ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ

ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – ΛΥΣΕΙΣ – ΑΠΑΝΤΗΣΕΙΣ Ασκήσεων Σχολικού Βιβλίου
9 Στοιχεία
Ενότητα 1.6 – Ασκήσεις – Σελίδα 19 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 1 – Δραστηριότητες – Σελίδα 8-16 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 2 – Δραστηριότητες – Σελίδα 28-28 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 3.8 – Ερωτήσεις – Σελίδα 41 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 4 – Δραστηριότητες – Σελίδα 47-58 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 5 – Δραστηριότητες – Σελίδα 59-62 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 6 – Δραστηριότητες – Σελίδα 66-67 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 7.2.1 – Ερωτήσεις – Σελίδα 73 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
Ενότητα 8 – Δραστηριότητες – Σελίδα 81-87 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις
ΘΕΩΡΙΑ ΜΑΘΗΜΑΤΟΣ
41 Στοιχεία
Ενότητα 1.1 – Εισαγωγή – Σελίδα 7
Ενότητα 1.2 – Πόσα bits είναι αρκετά; – Σελίδα 7
Ενότητα 1.3 – bits & Bytes – Σελίδα 9
Ενότητα 1.4 – Ρυθμός μετάδοσης δεδομένων – Σελίδα 12
Ενότητα 1.5 – Μορφές αναπαράστασης πληροφορίας – Πολυμέσα – Σελίδα 15
Ενότητα 2.1 – Εισαγωγή – Σελίδα 20
Ενότητα 2.2 – Χρησιμότητα των δικτύων – Σελίδα 20
Ενότητα 2.3 – Τεχνολογίες δικτύων – Σελίδα 20
Ενότητα 2.4 – Δομικά στοιχεία ενός δικτύου υπολογιστών – Σελίδα 22
Ενότητα 2.5 – Κατηγορίες δικτύων δεδομένων βάσει γεωγραφικής εμβέλειας και κάλυψης – Σελίδα 24
Ενότητα 2.6 – Σύνδεση υπολογιστή σε τοπικό δίκτυο – Σελίδα 25
Ενότητα 2.7 – Διαγνωστικά εργαλεία – Σελίδα 27
Ενότητα 3.1 – Εισαγωγή – Σελίδα 29
Ενότητα 3.2 – Επεξεργασία δεδομένων – Σελίδα 29
Ενότητα 3.3 – Το λογισμικό των Υπολογιστικών Φύλλων – Σελίδα 31
Ενότητα 3.4 – Υπολογισμοί στο λογισμικό Υπολογιστικά Φύλλα – Σελίδα 37
Ενότητα 3.5 – Χρήση συναρτήσεων στο λογισμικό Υπολογιστικά Φύλλα – Σελίδα 38
Ενότητα 3.6 – Αλλαγή Δεδομένων-Αυτόματη αλλαγή των υπολογισμών – Σελίδα 39
Ενότητα 3.7 – Τα δεδομένα, οι πληροφορίες και ο υπολογιστής – Σελίδα 41
Ενότητα 3.9 – Διαγράμματα – Σελίδα 42
Ενότητα 4.1 – Εισαγωγή – Σελίδα 45
Ενότητα 4.2 – Τι είναι μια παρουσίαση – Σελίδα 45
Ενότητα 4.3 – Προβολή διαφανειών – Σελίδα 52
Ενότητα 4.4 – Αποθήκευση και άλλες κοινές ενέργειες – Σελίδα 54
Ενότητα 4.5 – Καλές πρακτικές για τη δημιουργία παρουσιάσεων – Σελίδα 55
Ενότητα 5.1 – Εισαγωγή – Σελίδα 59
Ενότητα 5.2 – Δεν ανακαλύπτουμε ξανά τον τροχό – Σελίδα 59
Ενότητα 5.3 – Ρεαλιστική κίνηση χαρακτήρων – Σελίδα 62
Ενότητα 6.1 – Εισαγωγή – Σελίδα 63
Ενότητα 6.2 – Αλγόριθμος + Δομές Δεδομένων = Πρόγραμμα – Σελίδα 63
Ενότητα 6.3 – Λειτουργίες λιστών – Σελίδα 64
Ενότητα 7.1 – Εισαγωγή – Σελίδα 68
Ενότητα 7.2 – Τεχνητή Νοημοσύνη – Σελίδα 69
Ενότητα 7.3 – Τεχνητή Νοημοσύνη: Ορισμοί – Σελίδα 73
Ενότητα 7.4 – Εκπαιδεύοντας ένα νευρωνικό δίκτυο – Σελίδα 76
Ενότητα 8.1 – Εισαγωγή – Σελίδα 79
Ενότητα 8.2 – Ηλεκτρονικό εμπόριο και υπηρεσίες – Σελίδα 79
Ενότητα 8.3 – Βιομηχανία 4.0 – Σελίδα 80
Ενότητα 8.4 – Αλλαγές στον τρόπο εργασίας – Σελίδα 82
Ενότητα 8.5 – Νέες θέσεις εργασίας – Σελίδα 83
Ενότητα 8.6 – Ψηφιακές τεχνολογίες και αειφορία – Σελίδα 87
ΠΡΟΣΘΕΤΕΣ ΔΙΑΔΡΑΣΤΙΚΕΣ ΑΣΚΗΣΕΙΣ
41 Στοιχεία
Ενότητα 1.1 – Εισαγωγή – Σελίδα 7 — Άσκηση
Ενότητα 1.2 – Πόσα bits είναι αρκετά; – Σελίδα 7 — Άσκηση
Ενότητα 1.3 – bits & Bytes – Σελίδα 9 — Άσκηση
Ενότητα 1.4 – Ρυθμός μετάδοσης δεδομένων – Σελίδα 12 — Άσκηση
Ενότητα 1.5 – Μορφές αναπαράστασης πληροφορίας – Πολυμέσα – Σελίδα 15 — Άσκηση
Ενότητα 2.1 – Εισαγωγή – Σελίδα 20 — Άσκηση
Ενότητα 2.2 – Χρησιμότητα των δικτύων – Σελίδα 20 — Άσκηση
Ενότητα 2.3 – Τεχνολογίες δικτύων – Σελίδα 20 — Άσκηση
Ενότητα 2.4 – Δομικά στοιχεία ενός δικτύου υπολογιστών – Σελίδα 22 — Άσκηση
Ενότητα 2.5 – Κατηγορίες δικτύων δεδομένων βάσει γεωγραφικής εμβέλειας και κάλυψης – Σελίδα 24 — Άσκηση
Ενότητα 2.6 – Σύνδεση υπολογιστή σε τοπικό δίκτυο – Σελίδα 25 — Άσκηση
Ενότητα 2.7 – Διαγνωστικά εργαλεία – Σελίδα 27 — Άσκηση
Ενότητα 3.1 – Εισαγωγή – Σελίδα 29 — Άσκηση
Ενότητα 3.2 – Επεξεργασία δεδομένων – Σελίδα 29 — Άσκηση
Ενότητα 3.3 – Το λογισμικό των Υπολογιστικών Φύλλων – Σελίδα 31 — Άσκηση
Ενότητα 3.4 – Υπολογισμοί στο λογισμικό Υπολογιστικά Φύλλα – Σελίδα 37 — Άσκηση
Ενότητα 3.5 – Χρήση συναρτήσεων στο λογισμικό Υπολογιστικά Φύλλα – Σελίδα 38 — Άσκηση
Ενότητα 3.6 – Αλλαγή Δεδομένων-Αυτόματη αλλαγή των υπολογισμών – Σελίδα 39 — Άσκηση
Ενότητα 3.7 – Τα δεδομένα, οι πληροφορίες και ο υπολογιστής – Σελίδα 41 — Άσκηση
Ενότητα 3.9 – Διαγράμματα – Σελίδα 42 — Άσκηση
Ενότητα 4.1 – Εισαγωγή – Σελίδα 45 — Άσκηση
Ενότητα 4.2 – Τι είναι μια παρουσίαση – Σελίδα 45 — Άσκηση
Ενότητα 4.3 – Προβολή διαφανειών – Σελίδα 52 — Άσκηση
Ενότητα 4.4 – Αποθήκευση και άλλες κοινές ενέργειες – Σελίδα 54 — Άσκηση
Ενότητα 4.5 – Καλές πρακτικές για τη δημιουργία παρουσιάσεων – Σελίδα 55 — Άσκηση
Ενότητα 5.1 – Εισαγωγή – Σελίδα 59 — Άσκηση
Ενότητα 5.2 – Δεν ανακαλύπτουμε ξανά τον τροχό – Σελίδα 59 — Άσκηση
Ενότητα 5.3 – Ρεαλιστική κίνηση χαρακτήρων – Σελίδα 62 — Άσκηση
Ενότητα 6.1 – Εισαγωγή – Σελίδα 63 — Άσκηση
Ενότητα 6.2 – Αλγόριθμος + Δομές Δεδομένων = Πρόγραμμα – Σελίδα 63 — Άσκηση
Ενότητα 6.3 – Λειτουργίες λιστών – Σελίδα 64 — Άσκηση
Ενότητα 7.1 – Εισαγωγή – Σελίδα 68 — Άσκηση
Ενότητα 7.2 – Τεχνητή Νοημοσύνη – Σελίδα 69 — Άσκηση
Ενότητα 7.3 – Τεχνητή Νοημοσύνη: Ορισμοί – Σελίδα 73 — Άσκηση
Ενότητα 7.4 – Εκπαιδεύοντας ένα νευρωνικό δίκτυο – Σελίδα 76 — Άσκηση
Ενότητα 8.1 – Εισαγωγή – Σελίδα 79 — Άσκηση
Ενότητα 8.2 – Ηλεκτρονικό εμπόριο και υπηρεσίες – Σελίδα 79 — Άσκηση
Ενότητα 8.3 – Βιομηχανία 4.0 – Σελίδα 80 — Άσκηση
Ενότητα 8.4 – Αλλαγές στον τρόπο εργασίας – Σελίδα 82 — Άσκηση
Ενότητα 8.5 – Νέες θέσεις εργασίας – Σελίδα 83 — Άσκηση
Ενότητα 8.6 – Ψηφιακές τεχνολογίες και αειφορία – Σελίδα 87 — Άσκηση
ΤΕΣΤ (ΑΣΚΗΣΕΙΣ) ONLINE
41 Tests / Διαγωνίσματα
Ενότητα 1.1 – Εισαγωγή – Σελίδα 7 — Τεστ
Ενότητα 1.2 – Πόσα bits είναι αρκετά; – Σελίδα 7 — Τεστ
Ενότητα 1.3 – bits & Bytes – Σελίδα 9 — Τεστ
Ενότητα 1.4 – Ρυθμός μετάδοσης δεδομένων – Σελίδα 12 — Τεστ
Ενότητα 1.5 – Μορφές αναπαράστασης πληροφορίας – Πολυμέσα – Σελίδα 15 — Τεστ
Ενότητα 2.1 – Εισαγωγή – Σελίδα 20 — Τεστ
Ενότητα 2.2 – Χρησιμότητα των δικτύων – Σελίδα 20 — Τεστ
Ενότητα 2.3 – Τεχνολογίες δικτύων – Σελίδα 20 — Τεστ
Ενότητα 2.4 – Δομικά στοιχεία ενός δικτύου υπολογιστών – Σελίδα 22 — Τεστ
Ενότητα 2.5 – Κατηγορίες δικτύων δεδομένων βάσει γεωγραφικής εμβέλειας και κάλυψης – Σελίδα 24 — Τεστ
Ενότητα 2.6 – Σύνδεση υπολογιστή σε τοπικό δίκτυο – Σελίδα 25 — Τεστ
Ενότητα 2.7 – Διαγνωστικά εργαλεία – Σελίδα 27 — Τεστ
Ενότητα 3.1 – Εισαγωγή – Σελίδα 29 — Τεστ
Ενότητα 3.2 – Επεξεργασία δεδομένων – Σελίδα 29 — Τεστ
Ενότητα 3.3 – Το λογισμικό των Υπολογιστικών Φύλλων – Σελίδα 31 — Τεστ
Ενότητα 3.4 – Υπολογισμοί στο λογισμικό Υπολογιστικά Φύλλα – Σελίδα 37 — Τεστ
Ενότητα 3.5 – Χρήση συναρτήσεων στο λογισμικό Υπολογιστικά Φύλλα – Σελίδα 38 — Τεστ
Ενότητα 3.6 – Αλλαγή Δεδομένων-Αυτόματη αλλαγή των υπολογισμών – Σελίδα 39 — Τεστ
Ενότητα 3.7 – Τα δεδομένα, οι πληροφορίες και ο υπολογιστής – Σελίδα 41 — Τεστ
Ενότητα 3.9 – Διαγράμματα – Σελίδα 42 — Τεστ
Ενότητα 4.1 – Εισαγωγή – Σελίδα 45 — Τεστ
Ενότητα 4.2 – Τι είναι μια παρουσίαση – Σελίδα 45 — Τεστ
Ενότητα 4.3 – Προβολή διαφανειών – Σελίδα 52 — Τεστ
Ενότητα 4.4 – Αποθήκευση και άλλες κοινές ενέργειες – Σελίδα 54 — Τεστ
Ενότητα 4.5 – Καλές πρακτικές για τη δημιουργία παρουσιάσεων – Σελίδα 55 — Τεστ
Ενότητα 5.1 – Εισαγωγή – Σελίδα 59 — Τεστ
Ενότητα 5.2 – Δεν ανακαλύπτουμε ξανά τον τροχό – Σελίδα 59 — Τεστ
Ενότητα 5.3 – Ρεαλιστική κίνηση χαρακτήρων – Σελίδα 62 — Τεστ
Ενότητα 6.1 – Εισαγωγή – Σελίδα 63 — Τεστ
Ενότητα 6.2 – Αλγόριθμος + Δομές Δεδομένων = Πρόγραμμα – Σελίδα 63 — Τεστ
Ενότητα 6.3 – Λειτουργίες λιστών – Σελίδα 64 — Τεστ
Ενότητα 7.1 – Εισαγωγή – Σελίδα 68 — Τεστ
Ενότητα 7.2 – Τεχνητή Νοημοσύνη – Σελίδα 69 — Τεστ
Ενότητα 7.3 – Τεχνητή Νοημοσύνη: Ορισμοί – Σελίδα 73 — Τεστ
Ενότητα 7.4 – Εκπαιδεύοντας ένα νευρωνικό δίκτυο – Σελίδα 76 — Τεστ
Ενότητα 8.1 – Εισαγωγή – Σελίδα 79 — Τεστ
Ενότητα 8.2 – Ηλεκτρονικό εμπόριο και υπηρεσίες – Σελίδα 79 — Τεστ
Ενότητα 8.3 – Βιομηχανία 4.0 – Σελίδα 80 — Τεστ
Ενότητα 8.4 – Αλλαγές στον τρόπο εργασίας – Σελίδα 82 — Τεστ
Ενότητα 8.5 – Νέες θέσεις εργασίας – Σελίδα 83 — Τεστ
Ενότητα 8.6 – Ψηφιακές τεχνολογίες και αειφορία – Σελίδα 87 — Τεστ
Προηγούμενο Στοιχείο
Επόμενο

