέγγισης. Για να υπολογιστεί αυτή η ομοιότητα χρησιμοποιούνται πολλοί μηχανισμοί όπως είναι η συσχέτιση Pearson και τα διανυσματικά συνημίτονα.

Ο αλγόριθμος γειτνίασης χρησιμοποιεί τα ακόλουθα βήματα:

1.      Υπολογίζει την ομοιότητα ή το βάρος κάθε αντικειμένου, το οποίο αντικατοπτρίζει την απόσταση μεταξύ δύο χρηστών.

2.      Στη συνέχεια παράγει μια πρόβλεψη για τον ενεργό χρήστη βάσει του μέσου όρου του συνόλου των αξιολογήσεων. Όταν ο στόχος είναι να δημιουργηθεί μια λίστα με τις k καλύτερες επιλογές τότε πρέπει να βρούμε τα k πιο συναφή αντικείμενα (πλησιέστερους γείτονες) και αφού πρώτα υπολογίσουμε τις ομοιότητες στη συνέχεια να τα συγκεντρώσουμε και να προτείνουμε τα πιο συχνά, όπως είναι και η απαίτηση.

Αναλυτικότερα, στο σχήμα φαίνεται ένα παράδειγμα με βάση την αποκαλούμενη "Ταξινόμηση Πλησιέστερης Γειτνίασης k": Το δείγμα ελέγχου (πράσινος κύκλος), που μπορεί να είναι το ερώτημα ενός χρήστη σχετικά με μια πτυχιακή εργασία, ή το ενδιαφέρον του για μια ταινία, θα πρέπει να ταξινομηθεί είτε στην πρώτη τάξη των μπλε τετραγώνων είτε στη δεύτερη κατηγορία των κόκκινων τριγώνων. Αν το k = 3, (δηλαδή αν το πλήθος των παρόμοιων αντικειμένων που βρίσκονται πλησιέστερα σ' αυτό είναι 3) τότε κατατάσσεται στη δεύτερη κατηγορία, επειδή υπάρχουν 2 τρίγωνα και μόνο 1 τετράγωνο στον εσωτερικό κύκλο. Αν k = 5, τότε κατατάσσεται στην πρώτη κατηγορία (3 τετράγωνα εναντίον 2 τριγώνων μέσα στον εξωτερικό κύκλο).

 Ο προσδιορισμός του πλήθους είναι φανερό ότι γίνεται με βάση την απόσταση από το κέντρο του κύκλου κι έτσι ο υπολογισμός ανάγεται σε πρόβλημα ευκλείδειας γεωμετρίας (Taghi, 2009)

Ο δεύτερος αλγόριθμος "Ευαίσθητος Κατακερματισμός Τοπικότητας" (Locality sensitive hashing) βασίζεται στις "κορυφαίες ν" προτάσεις χρηστών ή αντικειμένων (π.χ. προσωπικά top 10 μουσικής, ή top 20 bestsellers) προσδιορίζει τα k πιο συναφή αποτελέσματα χρησιμοποιώντας ένα διανυσματικό μοντέλο. Μόλις εντοπιστούν τα δεδομένα, οι αντίστοιχες μήτρες τους ενοποιούνται, με σκοπό τον εντοπισμό του συνόλου των σημείων που πρέπει να προταθεί στον συγκεκριμένο χρήστη.

Η συγκεκριμένος αλγόριθμος, εκτελεί μια πιθανολογική μείωση της διάστασης των μεγαλοδιάστατων δεδομένων. Η βασική ιδέα, δηλαδή, είναι να περικοπούν τα πολυάριθμα δεδομένα με τέτοιο τρόπο, ώστε τα παρόμοια στοιχεία να ομαδοποιούνται σε ενότητες με τρόπο που να περιορίζεται το πλήθος τους, καθώς ο αριθμός των "ενοποιήσεων" θα είναι πολύ μικρότερος από το σύνολο των δεδομένων που βρίσκονται αποθηκευμένα.

Ο "Ευαίσθητος Κατακερματισμός Τοπικότητας" εφαρμόζει την μέθοδο της "πλησιέστερης γειτνίασης" σε γραμμικό χρόνο και όχι με βάση την απόσταση από το κέντρο του κύκλου.

Τα πλεονεκτήματα της προσέγγισης αυτής είναι :

·         ή επεξήγηση των αποτελεσμάτων, πράγμα που αποτελεί σημαντική πτυχή των συστημάτων σύστασης.

·          εύκολο να δημιουργηθεί και να χρησιμοποιηθεί, ενώ μπορούν να προστεθούν εύκολα και σταδιακά νέα στοιχεία.

·         ότι δεν χρειάζεται να λαμβάνεται υπ' όψιν το περιεχόμενο των στοιχείων που έχουν προταθεί και ο μηχανισμός κλιμακώνεται με επιτυχία καθώς τα αντικείμενα συν-αξιολογούνται.

Τα μειονεκτήματα της προσέγγισης αυτής είναι :

·         εξαρτάται από ανθρώπινους χαρακτηρισμούς που μπορεί να είναι υποκειμενικοί.

·         η απόδοση της μειώνεται, όταν τα δεδομένα είναι αραιά, γεγονός που συμβαίνει συχνά τα διαδικτυακά δεδομένα. Αυτό εμποδίζει την επεκτασιμότητά της και δημιουργεί προβλήματα με μεγάλα σύνολα δεδομένων.

·         δεν μπορεί να χειριστεί νέους χρήστες ή νέα στοιχεία.

·         εμφανίζεται το πρόβλημα της ανεπαρκούς γειτνίασης, που εμφανίζεται σε δεδομένα με μεγάλη διασπορά. Στην περίπτωση αυτή, οι χρήστες με παρόμοιες προτιμήσεις δεν μπορούν να εντοπιστούν, εάν δεν έχουν αξιολογήσει κανένα παρόμοιο αντικείμενο. Αυτό θα μπορούσε να μειώσει την αποτελεσματικότητα του συστήματος σύστασης το οποίο βασίζεται στη σύγκριση των χρηστών σε ζεύγη με στόχο τη δημιουργία της πρόβλεψης.

Τύποι βάσει προτύπου

Εκτός από τους απομνημονευτικούς τύπους Συνεργατικής Διήθησης Δεδομένων υπάρχουν και οι τύποι που βασίζονται σε μαθηματικά πρότυπα. Τα πρότυπα αυτά αναπτύσσονται με τη χρήση αλγόριθμων εξόρυξης δεδομένων ή μηχανικής μάθησης με σκοπό να εξαχθούν κάποια "μοντέλα" βασισμένα σε δεδομένα που έχουν μελετηθεί ήδη.

Πιο συγκεκριμένα, με τον όρο "εξόρυξη δεδομένων" περιγράφεται η διαδικασία κατά την οποία από ένα σύνολο δεδομένων εξάγονται ορισμένα πρότυπα. Η εξόρυξη δεδομένων θεωρείται ως ένα σημαντικό εργαλείο από τις σύγχρονες επιχειρήσεις που τους επιτρέπει να μετατρέπουν τα στοιχεία που διαθέτουν σε επιχειρηματική γνώση αποκτώντας έτσι ένα πληροφοριακό πλεονέκτημα. Σήμερα χρησιμοποιείται σε ένα ευρύ φάσμα πρακτικών κατηγοριοποίησης, όπως είναι το μάρκετινγκ, η επιτήρηση, η ανίχνευση απάτης, και η επιστημονική έρευνα.

Με τον όρο "μηχανική μάθηση", περιγράφεται ο κλάδος που ασχολείται με το σχεδιασμό και την ανάπτυξη αλγορίθμων που επιτρέπουν στους υπολογιστές να αναπτύξουν συμπεριφορές βασιζόμενοι σε εμπειρικά δεδομένα, όπως είναι αυτά που προέρχονται από αισθητήρες ή βάσεις δεδομένων. Ένα "μαθητευόμενο" υπολογιστικό σύστημα μπορεί να επωφεληθεί από κάποια "υποδείγματα" και να εντοπίσει τα πιο ενδιαφέροντα χαρακτηριστικά και την άγνωστη - υποκείμενη πιθανότητα κατανομής τους. Τα λίγα δεδομένα που παρατηρούνται, μπορούν να θεωρηθούν ως υπόδειγμα που φανερώνει τις σχέσεις μεταξύ των μεταβλητών.

 Ένας σημαντικός στόχος της έρευνας πάνω στην μηχανική μάθηση είναι να επιτευχθεί η αυτόματη αναγνώριση πολύπλοκων σχημάτων και η λήψη "έξυπνων" αποφάσεων με βάση τα στοιχεία. Η δυσκολία έγκειται στο γεγονός ότι το σύνολο όλων των πιθανών συμπεριφορών και όλων των πιθανών εισροών είναι πολύ μεγάλο για να καλυφθεί από τα παρατηρούμενα υποδείγματα.

Σε κάθε περίπτωση πάντως, τα αποτελέσματα αυτών των αλγόριθμων χρησιμοποιούνται για να πραγματοποιηθούν προβλέψεις πάνω σε πραγματικά δεδομένα.

