(1) ΓΕΝΙΚΑ

 ΣΧΟΛΗ Μηχανικών Παραγωγής και Διοίκησης
 2η ΣΧΟΛΗ 
 ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό
 ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΜΠΔ 507 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 9ο
 ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
   Διαλέξεις2 
   Φροντιστηριακές Ασκήσεις2 
   Σύνολο45
 ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ Ειδίκευσης
 ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ 
 ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ KAI ΕΞΕΤΑΣΕΩΝ Ελληνικά
 ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS  Όχι
 ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) 

 

(2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

 Μαθησιακά Αποτελέσματα

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

  •  Καταγράφει διαθέσιμα μοντέλα πρόβλεψης και βασικές γνώσεις της Τεχνολογικής Πρόβλεψης
  • Αναγνωρίζει τις ιδιότητες διαφορετικών μοντέλων τεχνολογικής πρόβλεψης
  • Εξασκείται στην χρήση διαφορετικών μοντέλων πρόβλεψης
  • Αναλύει τα αποτελέσματα των προβλέψεων στην διμόρφωση της κοινωνίας και της οικονομίας
  • Συνθέτει διαφορετικά μοντέλα πρόβλεψης νέων τεχνολογιών
  • Αξιολογεί τα αποτελέσματα πρόβλεψης και τα πρότυπα εξέλιξης της τεχνολογίας
 Γενικές Ικανότητες
  •  Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Λήψη αποφάσεων
  • Ομαδική εργασία
  • Γραπτή επικοινωνία
  • Πρωτοβουλία
  • Χρήση Υπολογιστή
  • Επίλυση προβλημάτων
  • Διαχείριση αριθμητικών δεδομένων
  • Εργασία σε διεπιστημονικό περιβάλλον

 

(3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Έννοιες και ορισμοί τεχνολογικής πρόβλεψης. Πολυωνυμικά μοντέλα. Διωνυμικά μοντέλα: Coleman, Dodd, Bass, Mahajan, Floyd, Sharif-Kabir, Easingwood-Mahajan, Von Bertalanffy. Άλλα μοντέλα: κανονική κατανομή, λογαριθμική κανονική κατανομή, κατανομή Weibull, κατανομή Gompertz. Ανάλυση τάσεων, σχεδιασμός σεναρίων,  καμπύλη S, Patent Analysis, Expert panels, Δείκτες Προόρασης, Συγκριτική Ανάλυση, Μοντέλα Διαχύσης Καινοτομίας, Αξιολόγηση τεχνολογικής πρόβλεψης. Νέα μοντέλα: τροποποιημένο μοντέλο NSRL. Γενικευμένα ρητά μοντέλα: GRMI και ΙΙ. Εφαρμογές.  Τεχνητή Νοημοσύνη και Τεχνολογική Πρόβλεψη. Βαθιά μάθηση και Τεχνολογική Πρόβλεψη. Διεπιστημονικές προσεγγίσεις. Τεχνολογία και Οικονομικοί μεγάκυκλοι. Τεχνολογία και Γεωπολιτική.

 

(4) ΔΙΔΑΚΤΙΚΕΣ KAI ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ

 ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ  Με φυσική παρουσία
 ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
 Στη διδασκαλία: βιντεοπροβολέα, e-class   
 Στην εργαστηριακή εκπαίδευση: εργασίες με λογισμικό   
 Στην επικοινωνία με τους φοιτητές:  e-class, email   
 ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
 Διαλέξεις 26 ώρες   
 Φροντιστήρια 26 ώρες   
 Εκπόνηση Ομαδικής Εργασίας 26 ώρες   
 Εκπόνηση έρευνας/μελέτης 20 ώρες   
 Αυτοτελής μελέτη 15 ώρες   
 Μελέτη και ανάλυση Βιβλιογραφίας 20 ώρες   
Σύνολο 133 ώρες   


Διδακτέα Ύλη ανά Εβδομάδα (13 εβδομάδες) :