Ενότητα 8 – Δραστηριότητες – Σελίδα 81-87 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις

ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – ΛΥΣΕΙΣ – ΑΠΑΝΤΗΣΕΙΣ Ασκήσεων Σχολικού Βιβλίου Ενότητα 8 – Δραστηριότητες – Σελίδα 81-87 – ΠΛΗΡΟΦΟΡΙΚΗ Β΄ ΓΥΜΝΑΣΙΟΥ – Απαντήσεις – Λύσεις

(Πηγή: Βιβλίο Μαθητή, Πληροφορική Β΄ Γυμνασίου, Κεφάλαιο 8 «Πληροφορική και Κοινωνία. Οι αλλαγές στην οικονομία» — ΤΕΛΕΥΤΑΙΟ κεφάλαιο του βιβλίου, σελ. 79-89 (§8.1-8.6). Το κεφάλαιο ΔΕΝ έχει δικό του "Ερωτήσεις"/"Ασκήσεις" section στο ΠΕΡΙΕΧΟΜΕΝΑ και δεν είχε κανένα lyseis αρχείο από τη Φάση 1 (καλύφθηκε μόνο με θεωρία+widget+τεστ). Οι 10 «Δραστηριότητα 1-10» παρακάτω είναι τοπικά αριθμημένα κουτιά ενσωματωμένα μέσα στη θεωρία των §8.3-8.6, χωρίς καμία μοναδικής-σωστής-απάντησης quiz-like ερώτηση — όλες είναι συζήτησης/έρευνας/παρακολούθησης βίντεο/δημιουργικής κατασκευής (κόμικ, Παρουσίαση). Οι εκφωνήσεις είναι αυτούσιες από το σχολικό βιβλίο. Βρέθηκε πραγματικό σφάλμα page-mapping στο πηγαίο JSON για τις Δραστηριότητες 6 και 7 (το JSON έγραφε start_page 84 και για τις δύο, ενώ η πραγματική τυπωμένη εμφάνιση και των δύο —επιβεβαιωμένη ανεξάρτητα με pdftotext -layout— είναι στη σελίδα 84, μία σελίδα-αρχείου PDF μετά από ό,τι θα έδειχνε ο τυπικός τύπος start_page−1 εφαρμοσμένος στο λανθασμένο JSON start_page)· χρησιμοποιήθηκε η πραγματική σελίδα εμφάνισης. Πραγματικά στοιχεία (προδιαγραφές/χρήσεις του ρομπότ Spot της Boston Dynamics, στατιστικά Global E-waste Monitor 2024, ελληνικό σύστημα ΑΝΑΚΥΚΛΩΣΗ ΣΥΣΚΕΥΩΝ Α.Ε., πραγματικοί μισθοί ψηφιακών επαγγελμάτων σε ΗΒ/Γερμανία) επαληθεύτηκαν με WebSearch αντί να δοθούν από μνήμη.)

