| dc.contributor.advisor | Σωτηρόπουλος, Διονύσιος | |
| dc.contributor.author | Χαρτσιάς, Μάριος | |
| dc.date.accessioned | 2024-06-28T10:17:03Z | |
| dc.date.available | 2024-06-28T10:17:03Z | |
| dc.date.issued | 2024-06 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16564 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/3986 | |
| dc.description.abstract | Η μεταπτυχιακή διατριβή "Predicting OCEAN indices with ML models" επικεντρώνεται στη χρήση
τεχνικών μηχανικής μάθησης για την πρόβλεψη χαρακτηριστικών προσωπικότητας με βάση το μοντέλο
OCEAN (Openness, Conscientiousness, Extroversion, Agreeableness, Neuroticism). Τα δεδομένα, τα
οποία συλλέχθηκαν από ένα διαδικτυακό τεστ προσωπικότητας με τη χρήση των Big-Five Factor
Markers του IPIP, καλύπτουν το διάστημα από το 2016 έως το 2018. Η έρευνα χρησιμοποιεί διάφορα
μοντέλα ML, συμπεριλαμβανομένης της γραμμικής και μη γραμμικής παλινδρόμησης, και έναν γενετικό
αλγόριθμο για την πρόβλεψη των βαθμολογιών OCEAN από τις απαντήσεις του τεστ. Η μελέτη
επεξεργάζεται σχολαστικά τα δεδομένα, βελτιστοποιεί τις παραμέτρους του μοντέλου και συγκρίνει την
αποτελεσματικότητα των διαφόρων προσεγγίσεων, αποδεικνύοντας τις δυνατότητες της ML στην
ψυχολογική αξιολόγηση και προσφέροντας πληροφορίες σχετικά με την προβλεπτική δύναμη της
μηχανικής μάθησης στην κατανόηση των ανθρώπινων χαρακτηριστικών προσωπικότητας. | el |
| dc.format.extent | 50 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Πρόβλεψη δεικτών OCEAN με μοντέλα μηχανικής μάθησης | el |
| dc.title.alternative | Predicting OCEAN indices with machine learning models | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | The master's thesis "Predicting OCEAN indices with ML models" focuses on the use of machine learning
techniques to predict personality traits based on the OCEAN (Openness, Conscientiousness, Extroversion,
Agreeableness, Neuroticism) model. The data, collected from an online personality test using the Big-
Five Factor Markers of the IPIP, span from 2016 to 2018. The research utilizes various ML models,
including linear and non-linear regression, and a genetic algorithm to predict OCEAN scores from test
responses. The study meticulously preprocesses the data, optimizes model parameters, and compares the
efficacy of different approaches, demonstrating the potential of ML in psychological assessment and
offering insights into the predictive power of machine learning in understanding human personality traits. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.date.defense | 2024-06 | |