Υπάρχουν πολλοί αλγόριθμοι συνεργατικής διήθησης που βασίζονται σε μοντέλα όπως:

-       δίκτυα με βάση τη θεωρία πιθανοτήτων

-       μοντέλα ομαδοποίησης

-        τα μοντέλα λανθάνουσας σημασιολογίας

(Όπως είναι η αποσύνθεση μοναδικής αξίας, η πιθανοτική λανθάνουσα σημασιολογική ανάλυση, ο πολλαπλός πολλαπλασιαστικός παράγοντας και οι Μαρκοβιανές Διαδικασίες Απόφασης)

Τα περισσότερα από τα μοντέλα βασίζονται στη δημιουργία μιας ταξινόμησης ή τεχνικής ομαδοποίησης για την αναγνώριση του χρήστη με βάση το σύνολο των δεδομένων. Ο αριθμός των παραμέτρων μπορεί να μειωθεί σύμφωνα με τους μαθηματικούς τύπους των "κυρίων συνιστωσών". (Koren,, 2009)

Υπάρχουν πολλά πλεονεκτήματα στα μαθηματικά πρότυπα τα οποία χειρίζονται την διασπορά καλύτερα από τις τεχνικές απομνημόνευσης.

Αυτό βοηθά την επεκτασιμότητα σε μεγάλα σύνολα δεδομένων, βελτιώνει την απόδοση της πρόβλεψης και παρέχει μια διαισθητική λογική στα προτεινόμενα αποτελέσματα.

Όμως το μεγάλο μειονέκτημά τους, είναι το κόστος της κατασκευής των μοντέλων. Απαιτείται να γίνονται κάποιοι συμβιβασμοί ανάμεσα στην απόδοση και την επεκτασιμότητα. Μπορεί να υπάρξει απώλεια χρήσιμης πληροφορίας λόγω ελλιπών μοντέλων, ενώ κάποια από αυτά δυσκολεύονται στο να επεξηγήσουν τις προβλέψεις τους.

Υβριδικοί τύποι

Ένας αριθμός εφαρμογών συνδυάζει τους αλγόριθμους απομνημονευτικού τύπου με εκείνους που βασίζονται σε πρότυπα.

Με τον τρόπο αυτό καθίσταται εφικτό να ξεπεραστούν οι περιορισμοί των αμιγών προσεγγίσεων που προαναφέρθηκαν, καθώς βελτιώνεται η απόδοση της πρόβλεψης. Σημαντικό δε είναι ότι επιλύεται το πρόβλημα της ΣΔ που σχετίζεται με την διασπορά των δεδομένων και την απώλεια της πληροφορίας. Ωστόσο, οι εφαρμογές αυτές έχουν αυξημένη πολυπλοκότητα και είναι ακριβές στην υλοποίησή τους.

Ανεπάρκεια Δεδομένων. Στην πράξη, πολλά εμπορικά συστήματα συστάσεων χρησιμοποιούνται για την αξιολόγηση πολύ μεγάλων συνόλων προϊόντων. O πίνακας χρήστες – αντικείμενα που χρησιμοποιείται για τη συνεργατική διήθηση θα είναι επομένως εξαιρετικά αραιό και οι προβλέψεις ή οι προτάσεις αμφισβητούνται.

Επεκτασιμότητα. Όταν οι αριθμοί των υπαρχόντων χρηστών και των αντικειμένων αυξάνονται εκθετικά, οι παραδοσιακοί αλγόριθμοι ΣΔ υφίστανται σοβαρά προβλήματα κλίμακας με τους απαιτούμενους υπολογιστικούς πόρους να υπερβαίνουν τα πρακτικά ή αποδεκτά επίπεδα.

Συνωνυμία. Ο όρος αναφέρεται στην τάση ενός αριθμού ίδιων ή παρόμοιων στοιχείων να έχουν διαφορετικά ονόματα ή εγγραφές. Τα περισσότερα συστήματα συστάσεων δεν είναι σε θέση να ανακαλύψουν την λανθάνουσα αυτή συσχέτιση και έτσι χειρίζονται αυτά τα προϊόντα σαν να ήταν διαφορετικά. Για παράδειγμα, οι όροι "παιδική ταινία" και "ταινία για παιδιά" ενώ σημαίνουν το ίδιο πράγμα, τα απομνημονευτικά συστήματα Σ.Δ. δεν μπορούν να εντοπίσουν την συνάφεια μεταξύ τους για να υπολογίσουν την ομοιότητά τους.

Γκρίζα πρόβατα. Ο όρος αναφέρεται στους χρήστες των οποίων οι απόψεις δεν ταυτίζονται ούτε αρνητικά ούτε θετικά με οποιαδήποτε ομάδα ανθρώπων και, συνεπώς, δεν επωφελούνται από τη συνεργατική διήθηση δεδομένων. Αντίθετα, ως μαύρα πρόβατα θεωρείται η ομάδα, της οποίας οι ιδιότυπες προτιμήσεις καθιστούν οποιαδήποτε σύσταση σχεδόν αδύνατη. Αν και αυτό είναι μια αποτυχία των ηλεκτρονικών συστημάτων συστάσεων, το ίδιο πρόβλημα αντιμετωπίζουν και τα συστήματα που διαχειρίζονται άνθρωποι, με αποτέλεσμα η κατηγορία αυτή να αποτελεί μια αποδεκτή αποτυχία.

Υπερτίμηση αντικειμένου. Σε περιπτώσεις όπου ο καθένας μπορεί να προβεί σε συστάσεις, οι άνθρωποι μπορούν να αξιολογήσουν υπερβολικά θετικά το δικό τους υλικό και να δώσουν αρνητικές συστάσεις για τους ανταγωνιστές τους. Έτσι τα συστήματα ΣΔ πρέπει να εισαγάγουν προληπτικά μέτρα που να αποθαρρύνουν τέτοιου είδους φαινόμενα. (Taghi, 2009)

Οι πληροφορικές πρακτικές και οι στρατηγικές μάθησης που είναι γνωστές ως "διαχείριση γνώσης" κερδίζουν ολοένα και ευρύτερη αποδοχή στον τομέα της εκπαίδευσης.

Δεδομένου του αυξανόμενου ενδιαφέροντος για τις πρακτικές της διαχείρισης της γνώσης, είναι απαραίτητο να διασαφηνιστεί τι ακριβώς σημαίνει ο όρος και τι προκλήσεις και ευκαιρίες προσφέρει στην εκπαίδευση.

 Συνοπτικά, η διαχείριση της γνώσης μπορεί να περιγραφεί ως το σύνολο των πρακτικών που βοηθά να βελτιωθεί η χρήση και η ανταλλαγή δεδομένων και πληροφοριών στη διαδικασία λήψης αποφάσεων. (Μπισμπίκη κ.ά, 2004).

Σε επίπεδο επιχειρήσεων και μάρκετινγκ ο όρος έχει ήδη αποτελέσει αντικείμενο μελέτης σε βάθος δεκαετιών. Σύμφωνα με τα σχετικά πορίσματα, οι εταιρείες με την ορθή Διαχείριση της υπάρχουσας Γνώσης οι εταιρίες κατορθώνουν:

•                     Να κατασκευάζουν προϊόντα τα οποία είναι αποδεκτά αλλά και ανταγωνιστικά

•                     Να τοποθετούνται στην αγορά και να τιμολογούν για καλύτερες και πιο επικερδείς επιχειρήσεις

•                     Να βρίσκουν ευκαιρίες, οι οποίες μπορούν να κάνουν την επιχείρηση πιο εύρωστη

•                     Να κινητοποιούν τους εργαζομένους

•                     Να ικανοποιούν την ανάγκη για αλλαγή

•                     Να επαναλαμβάνουν επιτυχημένες στρατηγικές ή τουλάχιστον να αποφεύγουν προηγούμενα λάθη.

Σε ένα κλίμα αυξημένης πίεσης για βελτίωση των παρεχόμενων υπηρεσιών, οι ανάγκες των εκπαιδευτικών για πρόσβαση στην πληροφορία και την ενημέρωση δεν ήταν ποτέ υψηλότερες. Εντούτοις ο κίνδυνος υπερφόρτωσης με άχρηστη πληροφορία είναι πραγματικός.

Ακόμα και με το καλύτερο αξιολογικό σύστημα οι καταρτισμένοι και επαρκείς εκπαιδευτικοί είναι ζωτικής σημασίας για να "μη μείνει κανένα παιδί πίσω".

Αυτό περιλαμβάνει την ανάγκη για συνεχή και αποτελεσματική επαγγελματική εξέλιξη και μετεκπαίδευση, ενώ, την ίδια στιγμή, οι εκπαιδευτικοί είναι υποχρεωμένοι να παραμένουν ενήμεροι για μια ευρεία ποικιλία μεταβαλλόμενων προτύπων, αναλυτικών προγραμμάτων και παιδαγωγικών μεθόδων. Παράλληλα δε, αυξάνεται η απώλεια διδακτικών ωρών όπως και το κόστος παραγωγής και αντιγραφής διδακτικού υλικού.