Δραστηριότητες Κεφαλαίου 8

Δραστηριότητα 1 (σελ. 81)

Παρακολουθήστε το βίντεο «Τεχνητή Νοημοσύνη στη Βιομηχανία».

Ερωτήσεις

  1. Πώς πιστεύετε ότι η Τεχνητή Νοημοσύνη θα μπορούσε να βοηθήσει τις βιομηχανίες να λειτουργήσουν πιο αποτελεσματικά;
  2. Ποια είναι μερικά από τα οφέλη και τα μειονεκτήματα των ρομπότ που μπορούν να μαθαίνουν μόνα τους;
  3. Πιστεύετε ότι τα ρομπότ θα μπορέσουν ποτέ να αντικαταστήσουν τους ανθρώπους σε κάποια επαγγέλματα; Δικαιολογήστε την απάντησή σας.

Σκέψη / Μεθοδολογία: Η δραστηριότητα προϋποθέτει την παρακολούθηση ενός εξωτερικού βίντεο (μη αναπαραγώγιμου εδώ) και στη συνέχεια συζήτηση 3 ερωτημάτων ανοιχτού τύπου, χωρίς μία μοναδική «σωστή» απάντηση. Δίνουμε μια δειγματική, τεκμηριωμένη απάντηση που θα μπορούσε να γράψει ένας καλά προετοιμασμένος μαθητής, βασισμένη στο ίδιο το θεωρητικό κείμενο του §8.3 «Βιομηχανία 4.0» που προηγείται της Δραστηριότητας. Για το ερ.3 (αντικατάσταση ανθρώπων) χρησιμοποιούμε τη διάκριση προκαθορισμένων/επαναλαμβανόμενων εργασιών (εύκολα αυτοματοποιήσιμες) έναντι εργασιών που απαιτούν δημιουργικότητα, κρίση και ανθρώπινη σχέση (δύσκολα αυτοματοποιήσιμες) — ίδια λογική με το κείμενο πριν τη Δραστηριότητα 6 του ίδιου κεφαλαίου.

Λύση:

  • Ερ.1 — Πώς βοηθά η ΤΝ τη βιομηχανία: (α) Προβλεπτική συντήρηση (predictive maintenance) — αισθητήρες + ΤΝ προβλέπουν πότε θα χαλάσει ένα μηχάνημα πριν σταματήσει απρόοπτα η παραγωγή. (β) Έλεγχος ποιότητας με όραση υπολογιστή — εντοπισμός ελαττωματικών προϊόντων σε χιλιοστά του δευτερολέπτου, με μεγαλύτερη ακρίβεια από τον άνθρωπο. (γ) Βελτιστοποίηση αλυσίδας εφοδιασμού — πρόβλεψη ζήτησης, μείωση αποθεμάτων. (δ) Cobots (συνεργατικά ρομπότ) που εργάζονται δίπλα σε ανθρώπους σε επικίνδυνες ή κοπιαστικές εργασίες.
  • Ερ.2 — Οφέλη ρομπότ που «μαθαίνουν μόνα τους» (machine learning): συνεχής βελτίωση απόδοσης χωρίς επαναπρογραμματισμό, προσαρμογή σε νέες συνθήκες/προϊόντα, ανίχνευση σπάνιων σφαλμάτων που δεν είχε προβλέψει ο άνθρωπος. Μειονεκτήματα: «μαύρο κουτί» (δύσκολο να εξηγηθεί γιατί πήρε μια απόφαση), ανάγκη για μεγάλο όγκο δεδομένων εκπαίδευσης, κίνδυνος να «μάθει» λάθος συμπεριφορά από ελαττωματικά δεδομένα, υψηλό αρχικό κόστος επένδυσης.
  • Ερ.3 — Αντικατάσταση ανθρώπων: Η Τεχνητή Νοημοσύνη είναι πολύ αποτελεσματική σε εργασίες προκαθορισμένες και επαναλαμβανόμενες (π.χ. συναρμολόγηση, ταξινόμηση, επιθεώρηση). Σε αυτές θα αντικαταστήσει πράγματι πολλές θέσεις. Δύσκολα όμως θα αντικαταστήσει πλήρως εργασίες που απαιτούν δημιουργικότητα, ενσυναίσθηση, διαπραγμάτευση ή μη τυποποιημένη λήψη αποφάσεων. Η πιο ρεαλιστική εικόνα είναι συνεργασία ανθρώπου-ρομπότ, όχι πλήρης αντικατάσταση σε όλα τα επαγγέλματα.

Απάντηση (ενδεικτική): η ΤΝ βοηθά τη βιομηχανία κυρίως μέσω προβλεπτικής συντήρησης, ελέγχου ποιότητας και βελτιστοποίησης παραγωγής· τα αυτο-μαθαινόμενα ρομπότ έχουν όφελος την προσαρμοστικότητα αλλά μειονέκτημα τη μη διαφάνεια των αποφάσεών τους· η πλήρης αντικατάσταση ανθρώπων είναι πιο πιθανή σε επαναλαμβανόμενες εργασίες παρά σε εργασίες που απαιτούν δημιουργικότητα/κρίση.

Πρόσεξε:

  • Δεν υπάρχει μία «σωστή» απάντηση αφού η δραστηριότητα βασίζεται σε προσωπική άποψη μετά την παρακολούθηση συγκεκριμένου βίντεο· η ποιότητα της απάντησης κρίνεται από την τεκμηρίωση, όχι από συγκεκριμένη λέξη-κλειδί.
  • Το ερ.3 ζητά ρητά «δικαιολογήστε» — μια απλή Ναι/Όχι απάντηση χωρίς επιχειρήματα δεν είναι πλήρης απάντηση.

Δραστηριότητα 2 (σελ. 81)

Σχεδιάστε ένα κόμικ με τέσσερα καρέ που δείχνει πώς η Τεχνητή Νοημοσύνη θα μπορούσε να χρησιμοποιηθεί σε ένα εργοστάσιο για να βοηθήσει τους εργαζόμενους.

Σκέψη / Μεθοδολογία: Δημιουργική/κατασκευαστική δραστηριότητα (κόμικ) — δεν έχει μοναδική σωστή απάντηση στο ΠΕΡΙΕΧΟΜΕΝΟ, αλλά χρειάζεται ένα ολοκληρωμένο, λογικά συνεπές σενάριο 4 καρέ που να δείχνει ΤΝ να βοηθά (όχι να αντικαθιστά επιθετικά) τον εργαζόμενο, ίδιο πνεύμα με το θεωρητικό κείμενο του §8.3. Επιλέχθηκε σενάριο γύρω από τον έλεγχο ποιότητας με όραση υπολογιστή (μία από τις πιο συνηθισμένες, εύκολα οπτικοποιήσιμες εφαρμογές ΤΝ σε εργοστάσιο), ώστε κάθε καρέ να έχει σαφή δράση/διάλογο.

Λύση:

  • Καρέ 1: Ο εργαζόμενος Νίκος στέκεται στη γραμμή παραγωγής μπροστά σε μια κάμερα-σαρωτή συνδεδεμένη με σύστημα ΤΝ. Λεζάντα: «Κάθε προϊόν περνά κάτω από την κάμερα ελέγχου ποιότητας με Τεχνητή Νοημοσύνη».
  • Καρέ 2: Στην οθόνη εμφανίζεται ένα κόκκινο πλαίσιο γύρω από ένα ελαττωματικό κομμάτι, με μήνυμα «⚠ Εντοπίστηκε ρωγμή». Ο Νίκος κοιτάζει έκπληκτος. Λεζάντα: «Το σύστημα εντοπίζει προβλήματα που ξεφεύγουν από το ανθρώπινο μάτι, σε κλάσματα δευτερολέπτου».
  • Καρέ 3: Ένας ρομποτικός βραχίονας παραλαμβάνει αυτόματα το ελαττωματικό κομμάτι και το αφαιρεί από τη γραμμή, ενώ ο Νίκος συνεχίζει να επιβλέπει τη διαδικασία με ένα tablet στο χέρι. Λεζάντα: «Το ρομπότ κάνει τη βαριά/επαναλαμβανόμενη δουλειά, ο άνθρωπος επιβλέπει».
  • Καρέ 4: Ο Νίκος χαμογελά, δείχνοντας στο tablet μια αναφορά με λιγότερα ελαττωματικά προϊόντα σε σχέση με πριν και περισσότερο χρόνο για πιο δημιουργικές εργασίες. Λεζάντα: «Η ΤΝ δεν πήρε τη δουλειά του Νίκου — τον απάλλαξε από τον κουραστικό έλεγχο και του άφησε χρόνο για πιο σημαντικές αποφάσεις».

