{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2836749"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2836749","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Υπολογιστική Ανάλυση της Εσωτερικής Αύξησης στα Σύνθετα Ρήματα με Προθέσεις","abstract":"Η παρούσα διπλωματική εργασία εστιάζει στην εσωτερική αύξηση των σύνθετων ρημάτων με προθέσεις στα Νέα Ελληνικά. Η βασική υπόθεση της εργασίας είναι ότι υψηλό ποσοστό των φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η παρουσία της εσωτερικής αύξησης είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Προκειμένου να ελεγχθεί η εν λόγω υπόθεση, αναπτύχθηκε ένα υπολογιστικό μοντέλο με τη χρήση της γλώσσας προγραμματισμού Python. Το συγκεκριμένο μοντέλο λειτουργεί ως εξής: ζητάει από τον χρήστη να εισαγάγει μία πρόταση που να περιέχει σύνθετο ρήμα με πρόθεση στο τρίτο πρόσωπο ενικού αριθμού οριστικής αορίστου ή στο δεύτερο πρόσωπο ενικού αριθμού προστακτικής αορίστου. Στη συνέχεια, το μοντέλο ενημερώνει τον χρήστη εάν η πρόταση που εισήγαγε είναι γραμματικά αποδεκτή ή όχι. Σε περίπτωση που δεν είναι, το μοντέλο παρέχει στον χρήστη τη σωστή πρόταση, αντικαθιστώντας τον λανθασμένο ρηματικό τύπο με τον σωστό (αφαιρώντας ή προσθέτοντας την εσωτερική αύξηση). Σε επόμενο στάδιο, πραγματοποιήθηκαν δοκιμές του μοντέλου στις οποίες συμμετείχαν 20 φυσικοί ομιλητές της Ελληνικής. Κάθε ομιλητής/ομιλήτρια εισήγαγε 10 προτάσεις στο πρόγραμμα, επομένως, ο συνολικός αριθμός των προτάσεων ανέρχεται στις 200. Το ποσοστό επιτυχίας του μοντέλου ανέρχεται στο 73% και αφορά τις περιπτώσεις που παρουσίασε τις γραμματικά αποδεκτές προτάσεις ως ορθές και τις γραμματικά μη αποδεκτές προτάσεις ως λανθασμένες. Όσον αφορά την αρχική υπόθεση, τα αποτελέσματα των δοκιμών την επιβεβαιώνουν ως έναν βαθμό, διότι το 34,5% των προτάσεων που εισήγαγαν οι ομιλητές δεν ήταν γραμματικά αποδεκτό. Το ποσοστό αυτό δείχνει ότι ένας σημαντικός αριθμός φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η εσωτερική αύξηση είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Πέρα από την εξέταση της αρχικής υπόθεσης, το εν λόγω υπολογιστικό μοντέλο αναπτύχθηκε και για εκπαιδευτικούς σκοπούς. Για την ακρίβεια, θα μπορούσε να χρησιμοποιηθεί από μαθητές σε εκπαιδευτικά πλαίσια ή από ενήλικες που μαθαίνουν την Ελληνική ως ξένη γλώσσα, προκειμένου να τους βοηθήσει να διακρίνουν τις περιπτώσεις στις οποίες η εσωτερική αύξηση θα πρέπει να περιληφθεί και τις περιπτώσεις στις οποίες θα πρέπει να παραλειφθεί.","abstract_html":"Η παρούσα διπλωματική εργασία εστιάζει στην εσωτερική αύξηση των σύνθετων ρημάτων με προθέσεις στα Νέα Ελληνικά. Η βασική υπόθεση της εργασίας είναι ότι υψηλό ποσοστό των φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η παρουσία της εσωτερικής αύξησης είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Προκειμένου να ελεγχθεί η εν λόγω υπόθεση, αναπτύχθηκε ένα υπολογιστικό μοντέλο με τη χρήση της γλώσσας προγραμματισμού Python. Το συγκεκριμένο μοντέλο λειτουργεί ως εξής: ζητάει από τον χρήστη να εισαγάγει μία πρόταση που να περιέχει σύνθετο ρήμα με πρόθεση στο τρίτο πρόσωπο ενικού αριθμού οριστικής αορίστου ή στο δεύτερο πρόσωπο ενικού αριθμού προστακτικής αορίστου. Στη συνέχεια, το μοντέλο ενημερώνει τον χρήστη εάν η πρόταση που εισήγαγε είναι γραμματικά αποδεκτή ή όχι. Σε περίπτωση που δεν είναι, το μοντέλο παρέχει στον χρήστη τη σωστή πρόταση, αντικαθιστώντας τον λανθασμένο ρηματικό τύπο με τον σωστό (αφαιρώντας ή προσθέτοντας την εσωτερική αύξηση). Σε επόμενο στάδιο, πραγματοποιήθηκαν δοκιμές του μοντέλου στις οποίες συμμετείχαν 20 φυσικοί ομιλητές της Ελληνικής. Κάθε ομιλητής/ομιλήτρια