Επιπρόσθετα, σε επίπεδο τριτοβάθμιας εκπαίδευσης οι διδάσκοντες αντιμετωπίζουν ένα διαστελλόμενο σύμπαν πληροφοριών σχετικό με τον τομέα τους. Τους ζητείται να διδάξουν ένα πολύ ευρύτερο τμήμα του πληθυσμού, να καταστήσουν κατανοητό ποιες στρατηγικές διδασκαλίας έχουν μεγαλύτερη επιτυχία και με ποιες δημογραφικές ομάδες, και να συμμετέχουν περισσότερο στην αξιολογική διαδικασία τόσο των φοιτητών όσο και των ιδρυμάτων τους.

Έχοντας υπόψιν τις εξωτερικές και εσωτερικές απαιτήσεις για υπευθυνότητα και βελτίωση της εκπαίδευσης, σε συνδυασμό με τις πολλές απαιτήσεις στη διαχείριση του χρόνου των εκπαιδευτικών είναι απαραίτητο να γίνει κατανοητό πώς μπορεί να είναι αποτελεσματικότερη η συλλογή, διάδοση, και κοινοποίηση της πληροφορίας.

Οι οργανισμοί που ασχολούνται με την εκπαίδευση, καταλαβαίνουν πολύ καλά ότι η γνώση είναι το κλειδί, για την αναζήτηση καλύτερων τρόπων για να μετατρέψουν αυτή τη γνώση σε αποτελεσματική διαδικασία λήψης αποφάσεων και δράση.

 

5.1.Η τεχνολογία και η Πληροφορική ως διαφορετικές προσεγγίσεις.

Ανέκαθεν οι εκπαιδευτικοί χρησιμοποιούσαν εργαλεία διαχείρισης πληροφοριών για τη βελτίωση της αποτελεσματικότητας των διοικητικών υπηρεσιών και των αναλυτικών τους προγραμμάτων. Παρ' όλα αυτά, η πρακτική της διαχείρισης της πληροφορίας στο πλαίσιο της εκπαίδευσης είχε επικεντρωθεί κυρίως σε τεχνικά συστήματα που εφαρμόζονται για τη συλλογή, οργάνωση και διάδοση ποσοτικών δεδομένων σε τομείς όπως τα οικονομικά ενός σχολείου, οι εγγραφές οι μετακινήσεις προσωπικού κτλ.

Μεγάλα ποσά έχουν δαπανηθεί για την μηχανοργάνωση των σχολείων και των πανεπιστημίων, όμως στην πραγματικότητα δεν έχει εξευρεθεί ακόμη ο τρόπος να ενταχθούν οι τεχνολογίες σε διαδικασίες λήψης κοινών αποφάσεων με αποτέλεσμα την υστέρηση σε αποτελέσματα τόσο σε ακαδημαϊκό επίπεδο όσο και σε επίπεδο σχεδιασμού και οργάνωσης.

Ένα από τα βασικά πλεονεκτήματα της διαχείρισης της γνώσης είναι ότι ασχολείται ενεργά τόσο με την κουλτούρα της τεχνολογίας όσο και εκείνη της πληροφορίας, προωθώντας ταυτόχρονα και τις δύο. Ως κουλτούρα της τεχνολογίας μπορεί να θεωρηθεί η χρήση και ενσωμάτωση της τεχνολογίας στον σχεδιασμό, την ανάπτυξη, τη λειτουργία, και την αξιολόγηση ενός σχολείου. Για παράδειγμα ένα σχολείο στο οποίο οι εκπαιδευτικοί έχουν απρόσκοπτη πρόσβαση στους υπολογιστές μέσα από την τάξη τους, όταν η καθημερινή αξιολογική διαδικασία μπορεί να παρακολουθηθεί ως διαδικασία ρουτίνας ή όταν υπάρχει μετεκπαίδευση του προσωπικού στη χρήση νέου λογισμικού και υλικού, τότε το σχολείο αυτό θα λέγαμε ότι έχει υψηλό επίπεδο τεχνολογικής κουλτούρας.

Από την άλλη πλευρά η κουλτούρα της πληροφορίας διαφέρει από αυτό που αποκαλείται "πληροφορικό σύστημα". Αφορά την πολιτική πληροφόρησης και τις διαδικασίες για την ανταλλαγή πληροφοριών εντός και εκτός των ορίων της σχολικής μονάδας, είτε πρόκειται για Δημοτικό, είτε για Γυμνάσιο είτε για Πανεπιστημιακό Ίδρυμα. Για παράδειγμα ένα σχολείο με επαρκή πληροφορική κουλτούρα διαθέτει καθορισμένο προσωπικό που διαχειρίζεται την πληροφορία, παρέχει κίνητρα και αποτελεσματικά μέσα για ανταλλαγή εμπειριών ζωτικής σημασίας που βελτιώνουν τις επιδόσεις και τέλος παρέχει άμεση πρόσβαση στη γνώση που απαιτείται για να εκτελέσουν το έργο τους οι νέοι εκπαιδευτικοί.

 

5.2.Προσεγγίζοντας την Διαχείριση Γνώσης στην Εκπαίδευση

Η διαχείριση της γνώσης στην εκπαίδευση στηρίζεται σε μια ανθρωποκεντρική προσέγγιση η οποία θεωρεί τα σχολεία ως σύνθετα συστήματα που αποδίδουν τα μέγιστα μόνο μέσα στο μοναδικό οργανωτικό πλαίσιο στο οποίο αναπτύσσονται. Εντούτοις, παρ' όλο που αυτό είναι γενικότερα αποδεκτό, δεν υπάρχει ενιαία, αποδεκτός ορισμός της διαχείρισης της γνώσης.

Το πεδίο είναι πολύ νέο και ο όρος παραμένει ένα αμφισβητούμενο θέμα συζήτησης. Θεωρείται σε γενικές γραμμές, ωστόσο, ότι η διαχείριση της γνώσης στον τομέα της εκπαίδευσης μπορεί να θεωρηθεί ως ένα πλαίσιο ή μια προσέγγιση, που επιτρέπει στους ανθρώπους μέσα σε ένα σχολείο να αναπτύξουν ένα σύνολο πρακτικών συλλογής πληροφοριών και κοινοποίησης αυτών που ήδη γνωρίζουν, το οποίο οδηγεί σε δράσεις που βελτιώνουν τόσο τις υπηρεσίες όσο και τα τελικά αποτελέσματα.

Στην προσπάθειά να ισορροπήσει την τεχνολογική και πληροφορική κουλτούρα η διαχείριση γνώσης συγκεντρώνει τρεις βασικούς οργανωτικούς πόρους: Το ανθρώπινο δυναμικό, τις διαδικασίες και την τεχνολογία. Τελικός στόχος είναι η αξιοποίηση και η κοινή χρήση της πληροφορίας πιο αποτελεσματικά.

Σε επίπεδο ανθρώπινου δυναμικού φαίνεται ότι τελικά οι άνθρωποι και όχι τα συστήματα διαχειρίζονται τη γνώση. Όλο το εγχείρημα βασίζεται στη συλλογική και επαγγελματική ομαδική εργασία, την ενεργό συμμετοχή ανθρώπων σε πολλά επίπεδα οργάνωσης και την κοινή χρήση αυτού που γνωρίζουν και αυτού που μαθαίνουν. Σε πολλά σχολεία ομάδες εργασίας εκπαιδευτικών διαφόρων ειδικοτήτων συγκεντρώνονται για να ανταλλάξουν πληροφορίες, επειδή αυτό τη δουλειά τους πιο ενδιαφέρουσα και το έργο τους πιο αποτελεσματικά. Η διαχείριση της γνώσης επιδιώκει να προωθήσει την ανάπτυξη και τη χρησιμότητα αυτών των «κοινοτήτων καλής πρακτικής».

Οι τυπικές και άτυπες διοικητικές διαδικασίες, οι διεργασίες ανάπτυξης προγραμμάτων σπουδών, τα πρότυπα ανταλλαγής πληροφοριών, τα μισθολογικά κίνητρα, και πολλά άλλα διαδικαστικά ζητήματα επηρεάζουν τη ροή πληροφοριών στο εσωτερικό κάθε σχολικής μονάδας αλλά και τη διοίκησή τους γενικότερα σε επίπεδο δήμου και περιφέρειας. Οι διαδικασίες αυτές υπάρχουν άσχετα αν επιλέγουμε να τις παραβλέπουμε ή όχι. Ο εντοπισμός των προτύπων χρήσης της πληροφορίας που ενδέχεται να μην είναι προφανή με άλλο τρόπο, γίνεται καλύτερα αντιληπτά μέσω πρακτικών διαχείρισης της γνώσης οι οποίες συμβάλλουν στην προώθηση αυτών των διαδικασιών που οδηγούν σε πιο συνειδητές αποφάσεις.

