{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5313409"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5313409","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Η συμβολή της τεχνητής νοημοσύνης και μηχανικής μάθησης στην προσβασιμότητα των ατόμων με προβλήματα όρασης","abstract":"Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη του επιπέδου ικανοποίησης ατόμων με οπτική αναπηρία από την συμβολή της ΑΙ και ΜΜ στην προσβασιμότητά τους. Επιπλέον, αναδεικνύει τα σημαντικότερα χαρακτηριστικά που επηρεάζουν την μεταβλητή στόχο, τα κύρια εμπόδια ενσωμάτωσης των υποστηρικτικών τεχνολογιών και τις μελλοντικές κατευθύνσεις που θα πρέπει να ακολουθήσει η αγορά. Το σύνολο δεδομένων αντλήθηκε μέσω σκόπιμης δειγματοληψίας από ερωτηματολόγιο που απευθυνόταν σε άτομα με απώλεια όρασης άνω των 18 ετών, περιλαμβάνοντας ερωτήσεις κλειστού τύπου και διαβαθμίσεις τύπου Likert. Το τελικό δείγμα ανέρχεται σε 97 παρατηρήσεις και 16 μεταβλητές. Η μελέτη ξεκινάει με το θεωρητικό πλαίσιο όπου αναφέρονται οι βασικοί ορισμοί και παρουσιάζονται οι υπάρχουσες υποστηρικτικές τεχνολογίες. Συνεχίζει με την διερευνητική ανάλυση δεδομένων όπου αποτυπώνονται τα μέτρα θέσης και διασποράς, εξετάζεται η κατανομή και οι συχνότητες των χαρακτηριστικών και αναδύονται οι σχέσεις μεταξύ της μεταβλητής στόχου και των ανεξάρτητων μεταβλητών μέσω συγκριτικής στατιστικής. Επίσης πραγματοποιούνται στατιστικοί έλεγχοι ώστε να εκτιμηθεί η σημαντικότητά τους σε σχέση με το επίπεδο ικανοποίησης. Αναλύονται οι συσχετίσεις μεταξύ χαρακτηριστικών με Cramer's V για την αποφυγή πολυσυγγραμμικότητας και γίνεται ανάλυση σημαντικότητας μεταβλητών για τη βελτιστοποίηση του δεδομένου συνόλου. Τέλος υλοποιούνται τέσσερις αλγόριθμοι: Λογιστική παλινδρόμηση, Τυχαίο δάσος, k-NN και Naïve Bayes σε περιβάλλον Python. Η μεταβλητή στόχος διακρίνεται σε τρία επίπεδα ικανοποίησης και δίνεται έμφαση στην βελτιστοποίηση της ακρίβειας των προβλέψεων. Τα μοντέλα αξιολογούνται βάση μετρικών όπως το Accuracy, training accuracy, precision, recall, f1 score, mean ROC curve AUC και mean Precision recall AUC. Τα αποτελέσματα δείχνουν πως το μοντέλο k-NN θεωρείται το βέλτιστο με ακρίβεια 75%, ισορροπημένη απόδοση μεταξύ ανάκλησης και ακρίβειας (F1 Scores: Weighted Avg = 75%, Macro Avg = 73%) και καλή γενικευσιμότητα (Test accuracy = 77%). Οι σημαντικότεροι παράγοντες για την ικανοποίηση είναι η επαγγελματική εμπειρία και η εξοικείωση με τις υποστηρικτικές τεχνολογίες. Τα κύρια εμπόδια υιοθέτησης των συσκευών ή εφαρμογών ΑΙ και ΜΜ είναι η προσαρμοστικότητα τους και το κόστος. Τέλος η αγορά θα πρέπει να εστιάσει στην καθημερινή ζωή και την πλοήγηση για την καλύτερη προσβασιμότητα των ατόμων με οπτική αναπηρία.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη του επιπέδου ικανοποίησης ατόμων με οπτική αναπηρία από την συμβολή της ΑΙ και ΜΜ στην προσβασιμότητά τους. Επιπλέον, αναδεικνύει τα σημαντικότερα χαρακτηριστικά που επηρεάζουν την μεταβλητή στόχο, τα κύρια εμπόδια ενσωμάτωσης των υποστηρικτικών τεχνολογιών και τις μελλοντικές κατευθύνσεις που θα πρέπει να ακολουθήσει η αγορά. Το σύνολο δεδομένων αντλήθηκε μέσω σκόπιμης δειγματοληψίας από ερωτηματολόγιο που απευθυνόταν σε άτομα με απώλεια όρασης άνω των 18 ετών, περιλαμβάνοντας ερωτήσεις κλειστού