ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ

ΘΕΩΡΙΑ ΜΑΘΗΜΑΤΟΣ
31 Στοιχεία
Ενότητα 1.1 – Εισαγωγή – Σελίδα 7
Ενότητα 1.2 – Αναδρομικοί αλγόριθμοι – Σελίδα 7
Ενότητα 2.1 – Εισαγωγή – Σελίδα 11
Ενότητα 2.2 – Η γλώσσα Python – Σελίδα 12
Ενότητα 2.3 – Τύποι δεδομένων – Σελίδα 18
Ενότητα 2.4 – Μεταβλητές – Σελίδα 18
Ενότητα 2.5 – Εντολές εισόδου δεδομένων-εξόδου αποτελεσμάτων – Σελίδα 19
Ενότητα 2.6 – Υποπρογράμματα – Σελίδα 20
Ενότητα 2.7 – Η τύχη βοηθάει τους τολμηρούς – Σελίδα 21
Ενότητα 2.8 – Παίζοντας Πέτρα-Ψαλίδι-Χαρτί με τον υπολογιστή – Σελίδα 23
Ενότητα 3.1 – Εισαγωγή – Σελίδα 26
Ενότητα 3.2 – Γράφοντας κώδικα για τον Διεθνή Διαστημικό Σταθμό – Σελίδα 26
Ενότητα 3.3 – Γράφοντας κώδικα για το micro:bit – Σελίδα 30
Ενότητα 3.4 – Ο μικροελεγκτής Arduino – Σελίδα 36
Ενότητα 4.1 – Εισαγωγή – Σελίδα 42
Ενότητα 4.2 – Μηχανική Μάθηση με Νευρωνικά Δίκτυα – Σελίδα 43
Ενότητα 4.3 – Το περιβάλλον App Inventor – Σελίδα 45
Ενότητα 4.4 – Αναγνώριση εικόνων με αξιοποίηση Τεχνητής Νοημοσύνης – Σελίδα 46
Ενότητα 5.1 – Εισαγωγή – Σελίδα 52
Ενότητα 5.2 – Δημιουργώ έγγραφα και συνεργάζομαι σε διαδικτυακά περιβάλλοντα – Σελίδα 52
Ενότητα 5.3 – Συνεργατικές παρουσιάσεις – Σελίδα 56
Ενότητα 5.4 – Χώροι επικοινωνίας – Σελίδα 60
Ενότητα 6.1 – Εισαγωγή – Σελίδα 70
Ενότητα 6.2 – Μέλλον με απεριόριστες δυνατότητες – Σελίδα 70
Ενότητα 6.3 – Ηθικά διλήμματα από τη χρήση της Τεχνητής Νοημοσύνης – Σελίδα 74
Ενότητα 6.4 – Πολιτική απορρήτου – Σελίδα 75
Ενότητα 6.5 – Μεγάλα δεδομένα-Ανοικτά δεδομένα – Σελίδα 78
Ενότητα 6.6 – Κοιτώντας το μέλλον – Σελίδα 84
Ενότητα 7.1 – Εισαγωγή – Σελίδα 86
Ενότητα 7.2 – Αλγοριθμική επίλυση εξισώσεων – Σελίδα 86
Ενότητα 7.3 – Η δύναμη της εκθετικής μετάδοσης – Σελίδα 88
ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – ΛΥΣΕΙΣ – ΑΠΑΝΤΗΣΕΙΣ Ασκήσεων Σχολικού Βιβλίου
10 Στοιχεία
Κεφάλαιο 1 – Δραστηριότητες – Σελίδα 9-10 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Κεφάλαιο 2 – Δραστηριότητες – Σελίδα 17-20 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Κεφάλαιο 3 – Δραστηριότητες – Σελίδα 29-40 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Κεφάλαιο 4 – Δραστηριότητες – Σελίδα 51 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Κεφάλαιο 5 – Δραστηριότητες – Σελίδα 53-69 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 6.4.3 – Ερωτήσεις – Σελίδα 78 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 6.5.3 – Ερωτήσεις – Σελίδα 84 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Κεφάλαιο 6 – Δραστηριότητες – Σελίδα 77-85 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 7.4 – Άσκηση – Σελίδα 90 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Κεφάλαιο 7 – Δραστηριότητες – Σελίδα 87-88 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
ΠΡΟΣΘΕΤΕΣ ΔΙΑΔΡΑΣΤΙΚΕΣ ΑΣΚΗΣΕΙΣ
31 Στοιχεία
Ενότητα 1.1 – Εισαγωγή – Σελίδα 7 — Άσκηση
Ενότητα 1.2 – Αναδρομικοί αλγόριθμοι – Σελίδα 7 — Άσκηση
Ενότητα 2.1 – Εισαγωγή – Σελίδα 11 — Άσκηση
Ενότητα 2.2 – Η γλώσσα Python – Σελίδα 12 — Άσκηση
Ενότητα 2.3 – Τύποι δεδομένων – Σελίδα 18 — Άσκηση
Ενότητα 2.4 – Μεταβλητές – Σελίδα 18 — Άσκηση
Ενότητα 2.5 – Εντολές εισόδου δεδομένων-εξόδου αποτελεσμάτων – Σελίδα 19 — Άσκηση
Ενότητα 2.6 – Υποπρογράμματα – Σελίδα 20 — Άσκηση
Ενότητα 2.7 – Η τύχη βοηθάει τους τολμηρούς – Σελίδα 21 — Άσκηση