Τέλος η Τεχνολογία πρέπει να θεωρηθεί όχι ως το κέντρο κόστους που επιβαρύνει σοβαρά την περιορισμένους πόρους του σχολείου, αλλά ούτε και ως η κινητήρια δύναμη για τη διαχείριση της γνώσης. Αντίθετα πρέπει να καταστεί ένας ζωτικός και απαραίτητος παράγοντα για την σωστή πορεία του. Οι πιο αποτελεσματικές τεχνολογίες μέσα σε ένα πλαίσιο διαχείρισης της γνώσης είναι ευρύτερα προσβάσιμες σε στοχευμένες ομάδες και προωθούν εντοπισμό και την ανταλλαγή χρήσιμων πληροφοριών μεταξύ διαφορετικών τμημάτων.

Σήμερα, υπάρχουν πολλές παραλλαγές των διαδικτυακών παιδαγωγικών μέσων, όπως είναι :

•         η μετάδοση μαθημάτων με τηλεδιάσκεψη ή εικονικές βιβλιοθήκες,

•         η εκπαίδευση βασισμένη στον ιστό,

•         η μάθηση σε εικονικά περιβάλλοντα, ή σενάρια μαθημάτων.

Η παιδαγωγική χρήση της τεχνολογίας Web ξεκίνησε το 1993 με τις πρώτες εφαρμογές να χρησιμοποιούν το διαδίκτυο για την καινοτόμα "διδασκαλίας και μάθησης" μέσω σχεδίων εργασίας.

Παράλληλα ειδικά διαδικτυακά προγράμματα εμφανίζονται και αποτελούν τον πυρήνα των αποκαλούμενων συστημάτων "διαχείρισης μάθησης" ή «e-learning" (Ηλεκτρονική μάθηση). Τα συστήματα βασίζονται στην συμπεριφοριστική παράδοση τα οποία σημειώνουν μια αξιοσημείωτη πρόοδο όσον αφορά την προσαρμοστικότητα του περιεχομένου και της μορφής τους στον κοινωνικο-εποικοδομιστικό (Socio-constuctivism) ιστό.

Ενώ υπάρχουν μερικές σημαντικές θεωρητικές και πρακτικές διαφορές εντούτοις εντοπίζονται και ορισμένοι κοινοί παρονομαστές των κοινωνικο-εποικοδομιστικών θεωριών. Για παράδειγμα ο Wilson (2000) απομονώνει τρεις θεμελιώδεις αρχές για την αποτελεσματική χρήση του Web στη μάθηση:

1.      Παρέχει πρόσβαση σε πλούσιες πηγές πληροφοριών.

2.      Ενθαρρύνει την αλληλεπίδραση με το περιεχόμενο.

3.      Φέρνει κοντά τους χρήστες ώστε να μπορούν να αμφισβητούν, να υποστηρίζουν ή να αλληλεπιδρούν ο ένας με τον άλλο.

Πολλές σύγχρονες εκπαιδευτικές θεωρίες (π.χ. η συνεργατική μάθηση, η μάθηση μέσω πρότζεκτ, η μάθηση ανά ζεύγη, καθώς και η γλώσσα ως διαμεσολαβητικό εργαλείο) σχετίζονται άμεσα με την εποικοδομιστική θεωρία της μάθησης.

Κατά τους Bielaczyc & Collins, (1999)."Για να μπορέσουν οι άνθρωποι να μάθουν πώς να κατασκευάζουν τη γνώση, είναι απαραίτητο η διαδικασία να διαμορφωθεί και να υποστηριχθεί από την περιβάλλουσα κοινότητα" .

Αυτό καθίσταται περισσότερο κατανοητό αν αναλογιστούμε ότι ενώ ένα μεγάλο μέρος της γνώσης μας προέρχεται κατά κύριο λόγο από επίσημα σενάρια μάθησης, οι άνθρωποι μπορούν να μάθουν πολλά και από την άτυπη ανταλλαγή απόψεων με συναδέλφους, μαθητές, δασκάλους, και ειδικούς, δηλαδή από την ανταλλαγή πληροφοριών εντός μιας αυστηρά ή χαλαρά καθορισμένης κοινότητας.

Ως κοινότητα μπορούμε να ορίσουμε τα διάφορα δίκτυα. Τα δίκτυα αυτά μοιράζονται κάποιες κοινές πρακτικές και έχουν κοινούς στόχους και κοινή γλώσσα. Έχουν μια κοινωνική οργάνωση, με κάποια επίσημη ή άτυπη ιεραρχία και μια αίσθηση "κοινωνικής ευθύνης", καθώς τα μέλη τους αλληλοβοηθούνται. Πέρα από αυτό το αφηρημένο ορισμό, η "κοινότητα" είναι πολύ διφορούμενη έννοια ή οποία περιλαμβάνει, για παράδειγμα, τις κοινότητες πρακτικής (π.χ. εκπαιδευτικοί από το ίδιο σχολείο ή της ίδιας ειδικότητας), οι τοπικές κοινότητες (άνθρωποι που ζουν στην ίδια περιοχή) και οι εικονικές κοινότητες (άτομα που μοιράζονται ορισμένες πληροφορίες μέσω του Διαδικτύου). Οι κοινότητες, μπορεί να συσταθούν ή τουλάχιστον να ενισχυθούν με τη βοήθεια της συνεργασίας και της πληροφόρησης.

Εδώ πρέπει να επισημανθεί ότι οι διαδικτυακές κοινότητες γίνονται ολοένα και πιο δημοφιλείς μέσα από τις διάφορες ηλεκτρονικές "πύλες" (portals). Η αύξηση της εξοικείωσης με αυτό το εργαλείο και η αντίληψη της γενικής του χρησιμότητας για την «πραγματική ζωή» θα βοηθήσει την εισαγωγή του στην εκπαίδευση (πχ. επιτυχής χρήση επεξεργαστών κειμένου για δημιουργική γραφή).

Η απλή τεχνολογία του Διαδικτύου (ιστοσελίδες, φόρουμ, e-mail, κλπ.), είχε επιτυχία στην εκπαίδευση, διότι εκπλήρωσε κάποιες βασικές ανάγκες που αφορούσαν την ανταλλαγή πληροφοριών, την επικοινωνία και την συνεργασία.

Η χρηστικότητα του διαδικτύου επιτρέπει στο χρήστη (εκπαιδευτικό) να έχει τον έλεγχο. Παρ' όλο, όμως, που η απλή διαδικτυακή τεχνολογία (φόρουμ, λίστες αλληλογραφίας) παρέχει τη δυνατότητα δημιουργικών σεναρίων μάθησης, έχει και κάποια μειονεκτήματα:

ü   Η διατήρηση στατικών ιστοσελίδων είναι χρονοβόρα

ü   Δεν υποστηρίζονται πλήρως τα πιο εξελιγμένα σενάρια (όπως η συν-συγγραφή ενός δοκιμίου)

ü   Δεν κάνουν πολύ καλή διαχείριση γνώσης

ü  διαλόγου, όπως τα φόρουμ ή οι λίστες αλληλογραφίας

ü  δεν υπάρχει κοινό υπόβαθρο όπου όλα αυτά θα συν-λειτουργούσαν

 Οι ιστοσελίδες των διαδικτυακών κοινοτήτων της δεύτερης γενιάς του διαδικτύου, παρ' όλο που αντιμετωπίζουν παρόμοια προβλήματα φαίνεται να έχουν βρει τουλάχιστον μια μερική απάντηση. Το τελευταίο διάστημα έχει παρατηρηθεί μια εντυπωσιακή αύξηση αυτού που οι ειδικοί ονόμασαν μέθοδο C3MS, ως ακρωνύμιο του όρου "Community, Content and Collaboration Management Systems" (Διαχειριστικά Συστήματα Κοινοτήτων, Περιεχομένου και Συνεργασίας). Τα συστήματα αυτά προσφέρουν μια αρθρωτή μέθοδο για τη ρύθμιση της διαδραστικότητας μιας ιστοσελίδας. Επιπλέον, τα περισσότερα από τα συστήματα αυτά παρέχουν τεκμηριωμένους μηχανισμούς που επιτρέπουν σε κάποιον τρίτο να προσθέσει ενότητες με πρόσθετες λειτουργίες.

Συνήθως ενσωματώνουν και κάποιες μηχανές αναζήτησης, ή λειτουργίες για την κατάταξη της πληροφορίας έτσι ώστε η καλή πληροφόρηση να "επιπλέει" στην κορυφή χρησιμοποιώντας τις μεθόδους της συνεργατικής διήθησης που αναφέρθηκαν στο πρώτο κεφάλαιο. (Wagner, 2004)

Με όσα αναφέρθηκαν ως τώρα φαίνεται ότι η αξιοποίηση των νέων τεχνολογιών ως εργαλεία διαχείρισης της γνώσης είναι κρίσιμης σημασίας. Το παραγωγικό μοντέλο εγκαταλείπει την ιεραρχική δομή και τείνει στην δικτυωτή. Δίνεται πλέον η ευκαιρία σε κοινότητες εργασίας γεωγραφικά διασκορπισμένες, να ανταλλάσσουν γνώσεις, ιδέες, εμπειρίες, προκειμένου να εξυπηρετήσουν τις ανάγκες των «πελατών» τους. (Παρασκευάς 2008) .