τύπου και διαβαθμίσεις τύπου Likert. Το τελικό δείγμα ανέρχεται σε 97 παρατηρήσεις και 16 μεταβλητές. Η μελέτη ξεκινάει με το θεωρητικό πλαίσιο όπου αναφέρονται οι βασικοί ορισμοί και παρουσιάζονται οι υπάρχουσες υποστηρικτικές τεχνολογίες. Συνεχίζει με την διερευνητική ανάλυση δεδομένων όπου αποτυπώνονται τα μέτρα θέσης και διασποράς, εξετάζεται η κατανομή και οι συχνότητες των χαρακτηριστικών και αναδύονται οι σχέσεις μεταξύ της μεταβλητής στόχου και των ανεξάρτητων μεταβλητών μέσω συγκριτικής στατιστικής. Επίσης πραγματοποιούνται στατιστικοί έλεγχοι ώστε να εκτιμηθεί η σημαντικότητά τους σε σχέση με το επίπεδο ικανοποίησης. Αναλύονται οι συσχετίσεις μεταξύ χαρακτηριστικών με Cramer&#x27;s V για την αποφυγή πολυσυγγραμμικότητας και γίνεται ανάλυση σημαντικότητας μεταβλητών για τη βελτιστοποίηση του δεδομένου συνόλου. Τέλος υλοποιούνται τέσσερις αλγόριθμοι: Λογιστική παλινδρόμηση, Τυχαίο δάσος, k-NN και Naïve Bayes σε περιβάλλον Python. Η μεταβλητή στόχος διακρίνεται σε τρία επίπεδα ικανοποίησης και δίνεται έμφαση στην βελτιστοποίηση της ακρίβειας των προβλέψεων. Τα μοντέλα αξιολογούνται βάση μετρικών όπως το Accuracy, training accuracy, precision, recall, f1 score, mean ROC curve AUC και mean Precision recall AUC. Τα αποτελέσματα δείχνουν πως το μοντέλο k-NN θεωρείται το βέλτιστο με ακρίβεια 75%, ισορροπημένη απόδοση μεταξύ ανάκλησης και ακρίβειας (F1 Scores: Weighted Avg = 75%, Macro Avg = 73%) και καλή γενικευσιμότητα (Test accuracy = 77%). Οι σημαντικότεροι παράγοντες για την ικανοποίηση είναι η επαγγελματική εμπειρία και η εξοικείωση με τις υποστηρικτικές τεχνολογίες. Τα κύρια εμπόδια υιοθέτησης των συσκευών ή εφαρμογών ΑΙ και ΜΜ είναι η προσαρμοστικότητα τους και το κόστος. Τέλος η αγορά θα πρέπει να εστιάσει στην καθημερινή ζωή και την πλοήγηση για την καλύτερη προσβασιμότητα των ατόμων με οπτική αναπηρία.","abstract_has_math":false,"creators":["ΚΩΝΣΤΑΝΤΙΝΟΥ-ΤΖΑΒΕΤΣ ΕΛΕΝΗ-ΑΝΝΑ","KONSTANTINOU-ZAVECZ ELENE-ANNA"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:54Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5313409"],"render_values":[{"text":"uoadl:5313409","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5313409","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5313409","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%3A5313409","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΚΩΝΣΤΑΝΤΙΝΟΥ-ΤΖΑΒΕΤΣ ΕΛΕΝΗ-ΑΝΝΑ","KONSTANTINOU-ZAVECZ ELENE-ANNA"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"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:5313409","https://pergamos.lib.uoa.gr/uoa/dl/object/5313409"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη του επιπέδου ικανοποίησης ατόμων με οπτική αναπηρία από την συμβολή της ΑΙ και ΜΜ στην προσβασιμότητά τους. Επιπλέον, αναδεικνύει τα σημαντικότερα χαρακτηριστικά που επηρεάζουν την μεταβλητή στόχο, τα κύρια εμπόδια ενσωμάτωσης των υποστηρικτικών τεχνολογιών και τις μελλοντικές κατευθύνσεις που θα πρέπει να ακολουθήσει η αγορά. Το σύνολο δεδομένων αντλήθηκε μέσω σκόπιμης δειγματοληψίας από ερωτηματολόγιο που απευθυνόταν σε άτομα με απώλεια όρασης άνω των 18 ετών, περιλαμβάνοντας ερωτήσεις κλειστού τύπου και διαβαθμίσεις τύπου Likert. Το τελικό δείγμα ανέρχεται σε 97 παρατηρήσεις και 16 μεταβλητές. Η