1. Αποθετήριο Παραδοτέων Υποτρόφων Δράσεων ΕΣΠΑ Τριτοβάθμιας Εκπαίδευσης 2017-2023
2. Όλο το Αποθετήριο
3. Μεταδιδακτορικοί ερευνητές

Τύπος:	Κεφάλαιο βιβλίου
Τίτλος:	Η τεχνητή νοημοσύνη στον τομέα της ενεργειακής φτώχειας: πρόδρομα ευρήματα για την Ελλάδα.
Συγγραφέας:	[EL] Παπαδά, Λευκοθέα[EN] Papada, Lefkothea
Ημερομηνία:	01/01/2021
Περίληψη:	Το παρόν άρθρο αποτελεί ένα σημαντικό βήμα εξέλιξης της έρευνας στον τομέα της ενεργειακής φτώχειας, εισάγοντας την τεχνητή νοημοσύνη στην ανάλυση του προβλήματος. Χαρακτηριστικά, στην Ελλάδα, το πρόβλημα επιδεινώθηκε ραγδαία την τελευταία δεκαετία, πλήττοντας ιδιαίτερα τον ορεινό πληθυσμό της χώρας. H πολυδιάστατη φύση του φαινομένου απαιτεί πολλούς και διαφορετικούς δείκτες για τον υπολογισμό του, τόσο αντικειμενικούς όσο και υποκειμενικούς -ή και συνδυασμό αυτών- πχ. ο δείκτης 10%, η αδυναμία θέρμανσης του σπιτιού, οι καθυστερημένοι λογαριασμοί ενέργειας, κ.ά. Στο ίδιο πλαίσιο, ο προσδιορισμός συσχετίσεων μεταξύ των δεικτών με χρήση των συμβατικών μαθηματικών/στατιστικών εργαλείων δε μπορεί να αποτυπώσει την πραγματική διάσταση του προβλήματος, καθώς αδυνατεί να λάβει υπόψη την πολυπλοκότητα των διαφορετικών ανθρώπινων αποκρίσεων στο πρόβλημα. Η αδυναμία αυτή επιχειρείται να υπερκεραστεί με τη χρήση των Τεχνητών Νευρωνικών Δικτύων (Artificial Neural Networks – ANN), για πρώτη φορά στην Ελλάδα. Τα τεχνητά νευρωνικά δίκτυα, μετά από κατάλληλη «εκπαίδευση», μπορούν να προσομοιάσουν με αξιοπιστία τον τρόπο λειτουργίας του ανθρώπινου εγκεφάλου, δίνοντας πολύτιμες πληροφορίες για τη φύση του φαινομένου της ενεργειακής φτώχειας και τη σχέση των διαφορετικών διαστάσεών της. Στο πλαίσιο αυτό, παρουσιάζονται πρόδρομα αποτελέσματα μιας εκτεταμένης ανάλυσης που αφορά στην πρόβλεψη της «αντικειμενικής» ενεργειακής φτώχειας (δείκτης 10%) βάσει «υποκειμενικών» παραμέτρων και δεικτών, με έμφαση τις ορεινές κοινωνίες της χώρας. Ενδεικτικά, από το πλήθος των υποκειμενικών δεικτών ή των ανθρώπινων συμπεριφορών και αποκρίσεων, ο δείκτης του περιορισμού άλλων στοιχειωδών αναγκών ενός νοικοκυριού προς ικανοποίηση της ανάγκης θέρμανσης φαίνεται να συσχετίζεται πιο ισχυρά με την αντικειμενική ενεργειακή φτώχεια βάσει του ευρέως διαδομένου δείκτη του 10%. Τα πρόδρομα αποτελέσματα δείχνουν ότι η τεχνητή νοημοσύνη αναμένεται να αποτελέσει σημαντικό εργαλείο στην κατεύθυνση κατανόησης και αντιμετώπισης της ενεργειακής φτώχειας. The present paper is an important step to energy poverty research, introducing artificial intelligence to the analysis of the problem. Characteristically, in Greece, the problem has deteriorated rapidly during the last decade, particularly affecting the country's mountainous population. However, the multidimensional nature of the phenomenon requires many different indicators for its calculation, both objective and subjective - or a combination of them – e.g. the 10% indicator, the inability to keep home adequately warm, the arrears in energy bills, etc. In the same context, the detection of relationships between indicators with conventional mathematical/statistical tools cannot capture the true dimension of the problem as failing to take into account the complexity of different human responses to the problem. This weakness is attempted to be overcome with the use of Artificial Neural Networks (ANN), for the first time in Greece. Neural networks, after proper "training", can reliably simulate the way that human brain works, providing valuable information about the nature of the phenomenon of energy poverty and the relationship between its various dimensions. In this context, some preliminary results of an extensive analysis concerning the prediction of "objective" energy poverty (10% indicator) based on "subjective" parameters and indicators are presented, with an emphasis on mountainous societies of the country. Indicatively, within a wide range of subjective indicators or human behaviors and responses, the indicator of “Restriction of other essentials in order to meet heating needs” proves to be the main parameter affecting objective energy poverty, based on the widely used indicator of 10%. First evidence shows that artificial intelligence is expected to be a crucial tool to understand and tackle energy poverty
Γλώσσα:	Ελληνικά
Τόπος δημοσίευσης:	Αθηνα, Ελλάδα
Σελίδες:	12
ISBN:	978-618-85675-0-4
Θεματική κατηγορία:	[EL] Ενέργεια και Καύσιμα[EN] Energy and Fuels
Τίτλος πηγής δημοσίευσης:	Τα βουνά. Σύγχρονες προσεγγίσεις για τις ορεινές περιοχές
Τόμος:	1
Σελίδες τεκμηρίου (στην πηγή):	110-121
Σημειώσεις:	Η παρούσα έρευνα συγχρηματοδοτείται από την Ελλάδα και την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) μέσω του Επιχειρησιακού Προγράμματος «Ανάπτυξη Ανθρώπινου Δυναμικού, Εκπαίδευση και Διά Βίου Μάθηση», στο πλαίσιο της Πράξης «Ενίσχυση Μεταδιδακτόρων ερευνητών/ερευνητριών - Β΄ Κύκλος» (MIS-5033021), που υλοποιεί το Ίδρυμα Κρατικών Υποτροφιών (ΙΚΥ).
Εμφανίζεται στις συλλογές:	Μεταδιδακτορικοί ερευνητές