Ενότητα 2.8 – Παίζοντας Πέτρα-Ψαλίδι-Χαρτί με τον υπολογιστή – Σελίδα 23 — Άσκηση
Ενότητα 3.1 – Εισαγωγή – Σελίδα 26 — Άσκηση
Ενότητα 3.2 – Γράφοντας κώδικα για τον Διεθνή Διαστημικό Σταθμό – Σελίδα 26 — Άσκηση
Ενότητα 3.3 – Γράφοντας κώδικα για το micro:bit – Σελίδα 30 — Άσκηση
Ενότητα 3.4 – Ο μικροελεγκτής Arduino – Σελίδα 36 — Άσκηση
Ενότητα 4.1 – Εισαγωγή – Σελίδα 42 — Άσκηση
Ενότητα 4.2 – Μηχανική Μάθηση με Νευρωνικά Δίκτυα – Σελίδα 43 — Άσκηση
Ενότητα 4.3 – Το περιβάλλον App Inventor – Σελίδα 45 — Άσκηση
Ενότητα 4.4 – Αναγνώριση εικόνων με αξιοποίηση Τεχνητής Νοημοσύνης – Σελίδα 46 — Άσκηση
Ενότητα 5.1 – Εισαγωγή – Σελίδα 52 — Άσκηση
Ενότητα 5.2 – Δημιουργώ έγγραφα και συνεργάζομαι σε διαδικτυακά περιβάλλοντα – Σελίδα 52 — Άσκηση
Ενότητα 5.3 – Συνεργατικές παρουσιάσεις – Σελίδα 56 — Άσκηση
Ενότητα 5.4 – Χώροι επικοινωνίας – Σελίδα 60 — Άσκηση
Ενότητα 6.1 – Εισαγωγή – Σελίδα 70 — Άσκηση
Ενότητα 6.2 – Μέλλον με απεριόριστες δυνατότητες – Σελίδα 70 — Άσκηση
Ενότητα 6.3 – Ηθικά διλήμματα από τη χρήση της Τεχνητής Νοημοσύνης – Σελίδα 74 — Άσκηση
Ενότητα 6.4 – Πολιτική απορρήτου – Σελίδα 75 — Άσκηση
Ενότητα 6.5 – Μεγάλα δεδομένα-Ανοικτά δεδομένα – Σελίδα 78 — Άσκηση
Ενότητα 6.6 – Κοιτώντας το μέλλον – Σελίδα 84 — Άσκηση
Ενότητα 7.1 – Εισαγωγή – Σελίδα 86 — Άσκηση
Ενότητα 7.2 – Αλγοριθμική επίλυση εξισώσεων – Σελίδα 86 — Άσκηση
Ενότητα 7.3 – Η δύναμη της εκθετικής μετάδοσης – Σελίδα 88 — Άσκηση
ΤΕΣΤ (ΑΣΚΗΣΕΙΣ) ONLINE
31 Tests / Διαγωνίσματα
Ενότητα 1.1 – Εισαγωγή – Σελίδα 7 — Τεστ
Ενότητα 1.2 – Αναδρομικοί αλγόριθμοι – Σελίδα 7 — Τεστ
Ενότητα 2.1 – Εισαγωγή – Σελίδα 11 — Τεστ
Ενότητα 2.2 – Η γλώσσα Python – Σελίδα 12 — Τεστ
Ενότητα 2.3 – Τύποι δεδομένων – Σελίδα 18 — Τεστ
Ενότητα 2.4 – Μεταβλητές – Σελίδα 18 — Τεστ
Ενότητα 2.5 – Εντολές εισόδου δεδομένων-εξόδου αποτελεσμάτων – Σελίδα 19 — Τεστ
Ενότητα 2.6 – Υποπρογράμματα – Σελίδα 20 — Τεστ
Ενότητα 2.7 – Η τύχη βοηθάει τους τολμηρούς – Σελίδα 21 — Τεστ
Ενότητα 2.8 – Παίζοντας Πέτρα-Ψαλίδι-Χαρτί με τον υπολογιστή – Σελίδα 23 — Τεστ
Ενότητα 3.1 – Εισαγωγή – Σελίδα 26 — Τεστ
Ενότητα 3.2 – Γράφοντας κώδικα για τον Διεθνή Διαστημικό Σταθμό – Σελίδα 26 — Τεστ
Ενότητα 3.3 – Γράφοντας κώδικα για το micro:bit – Σελίδα 30 — Τεστ
Ενότητα 3.4 – Ο μικροελεγκτής Arduino – Σελίδα 36 — Τεστ
Ενότητα 4.1 – Εισαγωγή – Σελίδα 42 — Τεστ
Ενότητα 4.2 – Μηχανική Μάθηση με Νευρωνικά Δίκτυα – Σελίδα 43 — Τεστ
Ενότητα 4.3 – Το περιβάλλον App Inventor – Σελίδα 45 — Τεστ
Ενότητα 4.4 – Αναγνώριση εικόνων με αξιοποίηση Τεχνητής Νοημοσύνης – Σελίδα 46 — Τεστ
Ενότητα 5.1 – Εισαγωγή – Σελίδα 52 — Τεστ
Ενότητα 5.2 – Δημιουργώ έγγραφα και συνεργάζομαι σε διαδικτυακά περιβάλλοντα – Σελίδα 52 — Τεστ
Ενότητα 5.3 – Συνεργατικές παρουσιάσεις – Σελίδα 56 — Τεστ
Ενότητα 5.4 – Χώροι επικοινωνίας – Σελίδα 60 — Τεστ
Ενότητα 6.1 – Εισαγωγή – Σελίδα 70 — Τεστ
Ενότητα 6.2 – Μέλλον με απεριόριστες δυνατότητες – Σελίδα 70 — Τεστ
Ενότητα 6.3 – Ηθικά διλήμματα από τη χρήση της Τεχνητής Νοημοσύνης – Σελίδα 74 — Τεστ
Ενότητα 6.4 – Πολιτική απορρήτου – Σελίδα 75 — Τεστ
Ενότητα 6.5 – Μεγάλα δεδομένα-Ανοικτά δεδομένα – Σελίδα 78 — Τεστ
Ενότητα 6.6 – Κοιτώντας το μέλλον – Σελίδα 84 — Τεστ
Ενότητα 7.1 – Εισαγωγή – Σελίδα 86 — Τεστ
Ενότητα 7.2 – Αλγοριθμική επίλυση εξισώσεων – Σελίδα 86 — Τεστ
Ενότητα 7.3 – Η δύναμη της εκθετικής μετάδοσης – Σελίδα 88 — Τεστ
Προηγούμενο Στοιχείο
Επόμενο Στοιχείο