εισήγαγε 10 προτάσεις στο πρόγραμμα, επομένως, ο συνολικός αριθμός των προτάσεων ανέρχεται στις 200. Το ποσοστό επιτυχίας του μοντέλου ανέρχεται στο 73% και αφορά τις περιπτώσεις που παρουσίασε τις γραμματικά αποδεκτές προτάσεις ως ορθές και τις γραμματικά μη αποδεκτές προτάσεις ως λανθασμένες. Όσον αφορά την αρχική υπόθεση, τα αποτελέσματα των δοκιμών την επιβεβαιώνουν ως έναν βαθμό, διότι το 34,5% των προτάσεων που εισήγαγαν οι ομιλητές δεν ήταν γραμματικά αποδεκτό. Το ποσοστό αυτό δείχνει ότι ένας σημαντικός αριθμός φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η εσωτερική αύξηση είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Πέρα από την εξέταση της αρχικής υπόθεσης, το εν λόγω υπολογιστικό μοντέλο αναπτύχθηκε και για εκπαιδευτικούς σκοπούς. Για την ακρίβεια, θα μπορούσε να χρησιμοποιηθεί από μαθητές σε εκπαιδευτικά πλαίσια ή από ενήλικες που μαθαίνουν την Ελληνική ως ξένη γλώσσα, προκειμένου να τους βοηθήσει να διακρίνουν τις περιπτώσεις στις οποίες η εσωτερική αύξηση θα πρέπει να περιληφθεί και τις περιπτώσεις στις οποίες θα πρέπει να παραλειφθεί.","abstract_has_math":false,"creators":["Λώμης Κωνσταντίνος","Lomis Konstantinos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:33:02Z","subjects":["Γλώσσα – Λογοτεχνία","Language – Literature"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2836749"],"render_values":[{"text":"uoadl:2836749","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2836749","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2836749","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2836749","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Λώμης Κωνσταντίνος","Lomis Konstantinos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Γλώσσα – Λογοτεχνία","Language – Literature"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2836749","https://pergamos.lib.uoa.gr/uoa/dl/object/2836749"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εστιάζει στην εσωτερική αύξηση των σύνθετων ρημάτων με προθέσεις στα Νέα Ελληνικά. Η βασική υπόθεση της εργασίας είναι ότι υψηλό ποσοστό των φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η παρουσία της εσωτερικής αύξησης είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Προκειμένου να ελεγχθεί η εν λόγω υπόθεση, αναπτύχθηκε ένα υπολογιστικό μοντέλο με τη χρήση της γλώσσας προγραμματισμού Python. Το συγκεκριμένο μοντέλο λειτουργεί ως εξής: ζητάει από τον χρήστη να εισαγάγει μία πρόταση που να περιέχει σύνθετο ρήμα με πρόθεση στο τρίτο πρόσωπο ενικού αριθμού οριστικής αορίστου ή στο δεύτερο πρόσωπο ενικού αριθμού προστακτικής αορίστου. Στη συνέχεια, το μοντέλο ενημερώνει τον χρήστη εάν η πρόταση που εισήγαγε είναι γραμματικά αποδεκτή ή όχι. Σε περίπτωση που δεν είναι, το μοντέλο παρέχει στον χρήστη τη σωστή πρόταση, αντικαθιστώντας τον λανθασμένο ρηματικό τύπο με τον σωστό (αφαιρώντας ή προσθέτοντας την εσωτερική αύξηση). Σε επόμενο στάδιο, πραγματοποιήθηκαν δοκιμές του μοντέλου στις οποίες συμμετείχαν 20 φυσικοί ομιλητές της Ελληνικής. Κάθε ομιλητής/ομιλήτρια εισήγαγε 10 προτάσεις στο πρόγραμμα, επομένως, ο συνολικός αριθμός των προτάσεων ανέρχεται στις 200. Το ποσοστό επιτυχίας του μοντέλου ανέρχεται στο 73% και αφορά τις περιπτώσεις που παρουσίασε τις γραμματικά αποδεκτές προτάσεις ως ορθές και τις γραμματικά μη αποδεκτές προτάσεις ως λανθασμένες. Όσον αφορά την αρχική υπόθεση, τα αποτελέσματα των δοκιμών την επιβεβαιώνουν ως έναν βαθμό, διότι το 34,5% των προτάσεων που εισήγαγαν οι ομιλητές δεν ήταν γραμματικά αποδεκτό. Το ποσοστό αυτό δείχνει ότι ένας σημαντικός αριθμός φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η εσωτερική