μελέτη ξεκινάει με το θεωρητικό πλαίσιο όπου αναφέρονται οι βασικοί ορισμοί και παρουσιάζονται οι υπάρχουσες υποστηρικτικές τεχνολογίες. Συνεχίζει με την διερευνητική ανάλυση δεδομένων όπου αποτυπώνονται τα μέτρα θέσης και διασποράς, εξετάζεται η κατανομή και οι συχνότητες των χαρακτηριστικών και αναδύονται οι σχέσεις μεταξύ της μεταβλητής στόχου και των ανεξάρτητων μεταβλητών μέσω συγκριτικής στατιστικής. Επίσης πραγματοποιούνται στατιστικοί έλεγχοι ώστε να εκτιμηθεί η σημαντικότητά τους σε σχέση με το επίπεδο ικανοποίησης. Αναλύονται οι συσχετίσεις μεταξύ χαρακτηριστικών με Cramer's V για την αποφυγή πολυσυγγραμμικότητας και γίνεται ανάλυση σημαντικότητας μεταβλητών για τη βελτιστοποίηση του δεδομένου συνόλου. Τέλος υλοποιούνται τέσσερις αλγόριθμοι: Λογιστική παλινδρόμηση, Τυχαίο δάσος, k-NN και Naïve Bayes σε περιβάλλον Python. Η μεταβλητή στόχος διακρίνεται σε τρία επίπεδα ικανοποίησης και δίνεται έμφαση στην βελτιστοποίηση της ακρίβειας των προβλέψεων. Τα μοντέλα αξιολογούνται βάση μετρικών όπως το Accuracy, training accuracy, precision, recall, f1 score, mean ROC curve AUC και mean Precision recall AUC. Τα αποτελέσματα δείχνουν πως το μοντέλο k-NN θεωρείται το βέλτιστο με ακρίβεια 75%, ισορροπημένη απόδοση μεταξύ ανάκλησης και ακρίβειας (F1 Scores: Weighted Avg = 75%, Macro Avg = 73%) και καλή γενικευσιμότητα (Test accuracy = 77%). Οι σημαντικότεροι παράγοντες για την ικανοποίηση είναι η επαγγελματική εμπειρία και η εξοικείωση με τις υποστηρικτικές τεχνολογίες. Τα κύρια εμπόδια υιοθέτησης των συσκευών ή εφαρμογών ΑΙ και ΜΜ είναι η προσαρμοστικότητα τους και το κόστος. Τέλος η αγορά θα πρέπει να εστιάσει στην καθημερινή ζωή και την πλοήγηση για την καλύτερη προσβασιμότητα των ατόμων με οπτική αναπηρία.","This diploma thesis systematically investigates the application of machine learning algorithms to predict the satisfaction levels of individuals with visual impairments regarding the contribution of Artificial Intelligence (AI) and Machine Learning (ML) to their accessibility. Furthermore, it highlights the most influential features affecting the target variable, identifies the primary barriers to the integration of supportive technologies, and discusses future market directions. The dataset was collected through purposive sampling via a questionnaire targeted at individuals over the age of 18 with visual impairments, including closed-ended questions and Likert-scale responses. The final sample comprised 97 observations and 16 variables. The study begins with the theoretical framework, where fundamental definitions are outlined and existing supportive technologies are presented. It then proceeds with an exploratory data analysis, capturing measures of central tendency and dispersion, examining the distribution and frequencies of the features, and uncovering relationships between the target variable and independent variables through comparative statistical analysis. Additionally, statistical tests are performed to assess the significance of these relationships in relation to the satisfaction level. Lastly, relationships between features are analyzed using Cramer's V to avoid multicollinearity, and variable importance analysis is conducted to optimize the dataset. Four algorithms are