Ενότητα 6.5.3 – Ερωτήσεις – Σελίδα 84 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις

ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – ΛΥΣΕΙΣ – ΑΠΑΝΤΗΣΕΙΣ Ασκήσεων Σχολικού Βιβλίου Ενότητα 6.5.3 – Ερωτήσεις – Σελίδα 84 – ΠΛΗΡΟΦΟΡΙΚΗ Γ΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις

(Πηγή: Βιβλίο Μαθητή, Πληροφορική Γ΄ Γυμνασίου, §6.5.3 Ερωτήσεις [εντός της ενότητας 6.5 Μεγάλα δεδομένα-Ανοικτά δεδομένα], σελ. 84. Οι εκφωνήσεις είναι αυτούσιες από το σχολικό βιβλίο.)

Ερωτήσεις

Άσκηση 1 (σελ. 84)

Επισκεφτείτε την ιστοσελίδα του Δήμου της περιοχής σας και αναζητήστε πληροφορίες σχετικά με τα ανοικτά δεδομένα του Δήμου σας. Τι είδους εφαρμογή για το κινητό θα μπορούσατε να δημιουργήσετε, αν αξιοποιούσατε τα ανοικτά αυτά δεδομένα; Θα χρειαζόσασταν τα ανοικτά δεδομένα και άλλων οργανισμών; Η εφαρμογή θα προοριζόταν για τον πολίτη ή για τις υπηρεσίες του ίδιου του Δήμου; Θα συνέβαλε σε αυτό που λέμε έξυπνη πόλη;

Σκέψη / Μεθοδολογία: Η άσκηση είναι διερευνητική: δεν έχει ένα μοναδικό «σωστό» αποτέλεσμα, αφού εξαρτάται από τα πραγματικά ανοικτά δεδομένα που διαθέτει ο συγκεκριμένος Δήμος κάθε μαθητή. Αντί για συγκεκριμένη απάντηση, δίνουμε τη μέθοδο έρευνας και ένα ενδεικτικό, ρεαλιστικό παράδειγμα εφαρμογής.