Σήμερα οι ΤΠΕ διαμορφώνουν δραστικά τις βασικές μορφές επικοινωνίας, διάδρασης, και ανταλλαγής γνώσης στις κοινωνίες και στις Διαδικτυακές κοινότητες. Η τεχνολογία δρα ως συνδετικός κρίκος μεταξύ των μελών της κοινότητας και συμβάλλει στην συνδυαστική μάθηση, κατά την οποία εμπλέκεται η μάθηση στην τάξη και στο Διαδίκτυο.

Παράλληλα αναβαθμίζεται η έννοια της συνεργατικής μάθησης με την κατασκευή οργανωμένων δραστηριοτήτων και χρήση της διαλογικής διαδικασίας. Οι διαθέσιμες διαδικτυακές τεχνολογίες στις μαθησιακές κοινότητες είναι :

•         η ασύγχρονη και σύγχρονη τηλεκπαίδευση

•         οι εικονικές τάξεις (virtual class)

•         τα δωμάτια συνομιλίας (chat rooms)

•         οι xώροι συζητήσεων (forums)

Με την ραγδαία εξέλιξη της τεχνολογίας τελευταία εμφανίστηκαν και οι υπηρεσίες διαμοίρασης υλικού, όπως το youtube (ειδικά για video)

•         υπηρεσίες κοινωνικής δικτύωσης (facebook, myspace)

•         συνεργατικά εργαλεία (blogs)

Η ιστοσελίδα μπορεί να χρησιμοποιηθεί ως:

•         μέσο ανάρτησης οδηγιών

•         εξηγήσεων, επιπλέον

•         παραδειγμάτων

•         είναι ο τόπος δημοσιοποίησης των εργασιών μίας σχολικής τάξης καθώς και μέσο προβληματισμού και διάλογου.

Ο τρόπος δημιουργίας τους είναι εξαιρετικά απλός και δεν απαιτεί γνώσεις προγραμματισμού.

Η χρήση των τεχνολογιών αυτών συντελεί στην ενίσχυση των σχέσεων συνεργασίας μεταξύ των εκπαιδευτικών, στην ανταλλαγή και τον εμπλουτισμό του εκπαιδευτικού υλικού (διαδικτυακά διαμοιραζόμενου και επαναχρησιμοποιήσιμου), στη θεμελίωση σχέσεων συνεργασίας των εκπαιδευτικών με ειδικούς άλλων ειδικοτήτων (διαθεματικότητα), στην τόνωση του ενδιαφέροντος των μαθητών.

Τέλος η ηλεκτρονική αλληλογραφία μπορεί να αποτελέσει ένα ακόμη μέσον προώθησης της συνεργατικής διαχείρισης της γνώσης, καθώς δίνει την ευκαιρία για ανταλλαγή απόψεων και την δημοσιοποίηση "καλών πρακτικών" στο χώρο της εκπαίδευσης.

Συνοψίζοντας θα λέγαμε ότι τα συστήματα διαχείρισης είναι εφαρμογές διαδικτύου, δηλαδή «τρέχουν» σε ένα διακομιστή (server) και μπορεί κάποιος να έχει πρόσβαση σε αυτά μέσω ενός περιηγητή (web browser) από οποιοδήποτε μέρος του κόσμου μέσω μιας σύνδεσης internet.

Τα συστήματα διαχείρισης γνώσης παρέχουν στους εκπαιδευτές εργαλεία για να δημιουργήσουν έναν ιστότοπο μαθημάτων με τη δυνατότητα μόνο συγκεκριμένοι μαθητές να μπορούν να έχουν πρόσβαση σε αυτά.

Τα συστήματα διαχείρισης γνώσης επίσης παρέχουν μια μεγάλη ποικιλία από εργαλεία που μπορούν να κάνουν ένα μάθημα πολύ αποτελεσματικό. Παρέχουν έναν εύκολο τρόπο διαμοίρασης υλικού, online συζητήσεων κουίζ και ερευνών, συγκέντρωσης και αξιολόγησης εργασιών καθώς και επεξεργασίας βαθμολογιών.

Με τον όρο e-Learning γίνεται αναφορά στη μάθηση με τη χρήση ηλεκτρονικού υπολογιστή, συνήθως συνδεδεμένου σε ένα δίκτυο και θεωρείται ότι είναι το ίδιο – αν όχι περισσότερο – καλό και χρήσιμο σαν μέθοδος εκπαίδευσης με τον παραδοσιακό τρόπο εκπαίδευσης σε μια αίθουσα.

Ο σχεδιασμός των μαθημάτων στο e-Learning έχει τελειοποιηθεί τα τελευταία χρόνια βάσει των κλασικών αρχών εκπαίδευσης, προσφέροντας πάρα πολλά οφέλη στους μαθητές. Ένας πολύ μεγάλος αριθμός κολεγίων, πανεπιστημίων, επιχειρήσεων και οργανισμών γενικότερα, παρέχει σήμερα μαθήματα και προγράμματα συνεχιζόμενης εκπαίδευσης με e-Learning.

Όταν μιλάμε για e-Learning συχνά αναφερόμαστε και σε:

•         Εξ αποστάσεως εκπαίδευση

•         Εκπαίδευση μέσω υπολογιστή

•         Εκπαίδευση μέσω internet

Το eLearning είναι ένας γενικότερος όρος που χρησιμοποιείται για να περιγράψει την εκπαίδευση που γίνεται με τη χρήση υπολογιστή.

Οι συζητήσεις σε ηλεκτρονικό περιβάλλον δίνουν σε πολλούς μαθητές την ευκαιρία να εκφραστούν με τρόπους που δεν θα μπορούσαν σε μια συνηθισμένη τάξη. Πολλοί μαθητές αποφεύγουν να μιλήσουν στην τάξη επειδή είναι ντροπαλοί, δεν είναι σίγουροι ή επίσης και εξαιτίας δυσκολιών στην ομιλία. Είναι εξαιρετικά καλό για πολλούς μαθητές να έχουν πολύ χρόνο στη διάθεσή τους για να συντάξουν ερωτήσεις ή απαντήσεις σε μια online συζήτηση. Οι εκπαιδευτές πάρα πολύ συχνά αναφέρουν μεγαλύτερα ποσοστά συμμετοχής σε online συζητήσεις από ότι σε μια αίθουσα διδασκαλίας

Ως απόρροια των όσων θεωρητικών αναφέρθηκαν ως τώρα, θα παρουσίαζε κάποιο ενδιαφέρον να μελετηθούν ορισμένες παράμετροι που εστιάζονται στην ελληνική πραγματικότητα. Εν προκειμένω, προκύπτουν τα εξής ερωτήματα:

1.      Πόση διείσδυση στην ελληνική εκπαιδευτική πραγματικότητα έχουν τα διάφορα ηλεκτρονικά συστήματα που προωθούν την διαχείριση της γνώσης;

2.      Τι αποτελέσματα έχει το “collaborating filtering” στην πλοήγηση των εκπαιδευτικών για άντληση εκπαιδευτικού υλικού από το διαδίκτυο;

3.      Ποια είναι η τάση του σώματος των εκπαιδευτικών απέναντι στην εξ αποστάσεως ηλεκτρονική μάθηση (e-learnig);

Με γνώμονα τα παραπάνω ερωτήματα κατασκευάσαμε ερωτηματολόγιο με ερωτήσεις που ελπίζουμε να απαντηθούν τα παραπάνω ερωτήματα.

Το Ερωτηματολόγιο

 Το ερωτηματολόγιο που δόθηκε προς συμπλήρωση αποτελούνταν από 22 ερωτήσεις και είχε την ακόλουθη δομή :

•         Γενικές ερωτήσεις (4 ερωτήσεις 12,15,16,19)

•         Δημογραφικά στοιχεία ( 3 ερωτήσεις 1,2α ,2β)

•         Συμπεριφορά για εκπαιδευτικούς λόγους, χρησιμοποιώντας την φιλτραρισμένη ‘γνώση’ του διαδικτύου (7 ερωτήσεις 4,5,8,9,10,11,13)

•         Συμπεριφορά αγοράς βάσει της ‘γνώσης για την αγορά του συγκεκριμένου προϊόντος ή υπηρεσίας’ από άλλους ( 2 ερωτήσεις 6,7)

•         Εκπαίδευση – εμπλουτισμός γνώσεων μέσω διαδικτύου

 (4 ερωτήσεις 17,18,20,21)

•         “Ποιον τρόπο χρησιμοποιείται κυρίως για να επικοινωνείτε μέσω διαδικτύου” (ερώτηση 3)

•         “Ποιο είναι το κριτήριο επιλογής ενός προγράμματος ή μιας υπηρεσίας στο διαδίκτυο” (ερώτηση 14)

Συνολικά υπήρχαν 11 ερωτήσεις τύπου multiple choice και 11 ερωτήσεις τύπου ναι – όχι.

