18480 research outputs found
Sort by
Συγκρούσεις στους οργανισμούς : Αιτίες και συνέπειες
No full textΗ παρούσα διπλωματική εργασία επικεντρώνεται στις συγκρούσεις εντός των οργανισμών, διερευνώντας τις αιτίες, τις μορφές και τις συνέπειές τους, καθώς και τις στρατηγικές διαχείρισης και επίλυσής τους. Η επιλογή του θέματος προέκυψε από το έντονο προσωπικό ενδιαφέρον για τη δυναμική των ανθρώπινων σχέσεων στο εργασιακό περιβάλλον και την ανάγκη ενίσχυσης της ψυχολογικής ευημερίας και συνεργασίας των εργαζομένων. Οι περιορισμοί της μελέτης εντοπίζονται κυρίως στην έλλειψη πρωτογενούς εμπειρικής έρευνας και στη συγκέντρωση της ανάλυσης σε ψυχοκοινωνικές παραμέτρους, αφήνοντας εκτός πιο τεχνικές ή νομικές προσεγγίσεις. Η εργασία αξιοποιεί συστηματική βιβλιογραφική ανασκόπηση, με χρήση 82 επιστημονικών άρθρων. Καταγράφονται οι κυριότερες θεωρητικές προσεγγίσεις και κατηγοριοποιούνται οι συγκρούσεις σε διαπροσωπικές, ομαδικές και οργανωσιακές, με ιδιαίτερη έμφαση στη σύνδεσή τους με την οργανωσιακή κουλτούρα, την επαγγελματική ικανοποίηση και την απόδοση. Η εργασία αναδεικνύει τη διττή φύση της σύγκρουσης: ως παράγοντας ρίσκου όταν παραμένει ανεξέλεγκτη, αλλά και ως ευκαιρία εξέλιξης όταν διαχειρίζεται κατάλληλα. Η διεξαγωγή της έρευνας συνοδεύτηκε από δυσκολίες όπως η επιλογή έγκυρων και συναφών πηγών μέσα από ένα μεγάλο όγκο βιβλιογραφίας, καθώς και ο εννοιολογικός συγκερασμός διαφορετικών θεωρητικών προσεγγίσεων. Παρά τις προκλήσεις, η εργασία αναδεικνύει ότι οι συγκρούσεις, όταν αντιμετωπίζονται αποτελεσματικά, μπορούν να αποτελέσουν μοχλό καινοτομίας και ευημερίας στο εργασιακό περιβάλλον.Complete
Τεχνητή Νοημοσύνη: Το πως επηρεάζει στον χώρο της εστίασης, την εξυπηρέτηση και εμπειρία πελατών
No full textArtificial Intelligence (AI) has emerged as one of the most innovative technologies significantly transforming the hospitality industry, shaping new prospects for customer service and experience in the restaurant sector. The purpose of this study is to explore the role of AI in enhancing service quality and customer interactions within this domain. The research examines AI applications in service automation, personalized customer experiences, and operational efficiency in restaurant businesses.
This study employs a qualitative methodology, utilizing semi-structured interviews with two participant groups: restaurant industry professionals and AI and technology experts. Data was collected to capture both the practical experiences of restaurant managers and owners and the technical capabilities offered by AI applications. Thematic analysis was used to identify key trends and challenges associated with AI adoption in the restaurant industry.