Α. ΔΙΑΛΕΞΕΙΣ
1. Πρότυπα διάχυσης των τεχνολογιών
2. Αναλλοίωτες. Η κωδωνοειδής καμπύλη του κύκλου ζωής
3. Η σιγμοειδής καμπύλη της αθροιστικής ανάπτυξης Ο νόμος της φυσιολογικής ανάπτυξης
4. Διαδοχικές αντικαταστάσεις τεχνολογιών
5. Αντικαταστάσεις βασικών πηγών ενέργειας λόγω νεων τεχνολογιών
6. Αντικαταστάσεις υποδομών μεταφορικών μέσων λόγω νέων τεχνολογιών
7. Πολιτιστική αντίδραση στην καινοτομία
8. Η χρονολόγηση των καμπυλών τεχνολογικής ανάπτυξης
9. Μαθηματική διατύπωση των Σιγμοειδών καμπυλών. Οι εξισώσεις Voltera Lotka
10. Αντικαταστάσεις ένα προς ένα: Δύο ανταγωνιστές στον ίδιο χώρο
Πολλαπλός ανταγωνισμός: Πολλοί ανταγωνιστές συγχρόνως
11. Προβλεψιμότητα ενός συστήματος. Χαοτικές περίοδοι διάχυσης των τεχνολογιών
12. Ποσοτικές μέθοδοι- Χρονοσειρές: Μέθοδος Κινητού Μέσου Όρου, Μέθοδος Σταθμικού Μέσου Όρου, Μέθοδος Εκθετικής Εξομάλυνσης, Μέθοδος Κλασσικής Αποσύνθεσης, Μέθοδος Σειρών Fourier, Μέθοδος ARIMA (AutoRegressive Integrated Moving Average), Νευρωνικά δίκτυα, Νεύρο-ασαφή συστήματα.
13. Αιτιολογικές ποσοτικές μέθοδοι: Μέθοδος Ανάλυσης Παλινδρόμησης, Οικονομετρική Μέθοδος, Κυκλική Μέθοδος, Μέθοδος Box-Jenkins/MARIMA (Multivariate ARIMA), Μέθοδος εισροών-εκροών, Νευρωνικά δίκτυα, Ασαφή λογική, Νεύρο-ασαφή συστήματα.

Β. ΦΡΟΝΤΙΣΤΗΡΙΑ
1. Αυτοπαλίνδρομα μοντέλα πρόβλεψης τεχνολγιών
2. Σιγμοειδείς καμπύλες διάχυσης νέων τεχνολγιών
3. Αυτοπαλίνδρομα μοντέλα κινητού μέσου
4. Box Jenkins μοντέλα
5. Νευρωνικά δίκτυα
6. Ασαφή λογική
7. Νεύρο-ασαφή μοντέλα
8. Αναλλοίωτες
9. Χαοτικά μοντέλα
10. Μοντέλα τεχνολογικών κύκλων
11. Μοντέλα οικονομικών κύκλων
12. Μοντέλα αντικατάστασης υποδομών
13. Μοντέλα αντικατάστασης ενρεγειακών πηγών

 

(5) ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

 Αθροιστική/Συμπερασματική (για βαθμό φοιτητή) Αξιολόγηση
 Γραπτή Τελική Εξέταση  80%  (Ερωτήσεις πολλαπλής επιλογής / Αντιστοίχιση)   
   (Ερωτήσεις σύντομης απάντησης)  
 Ομαδική Εργασία 20%  (Διόρθωση Παραδομένης Εργασίας)  

 

(6) ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Προτεινόμενη Βιβλιογραφία:

  • Θεόδωρος Μόδης, (2005), Προβλέψεις. Πανεπιστημιακές εκδόσεις Κρήτης.

Συναφής Βιβλιογραφία (μερική κάλυψη):

  • National Research Council, (2005), Persistent forecasting of Disruptive Technologies. The natinal Academy Press, Washington.
  • Armstrong Paul (2017), Disruptive Technologies. KoganPage, New York
  • Martino Joseph (2012) Technological Forecasting for Decision Making. McGraw Hill, New York
  • P. K. Rohatgi (1979) Technological Forecasting, McGraw-Hill, New York

Συναφή επιστημονικά περιοδικά:

  • Technological Forecasting and Social Change
  • Technological Forecasting
  • Technological Forecasting in the Decision Process
  • Journal of Forecasting