Απάντηση (ενδεικτική): κόμικ 4 καρέ με θέμα «Έλεγχος ποιότητας με ΤΝ» — (1) κάμερα ελέγχου, (2) εντοπισμός ελαττώματος, (3) ρομποτικός βραχίονας αφαιρεί το ελαττωματικό προϊόν ενώ ο εργαζόμενος επιβλέπει, (4) βελτιωμένο αποτέλεσμα + χρόνος για τον εργαζόμενο σε πιο δημιουργικές εργασίες.

Πρόσεξε:

  • Οποιοδήποτε ρεαλιστικό σενάριο ΤΝ-σε-εργοστάσιο είναι αποδεκτό (π.χ. προβλεπτική συντήρηση, ρομπότ συναρμολόγησης, ρομπότ αποθήκης) — το ζητούμενο είναι να δείχνει τη ΤΝ ως ΒΟΗΘΟ, όχι μόνο ως αντικαταστάτη.
  • Το κόμικ πρέπει να έχει ακριβώς 4 καρέ, με σαφή αλληλουχία (αρχή-μέση-τέλος), όχι 4 ασύνδετες εικόνες.

Δραστηριότητα 3 (σελ. 81)

Παρακολουθήστε το βίντεο «Γνωρίστε τον Σποτ, ένα ρομπότ σκύλο που τρέχει, πηδάει και ανοίγει πόρτες».

  1. Μετά συζητήστε σχετικά με τα ρομπότ. Μπορούν να βοηθήσουν τον άνθρωπο αναλαμβάνοντας τις δύσκολες και επικίνδυνες εργασίες;
  2. Ποια προβλήματα ή ηθικοί προβληματισμοί μπορούν να ανακύψουν;

Σκέψη / Μεθοδολογία: Το «Σποτ» είναι πραγματικό, υπαρκτό ρομπότ (Spot, Boston Dynamics) — αναζητήθηκαν πραγματικά τεχνικά χαρακτηριστικά και εφαρμογές του με WebSearch, ώστε η συζήτηση να βασίζεται σε αληθινά δεδομένα και όχι σε εικασίες. Οργανώνουμε την απάντηση σε (α) πραγματικά παραδείγματα χρήσης σε επικίνδυνες/δύσκολες εργασίες και (β) ηθικούς προβληματισμούς, με τεκμηρίωση.

Λύση:

  • Πραγματικά στοιχεία για το Spot (Boston Dynamics, WebSearch 2025-2026): τετράποδο ρομπότ βάρους ≈34 kg, ταχύτητα έως 1,6 m/s, αυτονομία ≈90 λεπτά ανά μπαταρία, μπορεί να ανεβαίνει σκάλες, να αποφεύγει εμπόδια και —με προαιρετικό ρομποτικό βραχίονα 6 βαθμών ελευθερίας— να ανοίγει πόρτες/βαλβίδες. Χρησιμοποιείται ήδη σε πραγματικές βιομηχανικές εγκαταστάσεις: επιθεωρήσεις μηχανημάτων και έλεγχοι ασφαλείας (π.χ. Cargill, Άμστερνταμ), προληπτική συντήρηση σε υψικάμινο χάλυβα (POSCO), περιπολίες σε γεωθερμικό σταθμό (J-POWER, Ιαπωνία). [Πηγή: bostondynamics.com/blog, therobotreport.com]
  • Ερ.1 — Ναι, ρομπότ σαν το Spot βοηθούν πραγματικά σε επικίνδυνες/δύσκολες εργασίες: επιθεώρηση σε επικίνδυνα/τοξικά περιβάλλοντα (πυρηνικοί σταθμοί, ορυχεία, χώροι μετά από σεισμό/καταστροφή), σε ύψος ή δύσβατο έδαφος, εργασίες που απαιτούν επαναλαμβανόμενες περιπολίες όλο το 24ωρο — δουλειές που θα έθεταν σε κίνδυνο έναν άνθρωπο ή θα ήταν εξαντλητικά μονότονες.
  • Ερ.2 — Ηθικοί προβληματισμοί: (α) απώλεια θέσεων εργασίας για ανθρώπους που έκαναν επιθεωρήσεις/περιπολίες, (β) ευθύνη σε περίπτωση ατυχήματος/λάθους απόφασης του ρομπότ (ποιος ευθύνεται: ο κατασκευαστής, ο χειριστής, η εταιρεία;), (γ) χρήση τέτοιων ρομπότ για επιτήρηση/παρακολούθηση ανθρώπων (ζητήματα ιδιωτικότητας αν χρησιμοποιηθούν εκτός εργοστασίου), (δ) κόστος απόκτησης που μπορεί να αυξήσει την ανισότητα ανάμεσα σε μεγάλες και μικρές επιχειρήσεις.

Απάντηση (ενδεικτική): Ναι, ρομπότ όπως το Spot ήδη αναλαμβάνουν πραγματικές επικίνδυνες/κοπιαστικές εργασίες επιθεώρησης σε βιομηχανίες (π.χ. υψικάμινοι, γεωθερμικοί σταθμοί). Ηθικοί προβληματισμοί: απώλεια θέσεων εργασίας, ζήτημα ευθύνης σε ατύχημα, πιθανή κατάχρηση για επιτήρηση, κόστος απόκτησης.

Πρόσεξε:

  • Το Spot ΔΕΝ είναι μυθοπλασία — είναι πραγματικό εμπορικό προϊόν της Boston Dynamics, ήδη σε χρήση από πραγματικές βιομηχανίες· η απάντηση οφείλει να το αντιμετωπίζει ως υπαρκτή τεχνολογία, όχι υποθετικό σενάριο.
  • Η ερώτηση 2 ζητά ρητά «ηθικούς προβληματισμούς» — μια απλή λίστα τεχνικών μειονεκτημάτων (π.χ. «χαλάει η μπαταρία») δεν απαντά στο ζητούμενο.

Δραστηριότητα 4 (σελ. 81)

Παρακολουθήστε το βίντεο «Πώς φτιάχνεται ένα αυτοκίνητο;» που περιγράφει την κατασκευή ενός αυτοκινήτου με τη χρήση βιομηχανικών ρομπότ και την ελάχιστη παρέμβαση του ανθρώπινου παράγοντα.

  1. Τι σας έκανε περισσότερη εντύπωση στη διαδικασία;
  2. Ποια είναι τα πλεονεκτήματα ενός τέτοιου τρόπου οργάνωσης και παραγωγής;
  3. Ποια τα προβλήματα που αντιμετωπίζει ένας εργαζόμενος σε ένα τέτοιο περιβάλλον;

Σκέψη / Μεθοδολογία: Ανοιχτού τύπου συζήτηση μετά από βίντεο για αυτοματοποιημένη αυτοκινητοβιομηχανία — δίνουμε μια πλήρη, ρεαλιστική δειγματική απάντηση και στα 3 ερωτήματα, βασισμένη σε πραγματικά χαρακτηριστικά σύγχρονων γραμμών παραγωγής αυτοκινήτων (ρομπότ συγκόλλησης/βαφής, ακρίβεια, ταχύτητα).

Λύση:

  • Ερ.1 — Εντύπωση: Ο συγχρονισμός δεκάδων ρομποτικών βραχιόνων που συγκολλούν, βάφουν και συναρμολογούν το αμάξωμα ταυτόχρονα, με ακρίβεια χιλιοστού και χωρίς παύση, ολοκληρώνοντας ένα αυτοκίνητο σε λίγες ώρες αντί για μέρες χειρωνακτικής εργασίας.
  • Ερ.2 — Πλεονεκτήματα: (α) Ταχύτητα και όγκος παραγωγής πολύ μεγαλύτερος από το χειρωνακτικό, (β) σταθερή ποιότητα/ακρίβεια σε κάθε αυτοκίνητο (μηδενική «κόπωση»), (γ) ασφάλεια — τα ρομπότ αναλαμβάνουν επικίνδυνες εργασίες (συγκόλληση, βαφή με τοξικές ουσίες, βάρη), (δ) λειτουργία 24 ώρες το 24ωρο χωρίς διαλείμματα, (ε) χαμηλότερο κόστος ανά μονάδα σε μεγάλη κλίμακα παραγωγής.
  • Ερ.3 — Προβλήματα εργαζομένου: (α) κίνδυνος απώλειας θέσης εργασίας σε επαναλαμβανόμενες χειρωνακτικές εργασίες, (β) ανάγκη επανεκπαίδευσης (reskilling) σε νέες δεξιότητες προγραμματισμού/συντήρησης ρομπότ, (γ) πιο απαιτητικός/τεχνικός ρόλος (χειριστής-επόπτης αντί εργάτη γραμμής), (δ) ψυχολογική πίεση από τον ανταγωνισμό με τη μηχανή και την αβεβαιότητα για το μέλλον της θέσης εργασίας.