Πληθυσμός-Δείγμα της Έρευνας

 Το ερωτηματολόγιο συμπληρώθηκε ηλεκτρονικά από 100 άτομα πού ήταν όλοι τους εκπαιδευτικοί και ο χρόνος που δόθηκε στους συμμετέχοντες για να ανταποκριθούν ήταν 1 εβδομάδα.

Το 34% του δείγματος (34 άτομα) προέρχεται από την πρωτοβάθμια εκπαίδευση, το 46% (46 άτομα) προέρχεται από την δευτεροβάθμια εκπαίδευση και το υπόλοιπο 20% (20 άτομα) προέρχεται από την τριτοβάθμια εκπαίδευση.

Το ερωτηματολόγιο απαντήθηκε και από τα 100 άτομα.

Το μεγαλύτερο ποσοστό των ερωτηθέντων κυμαίνεται από 25-35 ετών (65%).

Η κατανομή της ηλικίας των ερωτηθέντων –εύρος του δείγματος (100 άτομα) απεικονίζεται στον παρακάτω πίνακα.

Στατιστική Ανάλυση

Για την ανάλυση των δεδομένων της έρευνας, τα αποτελέσματα των ερωτηματολογίων, μετά την κωδικοποίησή τους, καταχωρήθηκαν σε ηλεκτρονική βάση δεδομένων. Για την επεξεργασία και την αξιολόγηση των δεδομένων χρησιμοποιήθηκε το στατιστικό πρόγραμμα για τις κοινωνικές επιστήμες SPSS (version 17.0).

Στην έρευνά μας οι στατιστικές δοκιμασίες που χρησιμοποιήσαμε για να ελέγξουμε την στατιστική σημαντικότητα των μεταβλητών μας ήταν :

 •         Την δοκιμασία χ2 (chi –Square test) 

•         Την δοκιμασία συσχετίσεων μεταβλητών (Correlate)

 Τα δεδομένα περιλαμβάνουν τούς Δείκτες Κεντρικής Τάσης και Διασποράς των Αριθμητικών Μεταβλητών (continues variables – Descriptive Statistics) και των Ομαδοποιημένων Μεταβλητών (categorical variables – Frequencies Statistics).

Οι Ομαδοποιημένες μεταβλητές αφορούν κυρίως τα δημογραφικά (το Φύλο, ηλικία, ποια βαθμίδα εκπαίδευσης υπηρετούν αλλά και το εάν παρακολουθούν κάποιο e-learning πρόγραμμα, εάν έχουν στείλει κάποιο σχόλιο σε εκπαιδευτικό forum, την συμπεριφορά για εκπαιδευτικούς λόγους, χρησιμοποιώντας την φιλτραρισμένη ‘γνώση’ του διαδικτύου, συμπεριφορά αγοράς βάσει της ‘γνώσης για την αγορά του συγκεκριμένου προϊόντος ή υπηρεσίας’ από άλλους κ.α.

Δημογραφικά χαρακτηριστικά του δείγματος

Φύλο

            Η κατανομή των ερωτηθέντων ως προς το φύλο είναι 57% γυναίκες και 43% άνδρες

Πίνακας 1: Κατανομή των ερωτηθέντων ως προς το Φύλο (Απόλυτες και Σχετικές Συχνότητες)

 

Ηλικία

Στην πλειοψηφία τους, οι ερωτηθέντες ανήκουν στην ηλικιακή ομάδα 25-35 ετών (65 %), ενώ ακολουθούν οι ομάδες 36-45 (26%) ,46-55 (5%) και πάνω από 55 (4%).

Πίνακας 2.: Κατανομή (Απόλυτες και Σχετικές Συχνότητες) των ερωτηθέντων ως προς την Ηλικία

Κατανομές Απλών και Ομαδοποιημένων Μεταβλητών

Σε ποια βαθμίδα της εκπαίδευσης υπηρετείτε;

             Η κατανομή των ερωτηθέντων ως προς την βαθμίδα εκπαίδευσης που υπηρετούν είναι 40% ναι και 60% όχι

 

Διάγραμμα 2 : σε ποια βαθμίδα εκπαίδευσης υπηρετείτε;

 

 

Παρατηρούμε ότι το ποσοστό που δεν έχει στείλει σχόλιο σε κάποιο εκπαιδευτικό forum είναι πολύ μεγάλο (80%) με αποτέλεσμα να μην μεταφέρονται απόψεις, ιδέες, προβληματισμοί και γνώση μεταξύ των εκπαιδευτικών.

Διαθέτετε ιστοσελίδα στην οποία προτείνετε σύγχρονες μεθόδους διδασκαλίας, αγαπημένα βιβλία κ.α.

Η κατανομή των ερωτηθέντων ως προς το εάν διαθέτουν ιστοσελίδα στην οποία προτείνουν σύγχρονες μεθόδους διδασκαλίας είναι 3% ναι και 97%  όχι

 Διάγραμμα 5: Διαθέτετε ιστοσελίδα στην οποία προτείνετε σύγχρονες μεθόδους διδασκαλία

Όταν λαμβάνετε e-mail με εκπαιδευτικό περιεχόμενο που διαβλέπετε ότι στάλθηκε αυτόματα μετά από παρακολούθηση των διαδικτυακών συνηθειών σας

 Διάγραμμα 5: Όταν λαμβάνετε email με εκπαιδευτικό υλικό τι κάνετε;

Παρατηρούμε ότι ένα μεγάλο ποσοστό εκπαιδευτικών 61%, εμπιστεύεται την λειτουργικότητα του “collaborating filtering”, αποδεχόμενο τα email με εκπαιδευτικό υλικό.

Χρησιμοποιείτε διαδικτυακές προτάσεις ή προτάσεις μέσω email για να επιλέξετε ένα βιβλίο ή ένα θεατρικό

Η κατανομή των ερωτηθέντων ως προς το εάν χρησιμοποιούν διαδικτυακές προτάσεις είναι 43% ναι και 57% όχι

Πίνακας 5: Κατανομή των ερωτηθέντων ως προς το εάν χρησιμοποιούν διαδικτυακές προτάσεις

Παρατηρούμε ότι ένα ποσοστό εκπαιδευτικών της τάξεως 57%, εμπιστεύονται τις δικτυακές προτάσεις και επιλέγουν εκπαιδευτικό υλικό (λειτουργικότητα του “ collaborating filtering ”).

Κάνετε ποτέ κλικ σε διαφήμισης του Google που σας οδήγησε τελικά στην αποκάλυψη μιας νέας εκπαιδευτικής μεθόδου ή ενός ενδιαφέροντος θέματος;

Η κατανομή των ερωτηθέντων ως προς το εάν κάνετε ποτέ κλικ σε διαφήμιση του Google που σας οδήγησε τελικά στην αποκάλυψη μιας νέας εκπαιδευτικής μεθόδου είναι 58% ναι και 42% όχι

Πίνακας 6: Κατανομή των ερωτηθέντων ως προς το εάν έχουν ανακαλύψει μια νέα εκπαιδευτική μέθοδο μέσω διαφήμισης στο Google

Παρατηρούμε ότι ένα ποσοστό εκπαιδευτικών της τάξεως 58%, ανακάλυψαν μια εκπαιδευτική μέθοδο μέσω ηλεκτρονικής διαφήμισης.

Το παραπάνω είναι μια εφαρμογή του “ collaborating filtering ” στους εκπαιδευτικούς χρήστες.

Επηρεαστήκατε κάποια φορά από τις συζητήσεις ενός forum για να εφαρμόσετε μια νέα μέθοδο ή ένα καινούργιο σύστημα

Η κατανομή των ερωτηθέντων ως προς το εάν επηρεαστήκατε κάποια φορά από τις συζητήσεις ενός forum για να εφαρμόσετε μια νέα μέθοδο είναι 5% ναι και 95% όχι

Πίνακας 7: Επηρεαστήκατε κάποια φορά από τις συζητήσεις ενός forum για να εφαρμόσετε μια νέα μέθοδο

Το ποσοστό είναι πολύ μεγάλο 95%, λόγω του ότι μεγάλο ποσοστό των εκπαιδευτικών δεν συμμετέχουν σε forum.

Κατεβάσατε ποτέ ένα θεατρικό ή ένα σχέδιο μαθήματος ή μουσική τα οποία χρησιμοποιήσατε στην τάξη

Η κατανομή των ερωτηθέντων ως προς το εάν κατεβάσατε ποτέ εκπαιδευτικό υλικό που χρησιμοποιήσατε στην τάξη είναι 49% ναι και 51% όχι

Πίνακας 8: Κατεβάσατε ποτέ εκπαιδευτικό υλικό που χρησιμοποιήσατε στην τάξη

Παρατηρούμε ότι το ποσοστό των εκπαιδευτικών είναι μοιρασμένο στο να χρησιμοποιεί εκπαιδευτικό υλικό στην τάξη, λαμβάνοντάς το από το διαδύκτυο (λειτουργικότητα του “ collaborating filtering ”).