implemented: Logistic Regression, Random Forest, k-Nearest Neighbors (kNN), and Naïve Bayes within a Python environment. The target variable is categorized into three levels, with emphasis placed on optimizing the prediction accuracy. The models are evaluated based on metrics such as Accuracy, Training Accuracy, Precision, Recall, F1 Score, Mean ROC Curve AUC, and Mean Precision-Recall AUC. Results indicate that the k-NN model is considered optimal, with an accuracy of 75%, balanced performance between recall and precision (Weighted Average F1 Score = 75%, Macro Average = 73%), and robust generalization (Test accuracy = 77%). The key factors influencing satisfaction are identified as professional experience and familiarity with supportive technologies. The primary barriers to the adoption of AI and ML devices or applications are their adaptability and cost. Finally, it is recommended that the market focus on daily living and navigation to enhance accessibility for individuals with visual impairments."]},{"key":"dc:title","label":"Title","values":["Η συμβολή της τεχνητής νοημοσύνης και μηχανικής μάθησης στην προσβασιμότητα των ατόμων με προβλήματα όρασης"]}]}],"canonical_facts":{"dc:creator":["ΚΩΝΣΤΑΝΤΙΝΟΥ-ΤΖΑΒΕΤΣ ΕΛΕΝΗ-ΑΝΝΑ","KONSTANTINOU-ZAVECZ ELENE-ANNA"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη του επιπέδου ικανοποίησης ατόμων με οπτική αναπηρία από την συμβολή της ΑΙ και ΜΜ στην προσβασιμότητά τους. Επιπλέον, αναδεικνύει τα σημαντικότερα χαρακτηριστικά που επηρεάζουν την μεταβλητή στόχο, τα κύρια εμπόδια ενσωμάτωσης των υποστηρικτικών τεχνολογιών και τις μελλοντικές κατευθύνσεις που θα πρέπει να ακολουθήσει η αγορά. Το σύνολο δεδομένων αντλήθηκε μέσω σκόπιμης δειγματοληψίας από ερωτηματολόγιο που απευθυνόταν σε άτομα με απώλεια όρασης άνω των 18 ετών, περιλαμβάνοντας ερωτήσεις κλειστού τύπου και διαβαθμίσεις τύπου Likert. Το τελικό δείγμα ανέρχεται σε 97 παρατηρήσεις και 16 μεταβλητές. Η μελέτη ξεκινάει με το θεωρητικό πλαίσιο όπου αναφέρονται οι βασικοί ορισμοί και παρουσιάζονται οι υπάρχουσες υποστηρικτικές τεχνολογίες. Συνεχίζει με την διερευνητική ανάλυση δεδομένων όπου αποτυπώνονται τα μέτρα θέσης και διασποράς, εξετάζεται η κατανομή και οι συχνότητες των χαρακτηριστικών και αναδύονται οι σχέσεις μεταξύ της μεταβλητής στόχου και των ανεξάρτητων μεταβλητών μέσω συγκριτικής στατιστικής. Επίσης πραγματοποιούνται στατιστικοί έλεγχοι ώστε να εκτιμηθεί η σημαντικότητά τους σε σχέση με το επίπεδο ικανοποίησης. Αναλύονται οι συσχετίσεις μεταξύ χαρακτηριστικών με Cramer's V για την αποφυγή πολυσυγγραμμικότητας και γίνεται ανάλυση σημαντικότητας μεταβλητών για τη βελτιστοποίηση του δεδομένου συνόλου. Τέλος υλοποιούνται τέσσερις αλγόριθμοι: Λογιστική παλινδρόμηση, Τυχαίο δάσος, k-NN και Naïve Bayes σε περιβάλλον Python. Η μεταβλητή στόχος διακρίνεται σε τρία επίπεδα ικανοποίησης και δίνεται έμφαση στην βελτιστοποίηση της ακρίβειας των προβλέψεων. Τα μοντέλα αξιολογούνται βάση μετρικών όπως το Accuracy, training accuracy, precision, recall, f1 score, mean ROC curve AUC και mean Precision recall AUC. Τα αποτελέσματα δείχνουν πως το μοντέλο k-NN θεωρείται το βέλτιστο με ακρίβεια 75%, ισορροπημένη απόδοση μεταξύ ανάκλησης και ακρίβειας (F1 Scores: Weighted Avg = 75%, Macro Avg = 73%) και