Απάντηση (ενδεικτική): εντύπωση προκαλεί ο απόλυτος συγχρονισμός/ταχύτητα των ρομπότ· πλεονεκτήματα είναι η ταχύτητα, η σταθερή ποιότητα, η ασφάλεια και η αδιάλειπτη λειτουργία· προβλήματα για τον εργαζόμενο είναι ο κίνδυνος απόλυσης, η ανάγκη επανεκπαίδευσης και η μετάβαση σε πιο τεχνικό ρόλο επόπτη.

Πρόσεξε:

  • Και τα 3 ερωτήματα είναι προσωπικής άποψης/παρατήρησης — η δειγματική απάντηση δείχνει τον τρόπο τεκμηρίωσης, όχι μοναδική «σωστή» λέξη.
  • Το ερ.3 ζητά προβλήματα ΓΙΑ ΤΟΝ ΕΡΓΑΖΟΜΕΝΟ, όχι γενικά προβλήματα της παραγωγής (π.χ. κόστος μηχανημάτων) — προσοχή στην οπτική γωνία της ερώτησης.

Δραστηριότητα 5 (σελ. 83)

Συζητήστε στην τάξη πώς οι εξελίξεις στην ψηφιακή τεχνολογία έχουν επηρεάσει την απασχόληση στην περιοχή σας.

Σκέψη / Μεθοδολογία: Τοπικού/προσωπικού χαρακτήρα δραστηριότητα συζήτησης — κάθε μαθητής θα φέρει διαφορετικά παραδείγματα ανάλογα με την περιοχή του. Δίνουμε ένα ρεαλιστικό, γενικεύσιμο πλαίσιο απάντησης με συγκεκριμένα, αναγνωρίσιμα παραδείγματα που ισχύουν στις περισσότερες ελληνικές πόλεις/κωμοπόλεις, ώστε να λειτουργεί ως υπόδειγμα δομής.

Λύση:

  • Θετικές επιδράσεις: εμφάνιση νέων τοπικών επαγγελμάτων (διαχειριστές social media για μικρές επιχειρήσεις, delivery/διανομείς λόγω αύξησης ηλεκτρονικών παραγγελιών, τεχνικοί υποστήριξης Η/Υ και δικτύων, ελεύθεροι επαγγελματίες που δουλεύουν εξ αποστάσεως — τηλεργασία — για εταιρείες άλλης πόλης/χώρας χωρίς να χρειάζεται μετακόμιση).
  • Αρνητικές/μεταβατικές επιδράσεις: μείωση θέσεων σε παραδοσιακά καταστήματα λιανικής που δεν προσαρμόστηκαν στο ηλεκτρονικό εμπόριο (μικρά βιβλιοπωλεία, καταστήματα ρούχων που έχασαν πελάτες από τα online καταστήματα), μείωση προσωπικού σε τράπεζες λόγω e-banking/ΑΤΜ, αλλαγή ρόλου σε δημόσιες υπηρεσίες λόγω gov.gr (λιγότερη ανάγκη αυτοπρόσωπης παρουσίας για πιστοποιητικά).
  • Συνολική εικόνα: η ψηφιακή τεχνολογία δεν «εξαφάνισε» θέσεις εργασίας στην περιοχή, αλλά τις μετασχημάτισε — απαιτεί νέες δεξιότητες (βασικός ψηφιακός αλφαβητισμός έστω και σε παραδοσιακά επαγγέλματα, π.χ. αγρότες που χρησιμοποιούν εφαρμογές γεωργίας ακριβείας ή έμποροι που διαχειρίζονται e-shop).

Απάντηση (ενδεικτική): νέες θέσεις σε delivery/τηλεργασία/τεχνική υποστήριξη, μείωση σε παραδοσιακό λιανεμπόριο/τραπεζικά καταστήματα λόγω e-commerce και e-banking, μετασχηματισμός παραδοσιακών επαγγελμάτων (π.χ. έμποροι με e-shop, αγρότες με ψηφιακά εργαλεία) — προσαρμόστε με πραγματικά παραδείγματα της δικής σας περιοχής.

Πρόσεξε:

  • Η δραστηριότητα ζητά ρητά αναφορά ΣΤΗΝ ΠΕΡΙΟΧΗ ΣΑΣ — μια γενική/αφηρημένη απάντηση χωρίς κανένα τοπικό παράδειγμα δεν καλύπτει πλήρως το ζητούμενο· η παραπάνω δειγματική απάντηση πρέπει να προσαρμοστεί με πραγματικά τοπικά παραδείγματα του κάθε μαθητή.
  • Δραστηριότητα ομαδικής συζήτησης στην τάξη — δεν υπάρχει «σωστό» αποτέλεσμα, αξιολογείται η ποιότητα των παραδειγμάτων και της επιχειρηματολογίας.

Δραστηριότητα 6 (σελ. 84)

Παρακολουθήστε το βίντεο «Το τέλος της πωλήτριας;». Αναφέρεται στη χρήση αυτόματων πωλητών στα καταστήματα λιανικής πώλησης. Παρακολουθήστε το βίντεο «Το τέλος του σερβιτόρου;» Αναφέρεται στη χρήση ρομπότ στη γαστρονομία.

  1. Συζητήστε τα πλεονεκτήματα και τα μειονεκτήματα της αντικατάστασης των εργαζομένων από ρομπότ στα δύο προηγούμενα βίντεο. Τι συνέπειες θα έχει για τους ανθρώπους και την κοινωνία γενικότερα;
  2. Σκεφτείτε διάφορα επαγγέλματα και συζητήστε πώς η Τεχνητή Νοημοσύνη μπορεί να τα επηρεάσει.

Σκέψη / Μεθοδολογία: Χρησιμοποιούμε ρητά τη διάκριση που δίνει το ίδιο το θεωρητικό κείμενο ΑΜΕΣΩΣ πριν τη Δραστηριότητα (§8.5, τέλος): «Οι ψηφιακές τεχνολογίες θα μπορούσαν να αντικαταστήσουν τον άνθρωπο με επιτυχία σε εργασίες που είναι προκαθορισμένες και επαναλαμβανόμενες… Εργασίες όμως που απαιτούν δημιουργικότητα, φυσική νοημοσύνη, ανάπτυξη σχέσεων και συναισθήματα… είναι δύσκολο να αντικατασταθούν εντελώς» — αυτό δίνει το κριτήριο για το ερ.2. Παράδειγμα ταμείου/σερβιτόρου: προκαθορισμένη, επαναλαμβανόμενη εργασία (σκανάρισμα προϊόντος, μεταφορά πιάτου) → εύκολα αυτοματοποιήσιμη· γι' αυτό επιλέχθηκαν ως παραδείγματα στα δύο βίντεο.

Λύση:

  • Ερ.1 — Πλεονεκτήματα αυτόματων ταμείων/ρομπότ-σερβιτόρων: μείωση χρόνου αναμονής, λειτουργία χωρίς διάλειμμα/κόπωση, μείωση λαθών στην είσπραξη/παραγγελία, μείωση λειτουργικού κόστους επιχείρησης. Μειονεκτήματα: απώλεια θέσεων εργασίας για ανθρώπους με χαμηλή εξειδίκευση (συχνά νέοι/φοιτητές που δουλεύουν σε αυτές τις θέσεις), απώλεια της ανθρώπινης επαφής/εξυπηρέτησης (σημαντική για μεγαλύτερους πελάτες ή άτομα με αναπηρία), αρχικό κόστος επένδυσης, τεχνικά προβλήματα (βλάβη μηχανήματος = διακοπή εξυπηρέτησης).
  • Συνέπειες για την κοινωνία: αύξηση ανεργίας σε συγκεκριμένους τομείς χαμηλής εξειδίκευσης, ανάγκη κοινωνικής πολιτικής (επιδόματα ανεργίας, προγράμματα επανεκπαίδευσης), πιθανή αύξηση ανισότητας αν όσοι χάνουν τη δουλειά τους δεν μπορούν εύκολα να αποκτήσουν νέες δεξιότητες, αλλά και δημιουργία νέων θέσεων (τεχνικοί συντήρησης μηχανημάτων, προγραμματιστές, διαχειριστές ρομποτικών συστημάτων).
  • Ερ.2 — Επαγγέλματα και επίδραση ΤΝ, με βάση το κριτήριο προκαθορισμένο/επαναλαμβανόμενο vs δημιουργικό/σχεσιακό: ΕΥΑΛΩΤΑ σε μεγάλη επίδραση — ταμίες, εργάτες γραμμής παραγωγής, οδηγοί φορτηγών/ταξί (αυτόνομα οχήματα), μεταφραστές βασικού κειμένου, λογιστές εισαγωγής δεδομένων. ΛΙΓΟΤΕΡΟ ΕΥΑΛΩΤΑ (η ΤΝ βοηθά αλλά δεν αντικαθιστά εύκολα) — γιατροί (κρίση/ενσυναίσθηση), εκπαιδευτικοί (σχέση με μαθητή), ψυχολόγοι/κοινωνικοί λειτουργοί, καλλιτέχνες/δημιουργικοί επαγγελματίες, δικηγόροι σε πολύπλοκες υποθέσεις, τεχνικοί επισκευής/συντήρησης απρόβλεπτων βλαβών.