Findings indicate that AI plays a crucial role in improving customer experience by enabling service personalization through data analysis and predictive models. Additionally, automation of processes such as reservations, payments, and inventory management enhances business efficiency. However, significant challenges were also identified, including high implementation costs, technological dependence, and ethical concerns regarding workforce replacement. Despite these challenges, most participants acknowledge AI as a valuable tool for increasing competitiveness in the restaurant industry, provided it is implemented in a way that maintains the importance of human interaction.Η τεχνητή νοημοσύνη (Τ.Ν.) έχει αναδειχθεί ως μία από τις πλέον καινοτόμες τεχνολογίες που επηρεάζουν σημαντικά τη βιομηχανία φιλοξενίας, διαμορφώνοντας νέες προοπτικές στην εξυπηρέτηση και την εμπειρία των πελατών στον χώρο της εστίασης. Σκοπός της παρούσας έρευνας είναι να διερευνήσει τον ρόλο της Τ.Ν. στη βελτίωση της ποιότητας των υπηρεσιών και των διαδραστικών εμπειριών των καταναλωτών στον συγκεκριμένο τομέα. Εξετάζονται οι εφαρμογές της Τ.Ν. στην αυτοματοποίηση των υπηρεσιών, την εξατομίκευση της εξυπηρέτησης και τη βελτίωση της λειτουργικής αποδοτικότητας των επιχειρήσεων εστίασης.
Η έρευνα βασίστηκε σε ποιοτική μεθοδολογία, αξιοποιώντας εις βάθος ημι-δομημένες συνεντεύξεις με δύο κατηγορίες συμμετεχόντων: επαγγελματίες εστίασης και ειδικούς στην Τ.Ν. και τις τεχνολογικές εφαρμογές. Συγκεντρώθηκαν δεδομένα που αφορούν τόσο την πρακτική εμπειρία των επιχειρηματιών και των διαχειριστών εστιατορίων όσο και τις τεχνικές δυνατότητες που προσφέρει η Τ.Ν. Η ανάλυση πραγματοποιήθηκε μέσω θεματικής ανάλυσης, επιτρέποντας την κατανόηση των κυρίαρχων τάσεων και προκλήσεων που σχετίζονται με την ενσωμάτωση αυτών των τεχνολογιών στον τομέα της εστίασης.
Τα αποτελέσματα της μελέτης δείχνουν ότι η Τ.Ν. συμβάλλει καθοριστικά στη βελτίωση της εμπειρίας των πελατών, επιτρέποντας την εξατομίκευση των υπηρεσιών μέσω ανάλυσης δεδομένων και προγνωστικών μοντέλων. Επιπλέον, η αυτοματοποίηση λειτουργιών, όπως οι κρατήσεις, οι πληρωμές και η διαχείριση αποθεμάτων, αυξάνει την αποδοτικότητα των επιχειρήσεων. Ωστόσο, η έρευνα εντοπίζει και σημαντικές προκλήσεις, όπως το υψηλό κόστος υιοθέτησης, η τεχνολογική εξάρτηση και οι ηθικές ανησυχίες σχετικά με την αντικατάσταση του ανθρώπινου δυναμικού. Παρά τις προκλήσεις αυτές, η πλειοψηφία των συμμετεχόντων αναγνωρίζει την αξία της Τ.Ν. ως εργαλείου που μπορεί να ενισχύσει την ανταγωνιστικότητα των επιχειρήσεων εστίασης, αρκεί να εφαρμοστεί με τρόπο που διατηρεί τη σημασία της ανθρώπινης αλληλεπίδρασης.Complete
Διερεύνηση της βίας στον χώρο εργασίας και της ανθεκτικότητας σε νοσηλευτές/τριες των δημοσίων Τμήμα Ατυχημάτων και Επειγόντων Περιστατικών της Κυπριακής Δημοκρατίας
No full textΗ βία στον χώρο εργασίας παραμένει ένας σημαντικός επαγγελματικός ψυχοκοινωνικός κίνδυνος για τους/τις νοσηλευτές/τριες που εργάζονται στα τμήματα ατυχημάτων και επειγόντων περιστατικών (ΤΑΕΠ).
Διερεύνηση των χαρακτηριστικών της βίας σε νοσηλευτές/τριες σε δημόσια ΤΑΕΠ, και των σχέσεων με την αυτο-αντιλαμβανόμενη ανθεκτικότητα, κοινωνικο-δημογραφικούς και επαγγελματικούς παράγοντες.
