Ανάπτυξη μεθοδολογίας αξιολόγησης έργων έρευνας και ανάπτυξης με περιβάλλουσα ανάλυση δεδομένων και πρότυπα μηχανικής μάθησης

Τσαμπούλας, Ανδρέας; Tsampoulas, Andreas

dc.contributor.author	Τσαμπούλας, Ανδρέας	el
dc.contributor.author	Tsampoulas, Andreas	en
dc.date.accessioned	2020-10-09T07:33:48Z
dc.date.available	2020-10-09T07:33:48Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51336
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19034
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Έρευνα και ανάπτυξη	el
dc.subject	Αξιολόγηση έρευνας και ανάπτυξης	el
dc.subject	Περιβάλλουσα ανάλυση δεδομένων	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Αποδοτικότητα	el
dc.subject	Research and development	en
dc.subject	R&D evaluation	en
dc.subject	Efficiency	en
dc.subject	Data envelopment analysis	en
dc.subject	Machine learning	en
dc.title	Ανάπτυξη μεθοδολογίας αξιολόγησης έργων έρευνας και ανάπτυξης με περιβάλλουσα ανάλυση δεδομένων και πρότυπα μηχανικής μάθησης	el
dc.title	Development of evaluation methodology for research and development projects using data envelopment analysis and machine learning	en
heal.type	bachelorThesis
heal.classification	Machine learning	en
heal.classification	Μηχανική μάθηση	el
heal.classification	Περιβάλλουσα Ανάλυση Δεδομένων	el
heal.classification	Data Envelopment Analysis	en
heal.classification	Αξιολόγηση και Διαχείριση Έργων Έρευνας και Ανάπτυξης	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-07-21
heal.abstract	Κατά την αξιολόγηση έργων Έρευνας και Ανάπτυξης (Ε&Α), η ποιότητα των αποτελεσμάτων εξαρτάται τόσο από την αναλυτική εμπειρογνωμοσύνη του οργανισμού όσο και από την ίδια τη μέθοδο αξιολόγησης. Στη παρούσα εργασία, αναπτύσσεται μια μεθοδολογία αξιολόγησης που εφαρμόζεται σε 2232 προγράμματα Ε&Α που έχουν χρηματοδοτηθεί από την Ευρωπαϊκή Ένωση τα τελευταία έξι χρόνια. Επιπλέον, προτείνονται στρατηγικές μέθοδοι για τη σταδιακή βελτιστοποίηση έργων Ε&Α που είναι ήδη σε εξέλιξη, αλλά και για τη βελτιστοποίηση μελλοντικών έργων, ανάλογα με το επίπεδο αποδοτικότητας που προβλέπεται να έχουν, από το μοντέλο. Συνδυάζοντας τη μέθοδο Περιβάλλουσας Ανάλυσης Δεδομένων με μοντέλα μηχανικής μάθησης, στο προγραμματιστικό περιβάλλον της R, αναλύονται και προτεραιοποιούνται τα προγράμματα ως προς το επίπεδο αποδοτικότητας τους. Επιπρόσθετα, αναπτύσσεται μια μεθοδολογία με βάση δένδρα ταξινόμησης και πρότυπα ομαδοποίησης για την πρόβλεψη του επιπέδου αποδοτικότητας και τον προσδιορισμό της καλύτερης διαδρομής για τη σταδιακή βελτιστοποίηση των μη αποδοτικών προγραμμάτων. Η εφαρμογή της προτεινόμενης μεθοδολογίας οδηγεί σε σημαντικά συμπεράσματα ως προς την αποδοτικότητα των έργων σε σχέση με τον αριθμό των οργανισμών και των διαφορετικών χωρών που συμμετέχουν. Τέλος, παρουσιάζονται οι προεκτάσεις που θα μπορούσε να έχει η εφαρμογή της προτεινόμενης μεθοδολογίας σε διαχειριστικό επίπεδο.	el
heal.abstract	When evaluating Research and Development (R&D) projects, the quality of the results depends both on the analytical expertise of the organization and on the evaluation method itself. In the present work, an evaluation methodology is developed that is applied to 2232 R&D projects funded by the European Union in the last six years. In addition, strategic methods are proposed for the gradual optimization of ongoing R&D projects, but also for the optimization of future projects, depending on the predicted level of efficiency. Combining the Data Envelopment Analysis method with machine learning models, in the R programming environment, projects are analyzed and prioritized in terms of their efficiency level. Moreover, a methodology based on classification trees and clustering algorithms is developed to better predict the efficiency level and efficiency path for the gradual optimization of inefficient projects. The application of the proposed methodology leads to important conclusions regarding the efficiency of the projects in relation to the number of organizations and the different countries that are participating. Finally, the extensions that the application of the proposed methodology could have at management level are presented.	en
heal.advisorName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Γκόλιας, Ιωάννης	el
heal.committeeMemberName	Γιαννής, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	89 σ.	el
heal.fullTextAvailability	false