Απάντηση (ενδεικτική): πλεονεκτήματα αυτόματων ταμείων/ρομπότ-σερβιτόρων = ταχύτητα, μείωση κόστους/λαθών· μειονεκτήματα = απώλεια θέσεων εργασίας, λιγότερη ανθρώπινη επαφή· συνέπεια για την κοινωνία = ανάγκη επανεκπαίδευσης και κοινωνικής στήριξης. Επαγγέλματα με προκαθορισμένες/επαναλαμβανόμενες εργασίες (ταμίες, οδηγοί, εργάτες γραμμής) επηρεάζονται περισσότερο· επαγγέλματα με δημιουργικότητα/ανθρώπινη σχέση (γιατροί, εκπαιδευτικοί, ψυχολόγοι, καλλιτέχνες) επηρεάζονται λιγότερο.

Πρόσεξε:

  • Η απάντηση στο ερ.2 πρέπει να χρησιμοποιεί ΣΥΓΚΕΚΡΙΜΕΝΑ επαγγέλματα (όχι γενικόλογα «κάποια επαγγέλματα») και να αιτιολογεί ΓΙΑΤΙ επηρεάζονται περισσότερο ή λιγότερο, με βάση το κριτήριο προκαθορισμένο/επαναλαμβανόμενο vs δημιουργικό/σχεσιακό που δίνει η ίδια η θεωρία του βιβλίου.
  • Δεν αρκεί μόνο η οικονομική διάσταση (κόστος/κέρδος επιχείρησης) στο ερ.1 — ζητούνται ρητά και οι «συνέπειες για τους ανθρώπους και την κοινωνία».

Δραστηριότητα 7 (σελ. 84)

Ρωτήσαμε το ChatGPT να μας απαριθμήσει τις καλύτερα αμειβόμενες εργασίες, σήμερα στις Ηνωμένες Πολιτείες της Αμερικής, που σχετίζονται με την ψηφιακή τεχνολογία. [...] Αναζητήστε κι εσείς σε διάφορες μηχανές Τεχνητής Νοημοσύνης ή στο Διαδίκτυο τις πιο προσοδοφόρες, τις πιο απαιτητικές, τις πιο ραγδαία εξελισσόμενες θέσεις εργασίας που σχετίζονται με ψηφιακές τεχνολογίες και σε άλλες χώρες.

Σκέψη / Μεθοδολογία: Η δραστηριότητα ζητά ρητά πραγματική έρευνα (Διαδίκτυο/ΤΝ) για ψηφιακά επαγγέλματα ΣΕ ΑΛΛΕΣ ΧΩΡΕΣ (πέρα από τις ΗΠΑ που ήδη κάλυψε το παράδειγμα του βιβλίου). Έγινε πραγματική αναζήτηση (WebSearch) για μισθούς ψηφιακών επαγγελμάτων σε Ηνωμένο Βασίλειο και Γερμανία, ώστε η απάντηση να βασίζεται σε πραγματικά, επαληθευμένα στοιχεία και όχι σε εικασία.

Λύση:

  • Ηνωμένο Βασίλειο (ενδεικτικοί ετήσιοι μισθοί, 2025-2026, WebSearch — Robert Half, IT Job Board): AI Engineer / Machine Learning Engineer: περίπου £70.000-£130.000+· Cloud Architect: υψηλά εξαρτημένο από εμπειρία, συχνά >£90.000· Cybersecurity Manager: >£70.000· Data Scientist: παρόμοιο εύρος με ML Engineer. Στο Λονδίνο οι μισθοί είναι συνήθως 20-30% υψηλότεροι από τον εθνικό μέσο όρο.
  • Γερμανία (ενδεικτικοί ετήσιοι μισθοί, WebSearch — nucamp, canapprove): Machine Learning Engineer: μέσος όρος ≈€72.000 (mid-level), με senior θέσεις να φτάνουν ή να ξεπερνούν τα €110.000-€120.000 (ειδικά σε MLOps)· Data Scientist: mid-level ≈€70.000. Οι πιο ζητούμενες ειδικότητες σε ΗΒ/Γερμανία (2025-2026) είναι κυβερνοασφάλεια (cybersecurity), υπολογιστικό νέφος (cloud computing), αυτοματοποιημένη μηχανική μάθηση (AutoML) και DevOps/DevSecOps.
  • Σύγκριση με τα στοιχεία ΗΠΑ του βιβλίου (π.χ. Machine Learning Engineer $114.121, Enterprise Architect $142.336): οι μισθοί σε ΗΒ/Γερμανία, μετατρεπόμενοι σε δολάρια, είναι γενικά χαμηλότεροι από τους αντίστοιχους αμερικανικούς για τον ίδιο ρόλο, αλλά η ΚΑΤΑΤΑΞΗ των πιο περιζήτητων ειδικοτήτων (ΤΝ/Machine Learning, κυβερνοασφάλεια, cloud) είναι παρόμοια σε όλες τις χώρες — δείχνει ότι πρόκειται για παγκόσμια τάση ζήτησης, όχι μόνο αμερικανικό φαινόμενο.

Απάντηση (ενδεικτική): στο Ηνωμένο Βασίλειο οι AI/Machine Learning Engineers αμείβονται περίπου £70.000-£130.000+ ετησίως· στη Γερμανία οι Machine Learning Engineers κερδίζουν κατά μέσο όρο ≈€72.000 (έως €110.000-€120.000 σε senior θέσεις). Οι πιο περιζήτητες/ραγδαία εξελισσόμενες ειδικότητες παγκοσμίως είναι: Τεχνητή Νοημοσύνη/Machine Learning, Κυβερνοασφάλεια και Υπολογιστικό Νέφος (Cloud Computing) — ίδια τάση με τις ΗΠΑ.

Πρόσεξε:

  • Οι μισθοί σε ξένο νόμισμα (£, €) δεν συγκρίνονται απευθείας με τα δολάρια ΗΠΑ του βιβλίου χωρίς μετατροπή — η σύγκριση εδώ γίνεται σε επίπεδο ΤΑΞΙΝΟΜΗΣΗΣ/ζήτησης ειδικοτήτων, όχι ακριβούς αριθμού.
  • Οι μισθοί δημοσιεύονται από διαφορετικές πηγές/έρευνες αγοράς και μπορεί να διαφέρουν αρκετά μεταξύ τους — δίνονται ως ΕΝΔΕΙΚΤΙΚΑ εύρη, όχι ως ενιαία επίσημη στατιστική.

Δραστηριότητα 8 (σελ. 85)

Συζητήστε πόσο σημαντική είναι η εκπαίδευση στην Πληροφορική για το επάγγελμα που θα θέλατε να ακολουθήσετε. Αναφέρετε περιπτώσεις από το οικογενειακό ή φιλικό σας περιβάλλον.

Σκέψη / Μεθοδολογία: Προσωπικού χαρακτήρα δραστηριότητα — κάθε μαθητής θα απαντήσει διαφορετικά ανάλογα με το επάγγελμα που ονειρεύεται. Δίνουμε δειγματικές απαντήσεις για 3 διαφορετικές κατηγορίες επαγγελμάτων (ένα «καθαρά ψηφιακό», ένα «παραδοσιακό» και ένα «τεχνικό μη-πληροφορικής»), ώστε να καλύπτεται όσο το δυνατόν ευρύτερο φάσμα μαθητικών επιλογών, μαζί με ρεαλιστικά παραδείγματα από οικογενειακό/φιλικό περιβάλλον.

Λύση:

  • Παράδειγμα Α (επάγγελμα «καθαρά ψηφιακό», π.χ. προγραμματιστής/γραφίστας παιχνιδιών): η εκπαίδευση στην Πληροφορική είναι ΘΕΜΕΛΙΩΔΗΣ — απαιτεί βαθιά γνώση προγραμματισμού, αλγοριθμικής σκέψης και εργαλείων λογισμικού. Παράδειγμα από φιλικό περιβάλλον: ένας μεγαλύτερος φίλος/ξάδερφος σπουδάζει Πληροφορική και ήδη κάνει πρακτική άσκηση σε εταιρεία ανάπτυξης εφαρμογών.
  • Παράδειγμα Β (επάγγελμα «παραδοσιακό», π.χ. γιατρός/δικηγόρος): η Πληροφορική δεν είναι το κύριο αντικείμενο, αλλά είναι πλέον απαραίτητο εργαλείο — ηλεκτρονικός φάκελος ασθενή, ραντεβού online, νομικές βάσεις δεδομένων για αναζήτηση νομολογίας. Παράδειγμα: γονιός/θείος-θεία γιατρός που χρησιμοποιεί καθημερινά ηλεκτρονική συνταγογράφηση.
  • Παράδειγμα Γ (επάγγελμα «τεχνικό μη-πληροφορικής», π.χ. αγρότης/μηχανικός αυτοκινήτων): η Πληροφορική εμφανίζεται μέσα από εξειδικευμένες εφαρμογές — γεωργία ακριβείας με drones/αισθητήρες, διαγνωστικά συστήματα αυτοκινήτου με υπολογιστή. Παράδειγμα: παππούς/γείτονας αγρότης που χρησιμοποιεί εφαρμογή κινητού για τον καιρό και την άρδευση των χωραφιών του.