Λύση:

  1. Επισκεπτόμαστε την επίσημη ιστοσελίδα του Δήμου μας και αναζητούμε ενότητα «Ανοικτά Δεδομένα» ή «Διαφάνεια» (πολλοί Δήμοι διαθέτουν, για παράδειγμα, στοιχεία για κάδους ανακύκλωσης, δρομολόγια απορριμματοφόρων, σημεία στάθμευσης, χώρους πρασίνου, ωράρια υπηρεσιών).
  2. Ενδεικτικό παράδειγμα εφαρμογής: μια εφαρμογή κινητού που δείχνει σε πραγματικό χρόνο τους πλησιέστερους ελεύθερους χώρους στάθμευσης ή τον πλησιέστερο κάδο ανακύκλωσης, συνδυάζοντας τα ανοικτά δεδομένα υποδομών του Δήμου με τη θέση GPS του χρήστη.
  3. Τα δεδομένα μόνο του Δήμου συχνά δεν αρκούν: για μια πιο χρήσιμη εφαρμογή θα χρειαζόμασταν συνήθως και δεδομένα άλλων φορέων —π.χ. ανοικτά δεδομένα καιρού από τη μετεωρολογική υπηρεσία, ή δεδομένα κυκλοφορίας από την Τροχαία/το Υπουργείο Υποδομών— ώστε η εφαρμογή να δίνει πιο ολοκληρωμένη πληροφορία.
  4. Μια τέτοια εφαρμογή μπορεί να προορίζεται τόσο για τον πολίτη (εξοικονόμηση χρόνου, καλύτερη ενημέρωση) όσο και για τις ίδιες τις υπηρεσίες του Δήμου (καλύτερος σχεδιασμός, στατιστικά χρήσης υποδομών).
  5. Ναι, θα συνέβαλε στην ιδέα της «έξυπνης πόλης», αφού αξιοποιεί δεδομένα και τεχνολογία για να βελτιώσει την καθημερινή λειτουργία της πόλης και την ποιότητα ζωής των κατοίκων — αυτός είναι, άλλωστε, ο πυρήνας του όρου.

Ενδεικτική απάντηση: Δεν υπάρχει ένα μοναδικό σωστό αποτέλεσμα — εξαρτάται από τα δεδομένα που διαθέτει πραγματικά ο Δήμος κάθε μαθητή. Η σωστή διαδικασία είναι: αναζήτηση ανοικτών δεδομένων στην ιστοσελίδα του Δήμου, σχεδιασμός μιας εφαρμογής που τα αξιοποιεί (π.χ. στάθμευση, ανακύκλωση, πράσινοι χώροι), εκτίμηση αν χρειάζονται και δεδομένα άλλων φορέων, προσδιορισμός αποδέκτη (πολίτης/υπηρεσία) και σύνδεση με την ιδέα της έξυπνης πόλης.

Πρόσεξε:

  • Η άσκηση απαιτεί πραγματική επίσκεψη στην ιστοσελίδα του τοπικού Δήμου — χωρίς αυτήν, μπορεί να εφαρμοστεί μόνο η μέθοδος σε υποθετικό/γενικό παράδειγμα.
  • Μην περιοριστείς μόνο στα δεδομένα του Δήμου· η ερώτηση ζητά ρητά να σκεφτείς αν χρειάζονται και δεδομένα άλλων οργανισμών.