•                     Συμπεριφορά αγοράς βάσει της ‘γνώσης για την αγορά του συγκεκριμένου προϊόντος ή υπηρεσίας’ από άλλους

Έχετε αγοράσει βιβλίο ή άλλο προϊόν από ηλεκτρονικό κατάστημα

Η κατανομή των ερωτηθέντων ως προς το εάν έχουν αγοράσει βιβλίο ή άλλο προϊόν από ηλεκτρονικό κατάστημα είναι 62% ναι και 38% όχι

Πίνακας 9: Κατεβάσατε ποτέ εκπαιδευτικό υλικό που χρησιμοποιήσατε στην τάξη

Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν αγόρασαν και....” ή κάποια παρόμοια

Η κατανομή των ερωτηθέντων ως προς το εάν επηρεαστήκανε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν αγόρασαν και....” ή κάποια παρόμοια είναι 47% ναι και 53% όχι

 

Πίνακας 10: Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν αγόρασαν και....” ή κάποια παρόμοια

Το παραπάνω είναι μια εφαρμογή του “ collaborating filtering ” στους χρήστες - εκπαιδευτικούς 

Γενικές ερωτήσεις

Θεωρείτε ότι οι μέθοδοι παρακολούθησης των προτιμήσεών σας και των ιστοσελίδων που επισκέπτεστε, προσβάλλουν την ιδιωτικότητά σας

Η κατανομή των ερωτηθέντων ως προς το εάν οι μέθοδοι παρακολούθησης των προτιμήσεών τους κα των ιστοσελίδων που επισκέπτονται, προσβάλλουν την ιδιωτικότητά τους είναι 64% ναι και 36% όχι

Πίνακας 12: Θεωρείτε ότι οι μέθοδοι παρακολούθησης των προτιμήσεών σας κα των ιστοσελίδων που επισκέπτεστε, προσβάλλουν την ιδιωτικότητά σας

Παρατηρούμε ότι το μεγαλύτερο ποσοστό των εκπαιδευτικών 64% δεν θεωρούν ότι προσβάλλεται η ιδιωτικότητά τους από τις μεθόδους παρακολούθησης των προτιμήσεών τους και των ιστοσελίδων που επισκέπτονται. Το εύρημα είναι εντυπωσιακό αν συγκριθεί με τον γενικότερο πληθυσμό των χρηστών του διαδικτύου οι οποίοι πιστεύουν ότι προσβάλλεται η ιδιωτικότητά τους.

Πώς ενημερώνεστε για τις εξελίξεις στον εκπαιδευτικό τομέα;

15.ΕΡΩΤΗΣΗ
ΠΟΣΟΣΤΑ % ΑΝΑ ΑΠΑΝΤΗΣΗ
Μέσω σεμιναρίων	Μέσω προσωπικής έρευνας	Δεν ενδιαφέρομαι για τις εξελίξεις	Μέσω του τύπου ή/και των εγκυκλίων της υπηρεσίας
Ενημερώνεστε για τις εξελίξεις στον εκπαιδευτικό τομέα
23%	53%	5%	19%

 Διάγραμμα 13: Ενημερώνεστε για τις εξελίξεις στον εκπαιδευτικό τομέα

Για να επιλέξετε ένα σεμινάριο

 Διάγραμμα 14: Για να επιλέξετε ένα σεμινάριο

Tι ποσοστό του πληθυσμού στη χώρα μας πιστεύετε ότι αφορά η δια βίου μάθηση

 Παρατηρούμε από την απάντηση της ερώτησης ότι όλο το δείγμα των ερωτηθέντων, θεωρούν ότι η δια βίου μάθηση στην χώρα μας είναι απαραίτητη.

Εκπαίδευση – εμπλουτισμός γνώσεων μέσω διαδικτύου

Παρακολουθείτε κάποιο πρόγραμμα e-learning

Η κατανομή των ερωτηθέντων ως προς το εάν παρακολουθούν κάποιο πρόγραμμα e-learning είναι 5% ναι και 95% όχι

 

Πίνακας 13: Παρακολουθείτε κάποιο πρόγραμμα e-learning

Παρατηρούμε ότι η τάση του σώματος των εκπαιδευτικών ως προς την εξ αποστάσεως ηλεκτρονική μάθηση, είναι αρνητική (95%).

Πιστεύετε ότι οι ευκαιρίες αυτομόρφωσης μέσω διαδικτύου μπορούν να βελτιώσουν το επίπεδο ζωής

Η κατανομή των ερωτηθέντων ως προς το εάν πιστεύουν ότι οι ευκαιρίες αυτομόρφωσης μέσω διαδικτύου μπορούν να βελτιώσουν το επίπεδο ζωής είναι 96% ναι και 4% όχι

Πίνακας 14: Πιστεύετε ότι οι ευκαιρίες αυτομόρφωσης μέσω διαδικτύου μπορούν να βελτιώσουν το επίπεδο ζωής

Παρατηρούμε ότι σχεδόν όλοι (96%) πιστεύουν ότι βελτιώνεται το επίπεδο ζωής με τις ευκαιρίες αυτομόρφωσης μέσω διαδικτύου, αλλά από την απάντηση τους, στην ερώτηση 17, βλέπουμε ότι δεν το υλοποιούν (95%)

Θα σας ενδιέφερε να παρακολουθήσετε μια διαδικτυακή σειρά μαθημάτων σε ένα συγκεκριμένο αντικείμενο

Η κατανομή των ερωτηθέντων ως προς το εάν θα τους ενδιέφερε να παρακολουθήσουν μια διαδυκτιακή σειρά μαθημάτων σε ένα συγκεκριμένο αντικείμενο είναι 84% ναι και 16% όχι

Πίνακας 15: Θα σας ενδιέφερε να παρακολουθήσετε μια διαδυκτιακή σειρά μαθημάτων σε ένα συγκεκριμένο αντικείμενο

 Ποιος νομίζετε ότι ήταν ο λόγος που δεν ξεκινήσατε μια παρόμοια διαδικασία μέχρι σήμερα

 Διάγραμμα 18: Ποιος νομίζετε ότι ήταν ο λόγος που δεν ξεκινήσατε μια παρόμοια διαδικασία μέχρι σήμερα

Ποιο είναι το κριτήριο επιλογής προγράμματος ή μιας υπηρεσίας στο διαδίκτυο

 

 Διάγραμμα 19: Ποιο είναι το κριτήριο επιλογής προγράμματος ή μιας υπηρεσίας στο διαδίκτυο

Παρατηρούμε ότι ένα αρκετά μεγάλο ποσοστό 33% “επηρεάζεται” από την πρόταση των άλλων, για την επιλογή τους για κάποιο πρόγραμμα ή υπηρεσία.

Το παραπάνω είναι μια εφαρμογή του “ collaborating filtering ” στους εκπαιδευτικούς χρήστες.

Σχέση μεταξύ του «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν ...” ή κάποια παρόμοια» και «Φύλο».

Η γενική υπόθεση θα είναι :

Η₀: Δεν υπάρχει σχέση μεταξύ του «Φύλλου» και του «Επηρεαστήκατε για  κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν ...” ή κάποια παρόμοια»

Η₁: Υπάρχει σχέση μεταξύ του «Φύλλου» και του «Επηρεαστήκατε για  κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το  προϊόν ...” ή κάποια παρόμοια»

Πίνακας 16: Σχέση «Φύλου» και «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν αγόρασαν και....” ή κάποια παρόμοια»

 

 Στον πίνακα 16 όπου παρουσιάζονται τα σχετικά αποτελέσματα του ελέγχου, παρατηρούμε ότι η τιμή χ² (Pearson Chi-Square) = 5,491 με 1 βαθμό ελευθερίας και το παρατηρούμενο επίπεδο στατιστικής σημαντικότητας είναι το 0,019.

Επειδή το επίπεδο στατιστικής σημαντικότητας είναι μικρότερο από 0,05 (sig = 0,019 < 0,05) δεν αποδεχόμαστε την μηδενική υπόθεση, οπότε υπάρχει σχέση μεταξύ «Φύλου» και του «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν ...” ή κάποια παρόμοια»

Σχέση μεταξύ του «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν ...” ή κάποια παρόμοια» και «Ηλικία».

Η γενική υπόθεση θα είναι :

Η₀: Δεν υπάρχει σχέση μεταξύ της «Ηλικίας» και του «Επηρεαστήκατε για  κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το  προϊόν ...” ή κάποια παρόμοια»

Η₁: Υπάρχει σχέση μεταξύ της «Ηλικίας» και του «Επηρεαστήκατε για  κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το   προϊόν ...” ή κάποια παρόμοια»

Πίνακας 17: Σχέση «Ηλικίας» και «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν αγόρασαν και....” ή κάποια παρόμοια»

 

 

 Στον πίνακα 17 όπου παρουσιάζονται τα σχετικά αποτελέσματα του ελέγχου, παρατηρούμε ότι η τιμή χ² (Pearson Chi-Square) = 10,076 με 3 βαθμούς ελευθερίας και το παρατηρούμενο επίπεδο στατιστικής σημαντικότητας είναι το 0,018.