Απάντηση (ενδεικτική): η σημασία της εκπαίδευσης στην Πληροφορική εξαρτάται από το επάγγελμα-στόχο — είναι θεμελιώδης για καθαρά ψηφιακά επαγγέλματα (προγραμματιστής), σημαντικό υποστηρικτικό εργαλείο για παραδοσιακά επαγγέλματα (γιατρός/δικηγόρος με ηλεκτρονικά συστήματα) και ολοένα πιο απαραίτητη ακόμη και σε μη-ψηφιακά τεχνικά επαγγέλματα (αγρότης με εφαρμογές γεωργίας ακριβείας) — με συγκεκριμένο παράδειγμα από το οικογενειακό/φιλικό περιβάλλον του μαθητή.

Πρόσεξε:

  • Η δραστηριότητα ζητά ΔΥΟ πράγματα: (α) προσωπική άποψη για το ΔΙΚΟ ΣΑΣ επιθυμητό επάγγελμα και (β) ΣΥΓΚΕΚΡΙΜΕΝΟ παράδειγμα από οικογένεια/φίλους — μια απάντηση χωρίς πραγματικό παράδειγμα δεν καλύπτει πλήρως το ζητούμενο.
  • Ακόμη και σε επαγγέλματα που φαινομενικά «δεν σχετίζονται» με υπολογιστές, αξίζει να αναζητηθεί έμμεση χρήση ψηφιακής τεχνολογίας (π.χ. λογιστικό πρόγραμμα σε μικρή επιχείρηση, εφαρμογή πλοήγησης για οδηγό) — σπάνια υπάρχει σήμερα επάγγελμα με μηδενική επαφή με την Πληροφορική.

Δραστηριότητα 9 (σελ. 86)

Αποτίμηση Επάρκειας Ειδικών στις Τεχνολογίες Πληροφορικής και Επικοινωνιών στην Ελλάδα [μελέτη ΣΕΠΕ-Deloitte, 2022].

▸ Συζητήστε στην τάξη τα αποτελέσματα της μελέτης. ▸ Συζητήστε στην τάξη τα πλεονεκτήματα και τα μειονεκτήματα των επαγγελμάτων του κλάδου της Πληροφορικής. ▸ Τι σας προσελκύει σε ένα τέτοιο επάγγελμα; ▸ Τι σας φαίνεται εμπόδιο ή σας απωθεί; ▸ Έχετε προτάσεις προκειμένου πιο πολλοί νέοι και νέες να στραφούν σε επαγγέλματα που σχετίζονται με την Πληροφορική και τις Τεχνολογίες Επικοινωνιών;

Σκέψη / Μεθοδολογία: Πολυερωτηματική συζήτηση πάνω σε πραγματική μελέτη (ΣΕΠΕ-Deloitte, 2022) που παρατίθεται ήδη στο βιβλίο· απαντάμε στα 5 σημεία (bullets) ξεχωριστά, χρησιμοποιώντας τα ίδια τα στοιχεία της μελέτης που δίνει το βιβλίο και προσθέτοντας τεκμηριωμένη προσωπική/κριτική άποψη.

Λύση:

  • Bullet 1 — Αποτελέσματα μελέτης: Η μελέτη δείχνει ΕΛΛΕΙΨΗ ειδικών ΤΠΕ στην Ελλάδα παρά την αυξανόμενη ζήτηση: αναμένεται πρόσθετη σωρευτική ζήτηση 120.000-140.000 ειδικών την περίοδο 2023-2030, ενώ οι επιχειρήσεις ήδη δυσκολεύονται να βρουν προσωπικό λόγω ανεπαρκούς εξειδίκευσης και μετανάστευσης νέων επιστημόνων στο εξωτερικό (brain drain — έννοια που παρουσιάζεται ΚΑΙ στη θεωρία του ίδιου κεφαλαίου, λίγο πριν τη Δραστηριότητα 5). Η μελέτη προτείνει 10 δράσεις (βραχυπρόθεσμες: προγράμματα κατάρτισης, προσέλκυση ειδικών εξωτερικού, νέα μεταπτυχιακά, πρακτική άσκηση· μακροπρόθεσμες: νέα προπτυχιακά τμήματα, ενσωμάτωση ΤΠΕ σε άλλα προγράμματα σπουδών, ενίσχυση ΤΠΕ στην Πρωτοβάθμια/Δευτεροβάθμια, διεθνής συνεργασία πανεπιστημίων).
  • Bullet 2 — Πλεονεκτήματα επαγγελμάτων Πληροφορικής: υψηλοί μισθοί και μεγάλη ζήτηση (χαμηλή ανεργία στον κλάδο), δυνατότητα τηλεργασίας/εργασίας για ξένες εταιρείες χωρίς μετανάστευση, συνεχής εξέλιξη/ενδιαφέρον αντικείμενο, ευκαιρίες διεθνούς σταδιοδρομίας. Μειονεκτήματα: ανάγκη συνεχούς εκπαίδευσης λόγω γρήγορης απαξίωσης γνώσεων, συχνά αυξημένη πίεση/ωράριο (deadlines), «μοναχική» εργασία μπροστά σε οθόνη με λιγότερη ανθρώπινη επαφή σε ορισμένους ρόλους, ανταγωνιστικό περιβάλλον πρόσληψης σε πολύ εξειδικευμένες θέσεις.
  • Bullet 3-4 — Έλξη/εμπόδια (ενδεικτική προσωπική απάντηση μαθητή): Ελκυστικό είναι η δημιουργικότητα (χτίζεις κάτι δικό σου, π.χ. εφαρμογή/παιχνίδι), η καλή αμοιβή και η ευελιξία (τηλεργασία, δουλειά από οπουδήποτε). Εμπόδιο/απωθητικό μπορεί να είναι η αντίληψη ότι «χρειάζεται να είσαι μαθηματική/ος ιδιοφυΐα», ο φόβος της μοναχικής εργασίας ή η έλλειψη προτύπων/καθοδήγησης (π.χ. λιγότερα γυναικεία πρότυπα στην Πληροφορική, όπως αναφέρει έμμεσα και η ίδια η μελέτη για το έλλειμα ειδικών).
  • Bullet 5 — Προτάσεις για περισσότερους νέους στην Πληροφορική: (α) περισσότερα, πιο ελκυστικά μαθήματα Πληροφορικής/ρομποτικής ήδη από το Δημοτικό/Γυμνάσιο (ό,τι προτείνει και η ίδια η μελέτη), (β) διαγωνισμοί/hackathons για μαθητές ώστε να δουν πρακτικά το αντικείμενο, (γ) mentoring από επαγγελματίες του κλάδου σε σχολεία, (δ) ενθάρρυνση κοριτσιών ειδικά προς τεχνολογικές σπουδές (STEM) για μείωση της ανισορροπίας φύλων στον κλάδο, (ε) υποτροφίες/πρακτική άσκηση ήδη από το σχολείο σε συνεργασία με επιχειρήσεις.

Απάντηση (ενδεικτική): η μελέτη δείχνει σοβαρό έλλειμα ειδικών ΤΠΕ στην Ελλάδα (ζήτηση 120.000-140.000 θέσεων ως το 2030) παρά τη μεγάλη ζήτηση· πλεονεκτήματα του κλάδου = μισθός, ζήτηση, τηλεργασία, μειονεκτήματα = ανάγκη συνεχούς εκπαίδευσης, πίεση χρόνου· προσωπικά ελκυστικό είναι η δημιουργικότητα/ευελιξία, εμπόδιο η εντύπωση δυσκολίας· προτάσεις = περισσότερη πληροφορική από μικρή ηλικία, hackathons, mentoring, ενθάρρυνση κοριτσιών στα STEM.

Πρόσεξε:

  • Η μελέτη αναφέρεται σε ΕΛΛΕΙΨΗ (όχι πλεόνασμα) ειδικών — προσοχή να μην αντιστραφεί το συμπέρασμα στη συζήτηση.
  • Τα bullets 3-4 είναι καθαρά προσωπικής άποψης — η δειγματική απάντηση δείχνει τρόπο τεκμηρίωσης, όχι τη «σωστή» απάντηση.
  • Η πηγή/έρευνα (ΣΕΠΕ-Deloitte, 21.12.2022) υπάρχει ήδη μέσα στην εκφώνηση του βιβλίου — δεν χρειάζεται επιπλέον αναζήτηση για τα στατιστικά, μόνο για τη διαμόρφωση προσωπικής/κριτικής άποψης.