Συμμετείχαν νοσηλευτές/τριες των ΤΑΕΠ που εργάζονται σε όλα τα δημόσια νοσοκομεία της Κυπριακής Δημοκρατίας (ΚΔ). Μετά τη λήψη ενημερωμένης συγκατάθεσης, τα δεδομένα συλλέχθηκαν χρησιμοποιώντας απογραφική δειγματοληψία (Ιανουάριος - Ιούνιος 2024) μέσω των δύο ερωτηματολογίων QuINVIP16 για τη διερεύνηση της βίας στον χώρο εργασίας και CD-RISC-25 για τη διερεύνηση της αυτο-αντιλαμβανόμενης ανθεκτικότητας.Μέλος επιτροπής: Δρ. Χριστιάνα Νικολάου, Επίκουρη Καθηγήτρια, Τμήμα Νοσηλευτικής, Σχολή Επιστημών Υγείας, Τεχνολογικό Πανεπιστήμιο Κύπρου
Μέλος επιτροπής: Δρ. Μαρία Δημητριάδου, Ειδικό Επιστημονικό Προσωπικό, Τμήμα Νοσηλευτικής, Σχολή Επιστημών Υγείας, Τεχνολογικό Πανεπιστήμιο ΚύπρουComplete
Η διαμεσολαβημένη μνήμη και ταυτότητα: Η περίπτωση των νέων Ελληνοκυπρίων μεταξύ 18-30
No full textThe Cyprus Problem has long concerned the academic community and the political sphere, and
still affects the society of Cyprus today. This paper focuses on the case of the younger
generation, examining the factors that mediate memory and how young Greek Cypriot perceive
their identity. The present research is based on a qualitative research of 12 semi-structured
interviews with participants who had to fall within the designated age range. The findings
indicate that the memory of Greek Cypriots is mediated by various factors. One of these is the
educational system, which continues to adopt an ethnocentric approach; however, according to
the data, it does not seem to have the trust of the younger generation. This ethnocentric approach
brings nationalism to the fore and breeds through education the hatred of the “Other”, the enemy,
which in this case is the Turks or Turkish Cypriots. Another key factor that mediates memory is
family narrative, which enjoy a high degree of trust among young people.Το Κυπριακό πρόβλημα είχε απασχολήσει την ακαδημαϊκή κοινότητα και την σφαίρα της
πολιτικής και επηρεάζει ακόμα και σήμερα την κοινωνία της Κύπρου. Αυτή η εργασία εστιάζει
στην περίπτωση της νέας γενιάς, εξετάζοντας από ποιους παράγοντες διαμεσολαβείται η μνήμη,
και πώς οι νέοι Ελληνοκύπριοι αντιλαμβάνονται την ταυτότητά τους. Η παρούσα έρευνα
βασίζεται στην ποιοτική έρευνα με 12 ημιδομημένες συνεντεύξεις, οι συνεντευξιαζόμενοι
έπρεπε να ήταν μέσα στο ηλικιακό πλαίσιο. Τα ευρήματα δείχνουν πως η μνήμη των
Ελληνοκύπριων διαμεσολαβείται από αρκετούς παράγοντες. Ένας εξ αυτών είναι το
εκπαιδευτικό σύστημα το οποίο μέχρι και σήμερα έχει μια εθνοκεντρική στάση. Μέσα, όμως,
από τα δεδομένα δεν φαίνεται να έχει την εμπιστοσύνη της νέας γενιάς. Αυτή η εθνοκεντρική
στάση φέρνει στο προσκήνιο τον εθνικισμό και εκτρέφει μέσα από την παιδεία το μίσος για τον
«Άλλο», τον εχθρό που στην προκειμένη περίπτωση είναι οι Τούρκοι ή οι Τουρκοκύπριοι. Ένας
άλλος βασικός παράγοντας που διαμεσολαβεί την μνήμη είναι οι οικογενειακές αφηγήσεις οι
οποίες κατέχουν την εμπιστοσύνη των νέων.Complete
Τεχνολογικές Επωνυμίες στο Instagram: Μια Πολυτροπική Υπολογιστική Προσέγγιση για Ανάλυση Περιεχομένου