αύξηση είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Πέρα από την εξέταση της αρχικής υπόθεσης, το εν λόγω υπολογιστικό μοντέλο αναπτύχθηκε και για εκπαιδευτικούς σκοπούς. Για την ακρίβεια, θα μπορούσε να χρησιμοποιηθεί από μαθητές σε εκπαιδευτικά πλαίσια ή από ενήλικες που μαθαίνουν την Ελληνική ως ξένη γλώσσα, προκειμένου να τους βοηθήσει να διακρίνουν τις περιπτώσεις στις οποίες η εσωτερική αύξηση θα πρέπει να περιληφθεί και τις περιπτώσεις στις οποίες θα πρέπει να παραλειφθεί.","This dissertation focuses on the internal augment of Greek verbs with prepositional prefixes. The main hypothesis is that native speakers of Greek confuse, to a great extent, the cases in which the internal augment is necessary with the cases in which it is not. In order to test the above hypothesis, a computational model was developed using the Python programming language. This model asks the user to input a sentence which contains a verb with prepositional prefix in one of the following verb forms: either the third person singular of the aorist indicative or the second person singular of the aorist imperative. Afterwards, the model informs the user whether their sentence is grammatically acceptable or not. If it is not, the model provides the user with the correct sentence by replacing the verb form with the correct one (it either removes or adds the internal augment). Following its development, the model was tested with 20 native speakers of Greek, each of which input 10 sentences to the program giving a total of 200 sentences. The model was successful at a percentage of 73% by presenting the grammatically acceptable sentences as correct and by presenting the grammatically unacceptable sentences as wrong. As for the initial hypothesis, the results support it to some extent since 34,5% of the sentences that the users input was grammatically unacceptable, which shows that there is a significant number of native speakers of Greek who do confuse the cases in which the internal augment is necessary with the cases in which it is not. Apart from testing the initial hypothesis, the computational model was also developed as a tool to be used for educational purposes. More specifically, it can be used by children in the school environment or by adults who are learning Greek as a foreign language in order to help them distinguish the cases in which the internal augment should be included and the cases in which it should not."]},{"key":"dc:title","label":"Title","values":["Υπολογιστική Ανάλυση της Εσωτερικής Αύξησης στα Σύνθετα Ρήματα με Προθέσεις"]}]}],"canonical_facts":{"dc:creator":["Λώμης Κωνσταντίνος","Lomis Konstantinos"],"dc:date":["2018"],"dc:description":["Η παρούσα διπλωματική εργασία εστιάζει στην εσωτερική αύξηση των σύνθετων ρημάτων με προθέσεις στα Νέα Ελληνικά. Η βασική υπόθεση της εργασίας είναι ότι υψηλό ποσοστό των φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η παρουσία της εσωτερικής αύξησης είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Προκειμένου να ελεγχθεί η εν λόγω υπόθεση, αναπτύχθηκε ένα υπολογιστικό μοντέλο με τη χρήση της γλώσσας προγραμματισμού Python. Το συγκεκριμένο μοντέλο λειτουργεί ως εξής: ζητάει από τον χρήστη να εισαγάγει μία πρόταση που να περιέχει σύνθετο ρήμα με πρόθεση στο τρίτο πρόσωπο ενικού αριθμού οριστικής αορίστου ή στο δεύτερο πρόσωπο ενικού αριθμού προστακτικής αορίστου. Στη συνέχεια, το μοντέλο ενημερώνει τον χρήστη εάν η πρόταση που εισήγαγε είναι γραμματικά αποδεκτή ή όχι. Σε περίπτωση που δεν είναι, το μοντέλο παρέχει στον χρήστη τη σωστή πρόταση, αντικαθιστώντας τον λανθασμένο ρηματικό τύπο