Άσκηση 2 (σελ. 84)

Τα μεγάλα δεδομένα χρησιμοποιούνται αρκετά στην τριτοβάθμια εκπαίδευση. Για παράδειγμα, ένα Πανεπιστήμιο της Αυστραλίας χρησιμοποιεί ένα Σύστημα Μάθησης και Διαχείρισης (π.χ. eclass) που καταγράφει, μεταξύ άλλων, πότε ένας φοιτητής συνδέεται στο σύστημα, πόσο χρόνο ξοδεύει στις διάφορες σελίδες του συστήματος (π.χ. πόσο χρόνο αφιερώνει για να δει ένα βίντεο, να κάνει ένα quiz, να συνομιλήσει σε ένα forum), καθώς και τη συνολική πρόοδο του φοιτητή με την πάροδο του χρόνου. Πώς θα μπορούσαν να χρησιμοποιηθούν αυτές οι πληροφορίες για τη βελτίωση του εκπαιδευτικού υλικού;

Σκέψη / Μεθοδολογία: Η ερώτηση ζητά να συνδέσουμε τα χαρακτηριστικά των μεγάλων δεδομένων (μεγάλος όγκος, ποικιλία πηγών, ανάλυση μοτίβων) με ένα συγκεκριμένο πρακτικό σενάριο εκπαίδευσης. Δεν έχει μοναδική «σωστή» απάντηση, αλλά μπορούμε να δώσουμε μια συστηματική, τεκμηριωμένη ανάλυση με συγκεκριμένα παραδείγματα αξιοποίησης.

Λύση:

  1. Ανίχνευση δυσκολίας: αν πολλοί φοιτητές περνούν πολύ χρόνο ή ξαναβλέπουν επανειλημμένα το ίδιο βίντεο/σελίδα, αυτό είναι ένδειξη ότι το συγκεκριμένο σημείο της ύλης είναι δύσκολο — το πανεπιστήμιο μπορεί να αναθεωρήσει το υλικό εκεί, να προσθέσει επιπλέον παραδείγματα ή διευκρινίσεις.
  2. Εξατομίκευση μάθησης: συνδυάζοντας δεδομένα προόδου κάθε φοιτητή, το σύστημα θα μπορούσε να προτείνει σε καθέναν διαφορετικό υλικό/ρυθμό μελέτης, ανάλογα με το τι έχει ήδη κατανοήσει καλά και τι όχι.
  3. Έγκαιρη προειδοποίηση (early warning): αν ένας φοιτητής σταματήσει να συνδέεται συχνά ή η πρόοδός του πέσει απότομα, το σύστημα μπορεί να ειδοποιήσει τον καθηγητή ή τον σύμβουλο σπουδών ώστε να παρέμβει έγκαιρα, πριν ο φοιτητής μείνει πολύ πίσω.
  4. Βελτίωση σχεδιασμού μαθήματος: αν στατιστικά φαίνεται ότι ένα forum συζήτησης χρησιμοποιείται ελάχιστα ενώ τα βίντεο πολύ, το πανεπιστήμιο μπορεί να αναδιαρθρώσει το μάθημα ώστε να αξιοποιεί περισσότερο τα εργαλεία που πραγματικά προτιμούν οι φοιτητές.
  5. Σύγκριση μεταξύ ομάδων/εξαμήνων: η ανάλυση δεδομένων πολλών φοιτητών σε βάθος χρόνου επιτρέπει τη σύγκριση διαφορετικών εκδοχών ενός μαθήματος, ώστε να εντοπιστεί ποια εκδοχή του υλικού είχε καλύτερα αποτελέσματα.

Ενδεικτική απάντηση: Οι πληροφορίες αυτές θα μπορούσαν να αξιοποιηθούν για: (α) εντοπισμό δύσκολων σημείων της ύλης όπου οι φοιτητές δυσκολεύονται, (β) εξατομίκευση του υλικού/ρυθμού μάθησης ανά φοιτητή, (γ) έγκαιρη προειδοποίηση όταν ένας φοιτητής κινδυνεύει να μείνει πίσω, (δ) αναδιάρθρωση του μαθήματος ώστε να αξιοποιούνται τα εργαλεία που πραγματικά προτιμούν οι φοιτητές, και (ε) σύγκριση διαφορετικών εκδοχών ενός μαθήματος για τη βελτίωσή του με την πάροδο του χρόνου.

Πρόσεξε:

  • Η ανάλυση αυτών των δεδομένων πρέπει να γίνεται με σεβασμό στην ιδιωτικότητα του φοιτητή (βλ. §6.4) — η χρήση τους για βελτίωση της εκπαίδευσης δεν πρέπει να μετατρέπεται σε αθέμιτη παρακολούθηση ή αξιολόγηση εκτός εκπαιδευτικού πλαισίου.
  • Δεν χρειάζεται να αναφέρεις όλα τα παραπάνω σημεία· μία ή δύο καλά τεκμηριωμένες ιδέες αρκούν για πλήρη απάντηση.
Προηγούμενο Στοιχείο
Επιστροφή στην Ενότητα
Επόμενο Στοιχείο
 ΣΧΟΛΙΚΟ ΒΙΒΛΙΟ