Home / Προηγμένες Μέθοδοι Ανάλυσης Γεωγραφικών Δεδομένων

Προηγμένες Μέθοδοι Ανάλυσης Γεωγραφικών Δεδομένων

Κωδικός Μαθήματος:

GEO9130

Εξάμηνο:

Θ' Εξάμηνο

Κατηγορία:

ΜΕ

Ώρες:

4

Μονάδες ECTS:

5

Σύνδεσμος στο eClass:

https://eclass.uniwa.gr/modules/auth/opencourses.php?fc=75


Καθηγητές Μαθήματος

Λυκοστράτης Κωνσταντίνος

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Στόχος του μαθήματος είναι η εξοικείωση των φοιτητών με προηγμένες μεθόδους ανάλυσης γεωγραφικών-χωρικών δεδομένων οι οποίες προέρχονται τόσο από την επιστήμη της Στατιστικής αλλά και από την επιστήμη της Πληροφορικής.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

  • Ελέγχουν τα αποτελέσματα των στατιστικών αναλύσεων με εξειδικευμένους στατιστικούς ελέγχους
  • Να έχουν κατανόηση των ιδιαιτεροτήτων των γεωγραφικών δεδομένων σε σχέση με τις κλασικές τεχνικές στατιστικής ανάλυσης
  • Να χρησιμοποιούν διαφορετικά μαθηματικά μοντέλα ανάλυσης ανάλογα με τη φύση των δεδομένων
  • Είναι σε θέση να κατανοήσουν επιστημονικές δημοσιεύσεις οι οποίες χρησιμοποιούν μεθόδους προηγμένες στατιστικής ανάλυσης

 

Γενικές Ικανότητες

  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Αυτόνομη Εργασία
  • Παράγωγή νέων ερευνητικών ιδεών

 

ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

  • Ειδικά κεφάλαια πολλαπλής παλινδρόμησης: μέθοδοι επιλογής μεταβλητών, ανάλυση καταλοίπων, χωρική αυτοσυσχέτιση
  • Εξειδικευμένα μοντέλα παλινδρόμησης: ανάλυση τάσης επιφάνειας (trend surface analysis), μοντέλα παλινδρόμησης για διακριτές μεταβλητές, χωρικά μοντέλα παλινδρόμησης
  • Πολυμεταβλητές μέθοδοι ανάλυσης: παραγοντική ανάλυση, ανάλυση συστάδων, διαχωριστική ανάλυση
  • Γεωστατιστικές μέθοδοι: βαριόγραμμα, χωρική παρεμβολή (kriging), συνδυαστικό kriging (cokriging)
  • Μέθοδοι Γεω-Υπολογιστικής: νευρωνικά δίκτυα, ασαφής λογική, γενετικοί αλγόριθμοι , κυψελωτά ή κυτταρικά αυτόματα, μοντέλα με χρήση πρακτόρων (agent-based models)

 

Μέθοδος Αξιολόγησης

Ι. Γραπτή τελική εξέταση (50%) η οποία περιλαμβάνει:

  • ανάπτυξη στοιχείων θεωρίας
  • επίλυση προβλημάτων

ΙΙ. Ενδιάμεση γραπτή εξέταση (10%) η οποία περιλαμβάνει:

  • ανάπτυξη στοιχείων θεωρίας
  • επίλυση προβλημάτων

ΙΙΙ. Εργασία εξαμήνου (40%)

 

ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Ελληνική

  1. Ηλιοπούλου Π. 2015. Γεωγραφική Ανάλυση. [ηλεκτρ. βιβλ.] Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών. Διαθέσιμο στο: http://hdl.handle.net/11419/2059
  2. Καλογήρου, Σ., 2015. Χωρική ανάλυση. [ηλεκτρ. βιβλ.] Αθήνα:Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών. Διαθέσιμο στο: http://hdl.handle.net/11419/5029
  3. Κουτσόπουλος Κ. 2009. Πραγματεία Ανάλυσης Χώρου, Τόμοι Α ́ και Β ́ Παπασωτηρίου, Αθήνα.
  4. Roiger R. J., Geatz M.W. 2008. Εξόρυξη Πληροφορίας: ένας εισαγωγικός οδηγός με παραδείγματα, Εκδόσεις Κλειδάριθμος ΕΠΕ

 

Ξενόγλωσση

  1. Abrahart, R. J., & See, L. (2014). Geocomputation (2nd ed.). Boca Raton, FL: CRC Press.
  2. Anselin, L. and Rey S.J. (2014). Modern Spatial Econometrics in Practice: A Guide to GeoDa, GeoDaSpace and PySAL, GeoDa Press LLC, ISBN:0986342106
  3. Fotheringham S.A., Brudson C. and Charlton M. 2000. Quantitative Geography-Perspectives on Spatial Data Analysis, London: SAGE Publications,
  4. Haining, R. (2004). Spatial data analysis. Theory and practice. Cambridge, UK: Cambridge University Press.
  5. Isaaks, E. H., & Srivastava, M. R. (1989). Applied geostatistics. New York: Oxford University Press.
  6. O’ Sullivan D. and Unwin D.J. 2010. Geographic Information Analysis, John Wiley.