No full textThe primary aim of this study is to examine the images and textual content of Instagram posts shared by the top 20 technological brands and to identify how users respond to this content. Utilizing advanced methods of computer vision, natural language processing (NLP) and large language models (LLMs), the study applies sentiment analysis, emotional analysis and topic modeling to multimodal data. The findings revealed that the cohesive use of emotions, thematic patterns and visual consistency enhances brand recognition and user engagement with the Instagram posts of technological brands.Ο κύριος σκοπός αυτής της έρευνας είναι να μελετήσει τις εικόνες και το κείμενο των αναρτήσεων (posts) στο Instagram των κορυφαίων 20 τεχνολογικών επωνυμιών (technological brands) και να αναγνωρίσει πώς οι χρήστες ανταποκρίνονται σε αυτές τις δημοσιεύσεις. Χρησιμοποιώντας προηγμένες μεθόδους υπολογιστικής όρασης (computer vision), επεξεργασίας φυσικής γλώσσας (NLP) και μεγάλων γλωσσικών μοντέλων (LLM), η έρευνα εφαρμόζει ανάλυση συναισθήματος (sentiment analysis), συναισθηματική ανάλυση (emotional analysis) και μοντελοποίηση θεματολογίας (topic modeling) σε πολυτροπικά δεδομένα (multimodal data). Τα αποτελέσματα της έρευνας ανέδειξαν ότι η συνεκτική χρήση συναισθημάτων, θεματικών μοτίβων και οπτικής συνέπειας ενισχύει την αναγνωρισιμότητα και την αλληλεπίδραση με τις δημοσιεύσεις των τεχνολογικών επωνυμιών στο Instagram.Complete
Πώς μπορεί η τεχνητή νοημοσύνη (AI) να συμβάλει στην ανανέωση και τον εκσυγχρονισμό του Λευκαρίτικου κεντήματος στη σύγχρονη εποχή;
No full textΤα Λευκαρίτικα κεντήματα αποτελούν έναν πολιτισμικό θησαυρό με σημαντική ιστορική και πολιτιστική αξία, ο οποίος έχει καταγραφεί στον Κατάλογο Άυλης Πολιτιστικής Κληρονομιάς της UNESCO. Παρ' όλα αυτά, αυτή η τέχνη αντιμετωπίζει σοβαρές προκλήσεις, κυρίως λόγω της απομάκρυνσης των νεότερων γενιών από τις παραδοσιακές χειροτεχνίες και της σταδιακής μείωσης των τεχνιτών. Η τεχνητή νοημοσύνη, με τη βοήθεια εργαλείων όπως η μηχανική όραση, οι αλγόριθμοι μηχανικής μάθησης και οι ψηφιακές πλατφόρμες, αναδεικνύεται ως μια πολλά υποσχόμενη λύση. Η παρούσα μελέτη διερευνά τον ρόλο της ΤΝ στη διατήρηση και τον εκσυγχρονισμό αυτής της τέχνης, εστιάζοντας στις απόψεις της τελευταίας ενεργής τεχνίτριας των Λευκάρων, μέσω μιας ερευνητικής συνέντευξης.Complete
Oil Spill Detection using Convolutional Neural Networks and Sentinel-1 SAR Imagery
No full textOil spills impose significant environmental challenges, leading to critical consequences for marine ecosystems and sea habitant’s health. Early delineatin and efficient surveillance are absolutely important to prevent more contamination and support quick hazards reduction. This study focuses on detecting oil spills using satellite imagery and deep learning models, specifically Convolutional Neural Networks (CNN). The dataset used to train the CNN comprised 695 images extracted from Sentinel-1 Synthetic Aperture Radar (SAR) data over the Mediterranean Sea. In particular, 486 images (70%) were allocated for training, 139 images (20%) for validation, and 70 images (10%) for testing. Preprocessing involved a thresholding technique to enhance feature extraction and improve classification precision. The CNN model achieved a high test accuracy of 98.57%, with perfect precision (1.0000), recall of 96.43%, and F1 score of 0.9818, demonstrating strong performance and reliability. These high accuracy levels underscore the model’s efficiency in identifying oil spills and its soundness in handling unseen data. The significance of this work is in using satellite-based deep learning models for scalable and automated oil spill detection, therefore providing a reliable and effective substitute for more traditional monitoring systems. The model may be applied over large oceanic areas by using satellite images, thereby supporting marine ecosystem preservation and enhancing environmental risk management connected with oil pollution.The present work was carried out in the framework of the AI-OBSERVERTM project (https://ai-observer.eu/)