με τον σωστό (αφαιρώντας ή προσθέτοντας την εσωτερική αύξηση). Σε επόμενο στάδιο, πραγματοποιήθηκαν δοκιμές του μοντέλου στις οποίες συμμετείχαν 20 φυσικοί ομιλητές της Ελληνικής. Κάθε ομιλητής/ομιλήτρια εισήγαγε 10 προτάσεις στο πρόγραμμα, επομένως, ο συνολικός αριθμός των προτάσεων ανέρχεται στις 200. Το ποσοστό επιτυχίας του μοντέλου ανέρχεται στο 73% και αφορά τις περιπτώσεις που παρουσίασε τις γραμματικά αποδεκτές προτάσεις ως ορθές και τις γραμματικά μη αποδεκτές προτάσεις ως λανθασμένες. Όσον αφορά την αρχική υπόθεση, τα αποτελέσματα των δοκιμών την επιβεβαιώνουν ως έναν βαθμό, διότι το 34,5% των προτάσεων που εισήγαγαν οι ομιλητές δεν ήταν γραμματικά αποδεκτό. Το ποσοστό αυτό δείχνει ότι ένας σημαντικός αριθμός φυσικών ομιλητών της Ελληνικής συγχέει τις περιπτώσεις στις οποίες η εσωτερική αύξηση είναι απαραίτητη με τις περιπτώσεις στις οποίες δεν είναι απαραίτητη. Πέρα από την εξέταση της αρχικής υπόθεσης, το εν λόγω υπολογιστικό μοντέλο αναπτύχθηκε και για εκπαιδευτικούς σκοπούς. Για την ακρίβεια, θα μπορούσε να χρησιμοποιηθεί από μαθητές σε εκπαιδευτικά πλαίσια ή από ενήλικες που μαθαίνουν την Ελληνική ως ξένη γλώσσα, προκειμένου να τους βοηθήσει να διακρίνουν τις περιπτώσεις στις οποίες η εσωτερική αύξηση θα πρέπει να περιληφθεί και τις περιπτώσεις στις οποίες θα πρέπει να παραλειφθεί.","This dissertation focuses on the internal augment of Greek verbs with prepositional prefixes. The main hypothesis is that native speakers of Greek confuse, to a great extent, the cases in which the internal augment is necessary with the cases in which it is not. In order to test the above hypothesis, a computational model was developed using the Python programming language. This model asks the user to input a sentence which contains a verb with prepositional prefix in one of the following verb forms: either the third person singular of the aorist indicative or the second person singular of the aorist imperative. Afterwards, the model informs the user whether their sentence is grammatically acceptable or not. If it is not, the model provides the user with the correct sentence by replacing the verb form with the correct one (it either removes or adds the internal augment). Following its development, the model was tested with 20 native speakers of Greek, each of which input 10 sentences to the program giving a total of 200 sentences. The model was successful at a percentage of 73% by presenting the grammatically acceptable sentences as correct and by presenting the grammatically unacceptable sentences as wrong. As for the initial hypothesis, the results support it to some extent since 34,5% of the sentences that the users input was grammatically unacceptable, which shows that there is a significant number of native speakers of Greek who do confuse the cases in which the internal augment is necessary with the cases in which it is not. Apart from testing the initial hypothesis, the computational model was also developed as a tool to be used for educational purposes. More specifically, it can be used by children in the school environment or by adults who are learning Greek as a foreign language in order to help them distinguish the cases in which the internal augment should be included and the cases in which it should not."],"dc:identifier":["uoadl:2836749","https://pergamos.lib.uoa.gr/uoa/dl/object/2836749"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Γλώσσα – Λογοτεχνία","Language – Literature"],"dc:title":["Υπολογιστική Ανάλυση της Εσωτερικής Αύξησης στα Σύνθετα Ρήματα με Προθέσεις"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:33:02Z"}