καλή γενικευσιμότητα (Test accuracy = 77%). Οι σημαντικότεροι παράγοντες για την ικανοποίηση είναι η επαγγελματική εμπειρία και η εξοικείωση με τις υποστηρικτικές τεχνολογίες. Τα κύρια εμπόδια υιοθέτησης των συσκευών ή εφαρμογών ΑΙ και ΜΜ είναι η προσαρμοστικότητα τους και το κόστος. Τέλος η αγορά θα πρέπει να εστιάσει στην καθημερινή ζωή και την πλοήγηση για την καλύτερη προσβασιμότητα των ατόμων με οπτική αναπηρία.","This diploma thesis systematically investigates the application of machine learning algorithms to predict the satisfaction levels of individuals with visual impairments regarding the contribution of Artificial Intelligence (AI) and Machine Learning (ML) to their accessibility. Furthermore, it highlights the most influential features affecting the target variable, identifies the primary barriers to the integration of supportive technologies, and discusses future market directions. The dataset was collected through purposive sampling via a questionnaire targeted at individuals over the age of 18 with visual impairments, including closed-ended questions and Likert-scale responses. The final sample comprised 97 observations and 16 variables. The study begins with the theoretical framework, where fundamental definitions are outlined and existing supportive technologies are presented. It then proceeds with an exploratory data analysis, capturing measures of central tendency and dispersion, examining the distribution and frequencies of the features, and uncovering relationships between the target variable and independent variables through comparative statistical analysis. Additionally, statistical tests are performed to assess the significance of these relationships in relation to the satisfaction level. Lastly, relationships between features are analyzed using Cramer's V to avoid multicollinearity, and variable importance analysis is conducted to optimize the dataset. Four algorithms are implemented: Logistic Regression, Random Forest, k-Nearest Neighbors (kNN), and Naïve Bayes within a Python environment. The target variable is categorized into three levels, with emphasis placed on optimizing the prediction accuracy. The models are evaluated based on metrics such as Accuracy, Training Accuracy, Precision, Recall, F1 Score, Mean ROC Curve AUC, and Mean Precision-Recall AUC. Results indicate that the k-NN model is considered optimal, with an accuracy of 75%, balanced performance between recall and precision (Weighted Average F1 Score = 75%, Macro Average = 73%), and robust generalization (Test accuracy = 77%). The key factors influencing satisfaction are identified as professional experience and familiarity with supportive technologies. The primary barriers to the adoption of AI and ML devices or applications are their adaptability and cost. Finally, it is recommended that the market focus on daily living and navigation to enhance accessibility for individuals with visual impairments."],"dc:identifier":["uoadl:5313409","https://pergamos.lib.uoa.gr/uoa/dl/object/5313409"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Η συμβολή της τεχνητής νοημοσύνης και μηχανικής μάθησης στην προσβασιμότητα των ατόμων με προβλήματα όρασης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:54Z"}