titled “Enhancing Earth Observation Capabilities of the Eratosthenes Centre of Excellence on Disaster Risk Reduction through Artificial Intelligence,” that has received funding from the European Union’s Horizon Europe Framework Programme HORIZON-WIDERA-2021-ACCESS-03 (Twinning) under Grant Agreement No 101079468. The authors also acknowledge the ‘EXCELSIOR’: ERATOSTHENES: Excellence Research Centre for Earth Surveillance and Space-Based Monitoring of the Environment H2020 Widespread Teaming project (www.excelsior2020.eu) in which the Eratosthenes CoE has been established. The ‘EXCELSIOR’ project has received
funding from the European Union’s Horizon 2020 research and innovation program under Grant Agreement No. 857510, from
the Government of the Republic of Cyprus through the Directorate General for the European Programmes, Coordination, and
Development and the Cyprus University of Technology
Remote Sensing of Grasslands: Performance Comparison of Radar and Optical Data in Machine Learning Classification
No full textClassification of grasslands has an important role in environmental monitoring, and management. This study compares and evaluates the performance of various machine learning and deep learning algorithms in grassland classification using remote sensing data from Sentinel-1 and Sentinel-2 satellites. Sentinel-1 satellite provide Synthetic Aperture Radar data, which captures structural and moisture-related information. Sentinel-2 captures high-resolution optical images with rich spectral details. Both datasets from Sentinel-1 and Sentinel-2 satellites were used to train and evaluate a variety of machine learning models including Random Forest, Support Vector Machines, Logistic Regression, XGBoost and Deep Neural Networks. The results of this study show that Random Forest performs best on Sentinel-1 data and Neural Networks perform best when it comes to grassland classification using Sentinel-2 data. These results show how important it is to select a model based on the characteristics and the nature of the dataset.This work was partially supported by the European Union’s HORIZON Research and Innovation Programme by the AI-OBSERVER project funded from the European Union’s Horizon Europe Framework Programme HORIZON WIDERA-2021-ACCESS-03 (Twinning) under the Grant Agreement No101079468, and the ‘EXCELSIOR’: ERATOSTHENES: Excellence Research Centre for Earth Surveillance and Space-Based Monitoring of the Environment H2020 Widespread Teaming project (www.excelsior2020.eu). The ‘EXCELSIOR’ project has received funding from the European Union’s Horizon 2020
research and innovation programme under Grant Agreement No 857510, from the Government of the Republic of Cyprus through the Directorate General for the European Programmes, Coordination and Development and the Cyprus University of Technology
3D Research Challenges in Cultural Heritage VI: DigitalTwin versus MemoryTwin
No full textThis book presents a collection of papers focussing on 3D digitisation in the domain of cultural heritage. The use of data acquisition technologies in digitising cultural heritage holds great potential for preserving and disseminating the history of mankind. However, to exploit these opportunities in full, comprehensive guidelines for documenting the process of digitisation are required. Only then can the efficiency and credibility of digital representations be assured