Επειδή το επίπεδο στατιστικής σημαντικότητας είναι μικρότερο από 0,05 (sig = 0,018 < 0,05) δεν αποδεχόμαστε την μηδενική υπόθεση, οπότε υπάρχει σχέση μεταξύ «Ηλικίας» και του «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν ...” ή κάποια παρόμοια»

Ο σκοπός της έρευνας να εξάγει συμπεράσματα για την αξιοποίηση του “collaborating filtering στην διαχείριση γνώσης στον εκπαιδευτικό κόσμο μέσα από τις ηλεκτρονικές συμπεριφορές των εκπαιδευτικών και συμπεράσματα ως προς την εκπαίδευση – εμπλουτισμό γνώσεων μέσω του διαδυκτύου.

Η έρευνα πραγματοποιήθηκε σε ένα δείγμα με 100 εκπαιδευτικούς με μέση ηλικία 29 έτη, όπου υπερισχύον, ο γυναικείος πληθυσμός, και οι εκπαιδευτικοί της δευτεροβάθμιας εκπαίδευσης..

Αξίζει να σημειωθεί ότι 88% των ερωτηθέντων δεν έχουν στείλει κάποια φορά σχόλιο σε εκπαιδευτικό forum με αποτέλεσμα να μην μεταφέρονται απόψεις, ιδέες, προβληματισμοί και γνώση μεταξύ των εκπαιδευτικών.

Παρατηρούμε ότι ένα μεγάλο ποσοστό εκπαιδευτικών 61%, εμπιστεύεται την λειτουργικότητα του “collaborating filtering”, αποδεχόμενο τα email με εκπαιδευτικό υλικό και ένα ποσοστό εκπαιδευτικών της τάξεως 57%, εμπιστεύονται τις δικτυακές προτάσεις και επιλέγουν εκπαιδευτικό υλικό (λειτουργικότητα του “ collaborating filtering ”). Επίσης το 33% “επηρεάζεται” από την πρόταση των άλλων, για την επιλογή τους για κάποιο πρόγραμμα ή υπηρεσία.

Τα παραπάνω αποτυπώνουν την αξιοποίηση του “ collaborating filtering ” στους εκπαιδευτικούς χρήστες.

Ένα ποσοστό εκπαιδευτικών της τάξεως 58%, ανακάλυψαν μια εκπαιδευτική μέθοδο μέσω ηλεκτρονικής διαφήμισης. (εφαρμογή του “ collaborating filtering ”)

Εντύπωση προκαλεί το μεγάλο ποσοστό 95% των εκπαιδευτικών που δεν συμμετέχουν σε εκπαιδευτικά forum.

Το ποσοστό των εκπαιδευτικών είναι μοιρασμένο στο να χρησιμοποιεί εκπαιδευτικό υλικό στην τάξη, λαμβάνοντάς το από το διαδύκτυο (λειτουργικότητα του “collaborating filtering”).

Αξίζει να σημειωθεί ότι το μεγαλύτερο ποσοστό των εκπαιδευτικών 64% δεν θεωρούν ότι προσβάλλεται η ιδιωτικότητά τους από τις μεθόδους παρακολούθησης των προτιμήσεών τους και των ιστοσελίδων που επισκέπτονται ενώ αντίθετα βάση έρευνας το ποσοστό των χρηστών του διαδικτύου, που θεωρούν ότι προσβάλλεται η ιδιωτικότητά τους είναι της τάξεως (82%)

Για την δια βίου μάθηση στην χώρα μας όλο το δείγμα των ερωτηθέντων, πιστεύει ότι το ποσοστό του πληθυσμού που αφορά κυμαίνεται απο 0-30%.

Εντύπωση μας προκάλεσε η αρνητική τάση του σώματος των εκπαιδευτικών ως προς την εξ αποστάσεως ηλεκτρονική μάθηση (95%) σε αντίθεση με το ποσοστό (96%) που πιστεύει ότι βελτιώνεται το επίπεδο ζωής με τις ευκαιρίες αυτομόρφωσης μέσω διαδικτύου. (αντίφαση)

Όσον αφορά τους παράγοντες ηλικία, φύλλο επηρεάζουν την αγορά εκπαιδευτικού υλικού από το «Επηρεαστήκατε για κάποια αγορά σας από την ένδειξη : “άλλοι χρήστες που αγόρασαν αυτό το προϊόν ...” ή κάποια παρόμοια»

Οι κυριότερος περιορισμός της έρευνας ήταν ο περιορισμένος αριθμητικά πληθυσμός του δείγματος,

Πιστεύουμε εκ των υστέρων ότι οι ερωτήσεις δεν βοήθησαν να έχουμε ολοκληρωμένη άποψη για την αξιοποίηση του collaborating Filtering σε εφαρμογές διαχείρισης γνώσης για το χώρο της εκπαίδευσης και θα ήταν σημαντικό να ενσωματωθούν στο ερωτηματολόγιο ερωτήσεις, οι οποίες θα προέλθουν από την πλήρη κατανόηση της θεωρίας αφενός μεν collaborating Filtering και αφετέρου της διαχείρισης γνώσης στον εκπαιδευτικό τομέα

Κλείνοντας, με ανάλογη έρευνα και με την προσθήκη νέων ερωτήσεων θα μπορέσουμε να εξάγουμε πιο ολοκληρωμένα συμπεράσματα.

Anderson T., 2006, Distance learning: Social software’s killer ap, ανακτήθηκε την 5-11-10 από citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.95.630&rep=rep1 &type=pdf

Bielaczyc K., & Collins A., 1999, Learning Communities in Classrooms: A reconceptualization of educational practice. Στο C.M. Reigeluth, Instructional-design theories and models; A new paradigm of instructional theory. σελ 269-272, Mahwah NJQ Lawrence Erlbaum.

Cohen, W., W., 2008, Collaborative Filtering: A Tutorial

Harvey, F. A. & Charnitski, C.W., (2003). Vygotsky revisited: The relevance of Vygotsky’s theories for 21st century technology-rich education. Fourteenth International Conference of the Society for Information Technology and Teacher Education (SITE), Albuquerque, NM March 25-29, 2003.

Juha Takkinen, 1994, Delegation of Tasks and Dissemination of Information in Organizations: Restructuring Internet E-Mail for Doing Things

Keenoy, Κ., 2004 Collaborative trails and group profiling within an e-Learning environment. ανακτήθηκε την 5-11-10 από www.noe-kaleidoscope.org/intra/docs/full_deliverables/D22-04-02-F.pdf

Koren, Y., 2009, Factor in the Neighbors: Scalable and Accurate Collaborative Filtering research.yahoo.com/files/paper.pdf

Lemire D., Maclachlan A., 2007, Slope One Predictors for Online Rating-Based Collaborative Filtering ανακτήθηκε την 2-11-10 από arxiv.org/pdf/cs/0702144v2

Manouselis, N., Costopoulou C., 2008, Overview of design opions for neighborhood based collaborative filtering systems στο A. Dahanayake & N. Chen (Eds) Personalised Information Retrieval and Access: Concept, Methods and Practices, Hershey, PA: Idea Group Publishing

Taghi, S., X. 2009, Advances in Artificial Intelligence, Hindawi Publishing Corporation, Volume 2009, ανακτήθηκε την 3-11-10 από portal.acm.org/ft_gateway.cfm? id=1644718&type=pdf

Takkinen, J., 1994, A Model with Three Different States of Mind for a User to Manage Information in Electronic Mail ανακτήθηκε την 5-11-10 από etjanst.hb.se/bhs /ith// v98/takkinen.doc

Vucetic Sl, Obradovic Z., (2004), Collaborative Filtering Using a Regression-Based Approach, ανακτήθηκε την 2-11-10 από citeseerx.ist.psu.edu/viewdoc/download ?doi=10.1.1.63.9224&rep=rep1&type=pdf

Wagner, Ch., 2004, Wiki: a technology for conversational knowledge management and group collaboration, Communications of the Association for Information Systems (Volume 13, 2004) 265-289

Μπισμπικη E., Μωραϊτη Α., Νικολαϊδη Μ., Ποτμανιδη Ε., 2003 Έρευνα και ταξινόμηση εμπορικών εφαρμογών διαχείρισης γνώσης,

Παρασκευάς Μ., 2008, Συμμετοχικές υπηρεσίες και διαδικτυακές εκπαιδευτικές κοινότητες στο Πανελλήνιο Σχολικό Δίκτυο, Ερευνητικό Ακαδημαϊκό Ινστιτούτο Τεχνολογίας Υπολογιστών Athens Digital Week