Δραστηριότητα 10. Τι γίνονται οι υπολογιστές όταν «πεθαίνουν»; (σελ. 87)

Αναζητήστε στο Διαδίκτυο ή με τη βοήθεια μηχανών Τεχνητής Νοημοσύνης πληροφορίες για την απόσυρση των ψηφιακών συσκευών, τόσο για την Ελλάδα όσο και για άλλες χώρες. Δημιουργήστε μια Παρουσίαση και παρουσιάστε το θέμα στην τάξη.

Επίσης διερευνήστε εάν στην περιοχή σας υπάρχει πρωτοβουλία από κάποιον φορέα για την οικολογική απόσυρση των ψηφιακών συσκευών.

Σκέψη / Μεθοδολογία: Ερευνητική/κατασκευαστική δραστηριότητα (δημιουργία Παρουσίασης) — έγινε πραγματική έρευνα (WebSearch) για διεθνή στατιστικά ηλεκτρονικών αποβλήτων (Global E-waste Monitor 2024, UNITAR) και για το ελληνικό σύστημα ανακύκλωσης ΗΗΕ, ώστε η ενδεικτική Παρουσίαση να στηρίζεται σε αληθινά, επίκαιρα στοιχεία και όχι σε εικασία — ίδια λογική με τη Δραστηριότητα 4 του Κεφαλαίου 4 (Παρουσιάσεις) του ίδιου βιβλίου, όπου είχε ήδη ζητηθεί κατασκευή Παρουσίασης βήμα-βήμα. Δίνεται πλήρες περίγραμμα διαφανειών (slide-by-slide), όπως θα το έχτιζε ένας μαθητής στο PowerPoint/Impress/Google Slides με βάση όσα διδάχθηκε στο Κεφάλαιο 4 του ίδιου βιβλίου.

Λύση:

  • Παγκόσμια στοιχεία (Global E-waste Monitor 2024, UNITAR — WebSearch): το 2022 παρήχθησαν παγκοσμίως 62 εκατομμύρια τόνοι ηλεκτρονικών αποβλήτων (αύξηση 82% από το 2010), αριθμός που αυξάνεται κατά 2,6 εκατ. τόνους/έτος και αναμένεται να φτάσει τους 82 εκατ. τόνους ως το 2030. Μόλις το 22,3% ανακυκλώνεται επίσημα/τεκμηριωμένα παγκοσμίως, αφήνοντας ανεκμετάλλευτους πόρους αξίας περίπου 62 δισ. δολαρίων. Η Ευρώπη έχει το υψηλότερο ποσοστό επίσημης ανακύκλωσης (42,8%), ενώ οι αφρικανικές χώρες λιγότερο από 1%.
  • Ελλάδα: η ανακύκλωση Αποβλήτων Ηλεκτρικού και Ηλεκτρονικού Εξοπλισμού (ΑΗΗΕ) οργανώνεται νομικά μέσω συλλογικού συστήματος εναλλακτικής διαχείρισης — κύριος φορέας είναι η «ΑΝΑΚΥΚΛΩΣΗ ΣΥΣΚΕΥΩΝ Α.Ε.» (γνωστή και ως πρώην Electrocycle/σήμερα ReWeee), σε συνεργασία με δήμους (μπλε κάδοι/«γωνιές ανακύκλωσης») και καταστήματα ηλεκτρονικών (υποχρέωση παραλαβής παλιάς συσκευής κατά την αγορά νέας). Ενδιαφέρον στοιχείο: η Ελλάδα είχε το 2024 το υψηλότερο ποσοστό ατόμων που δήλωσαν ότι ανακύκλωσαν παλιό φορητό υπολογιστή/tablet τους (≈20%) σε σχετική διεθνή έρευνα.
  • Δομή ενδεικτικής Παρουσίασης (6 διαφάνειες), βασισμένη στους κανόνες κατασκευής παρουσίασης του Κεφαλαίου 4 του ίδιου βιβλίου:
  • Διαφάνεια 1 (τίτλος): «Τι γίνονται οι υπολογιστές όταν “πεθαίνουν”;» — υπότιτλος: Ηλεκτρονικά απόβλητα (e-waste) και ανακύκλωση, όνομα μαθητή/ομάδας.
  • Διαφάνεια 2: Τι είναι το e-waste — ορισμός (κάθε συσκευή με μπαταρία/καλώδιο που φτάνει στο τέλος της ζωής της: υπολογιστές, κινητά, οθόνες) + γιατί είναι πρόβλημα (τοξικά υλικά όπως μόλυβδος/υδράργυρος αλλά και πολύτιμα μέταλλα όπως χρυσός/χαλκός που χάνονται αν δεν ανακυκλωθούν).
  • Διαφάνεια 3: Παγκόσμια εικόνα (με γράφημα/αριθμούς) — 62 εκατ. τόνοι το 2022, μόνο 22,3% ανακυκλώνεται επίσημα, 82 εκατ. τόνοι έως το 2030 (πηγή: Global E-waste Monitor 2024, UNITAR).
  • Διαφάνεια 4: Η κατάσταση στην Ελλάδα — σύστημα «ΑΝΑΚΥΚΛΩΣΗ ΣΥΣΚΕΥΩΝ Α.Ε.», κάδοι/σημεία συλλογής, υποχρέωση καταστημάτων να παραλαμβάνουν παλιά συσκευή, ≈20% ανακύκλωσης παλιών laptop/tablet (2024).
  • Διαφάνεια 5: Η κατάσταση σε άλλες χώρες — Ευρώπη: 42,8% (το υψηλότερο ποσοστό παγκοσμίως)· χώρες με χαμηλό εισόδημα (π.χ. πολλές αφρικανικές χώρες): <1%, με κίνδυνο ανεξέλεγκτης απόρριψης/καύσης e-waste.
  • Διαφάνεια 6: Τοπική πρωτοβουλία + συμπέρασμα/προτροπή — αναφορά σε τοπικό «Πράσινο Σημείο»/γωνιά ανακύκλωσης ΑΗΗΕ του δήμου της περιοχής (κάθε μαθητής συμπληρώνει το δικό του δήμο) + προτροπή «Μην πετάτε τις παλιές συσκευές στα σκουπίδια — παραδώστε τις σε επίσημο σημείο συλλογής».

Απάντηση (ενδεικτική): Ενδεικτική Παρουσίαση 6 διαφανειών: (1) τίτλος, (2) τι είναι e-waste και γιατί είναι πρόβλημα, (3) παγκόσμια στοιχεία (62 εκατ. τόνοι το 2022, μόλις 22,3% ανακυκλώνεται, Global E-waste Monitor 2024), (4) η κατάσταση στην Ελλάδα (σύστημα ΑΝΑΚΥΚΛΩΣΗ ΣΥΣΚΕΥΩΝ Α.Ε., ≈20% ανακύκλωσης laptop/tablet το 2024), (5) σύγκριση με άλλες χώρες (Ευρώπη 42,8%, αφρικανικές χώρες <1%), (6) τοπική πρωτοβουλία δήμου + προτροπή για σωστή απόσυρση.

Πρόσεξε:

  • Η δραστηριότητα ζητά ρητά ΚΑΙ έρευνα ΤΟΠΙΚΗΣ πρωτοβουλίας («στην περιοχή σας») — αυτό το κομμάτι είναι απαραίτητα προσωπικό/τοπικό και πρέπει να συμπληρωθεί από τον κάθε μαθητή με πραγματική αναζήτηση στον δικό του δήμο (π.χ. site δήμου, «Πράσινο Σημείο», σημεία ΑΝΑΚΥΚΛΩΣΗ ΣΥΣΚΕΥΩΝ Α.Ε.) — η παραπάνω λύση δίνει τη ΔΟΜΗ, όχι το συγκεκριμένο τοπικό όνομα φορέα.
  • Δεν πρέπει να συγχέεται η ανακύκλωση ΑΗΗΕ (ηλεκτρονικά) με τη γενική ανακύκλωση χαρτιού/πλαστικού (μπλε κάδος δρόμου) — οι ηλεκτρονικές συσκευές έχουν ξεχωριστά σημεία συλλογής λόγω των τοξικών υλικών που περιέχουν.
  • Τα αριθμητικά στοιχεία (62 εκατ. τόνοι, 22,3%) αναφέρονται στο έτος 2022 (τελευταία διαθέσιμα πλήρη στοιχεία της έκθεσης του 2024) — καλό είναι να αναφέρεται ρητά το έτος αναφοράς σε κάθε στατιστικό της παρουσίασης.
Προηγούμενο Στοιχείο
Επιστροφή στην Ενότητα
Επόμενο
 ΣΧΟΛΙΚΟ ΒΙΒΛΙΟ