Η Συμμετοχή μας στην Ώρα του Ερευνητή

H προσωπικότητα μετρά: Εξισορρόπηση τύπων προσωπικότητας για καλύτερα αποτελέσματα σε ομάδες εργασίας.
Αγγελική Αντωνίου, Ιωάννα Λυκουρέντζου, Yannick Naudet, Steven Dow
Περίληψη
Όταν μέσα σε μία ομάδα οι προσωπικότητες συγκρούονται, οι ομάδες λειτουργούν λιγότερο αποτελεσματικά. Για σχετικά μικρής διάρκειας εργασίες, όπως εκείνες του διαδικτυακού πληθοπορισμου, η αντιστοίχιση προσωπικότητας θα μπορούσε να προσφέρει μια απλή, επεκτάσιμη στρατηγική για αποτελεσματικό σχηματισμός ομάδων. Ωστόσο, δεν είναι σαφές πώς (ή εάν) οι διαφορές προσωπικότητας επηρεάζουν την ομαδική εργασία σε αυτό το νέο πλαίσιο πού το εργατικό δυναμικό είναι πιο παροδικό και ποικίλο. Αυτή η μελέτη εξετάζει πώς επηρεάζει η συμβατότητα της προσωπικότητας στις ομάδες πλήθους, την γενική απόδοση τη ομάδας, αλλά και τις ατομικές αντιλήψεις. Χρησιμοποιώντας το τεστ προσωπικότητας DISC, συνθέσαμε 14 ομάδες πέντε ατόμων (N = 70) με είτε μια αρμονική κάλυψη προσωπικοτήτων (ισορροπημένη) ή ένα πλεόνασμα προσωπικοτήτων τύπου ηγέτη ( μη ισορροπημένη). Τα αποτελέσματα δείχνουν ότι η εξισορρόπηση της προσωπικότητας οδηγεί σε σημαντικά καλύτερη απόδοση σε μια συνεργατική εργασία. Οι ισορροπημένες ομάδες παρουσίασαν λιγότερες συγκρούσεις και τα μέλη τους ανέφεραν υψηλότερα επίπεδα ικανοποίησης και αποδοχής. Αυτή η εργασία δείχνει ότι μία απλή στρατηγική αντιστοίχισης προσωπικοτήτων σε ομάδες εργασίας, μπορεί να ενισχύσει σημαντικά την αποδοτικότητα και την αποτελεσματικότητα της ομάδας. Τέλος, από τις συνεχιζόμενες προσπάθειές μας στον τομές αυτό, παρουσιάζουμε διαφορές για ομάδες που ασχολούνται με διαφορετικά έργα, αλλά και τις προγραμματισμένες μελλοντικές μας εργασίες.

Λέξεις Κλειδιά: Πληθοπορισμός, δημιουργία συμβατών ομάδων, προσωπικότητα

Open Research Data and Open Peer Review: Perceptions of a Medical and Health Sciences Community in Greece
Ειρήνη Δεληκούρα,  Δημήτριος Κουής
Περίληψη
Recently significant initiatives have been launched for the dissemination of Open Access as part of the Open Science movement. Nevertheless, two other major pillars of Open Science such as Open Research Data (ORD) and Open Peer Review (OPR) are still in an early stage of development among the communities of researchers and stakeholders. The present study sought to unveil the perceptions of a medical and health sciences community about these issues. Through the investigation of researchers` attitudes, valuable conclusions can be drawn, especially in the field of medicine and health sciences, where an explosive growth of scientific publishing exists. A quantitative survey was conducted based on a structured questionnaire, with 179 valid responses. The participants in the survey agreed with the Open Peer Review principles. However, they ignored basic terms like FAIR (Findable, Accessible, Interoperable, and Reusable) and appeared incentivized to permit the exploitation of their data. Regarding Open Peer Review (OPR), participants expressed their agreement, implying their support for a trustworthy evaluation system. Conclusively, researchers need to receive proper training for both Open Research Data principles and Open Peer Review processes which combined with a reformed evaluation system will enable them to take full advantage of the opportunities that arise from the new scholarly publishing and communication landscape.

Λέξεις Κλειδιά: Open Research Data; Open Peer Review; medicine; health sciences; Open Science; Open Access; health scientists; FAIR

How to Utilize My App Reviews? A Novel Topics Extraction Machine Learning Schema for Strategic Business Purposes
Ιωάννης Τριανταφύλλου,  Ιωάννης Χ. Δρίβας,  Γεώργιος Α. Γιαννακόπουλος
Περίληψη
Acquiring knowledge about users’ opinion and what they say regarding specific features within an app, constitutes a solid steppingstone for understanding their needs and concerns. App review utilization helps project management teams to identify threads and opportunities for app software maintenance, optimization and strategic marketing purposes. Nevertheless, app user review classification for identifying valuable gems of information for app software improvement, is a complex and multidimensional issue. It requires foresight and multiple combinations of sophisticated text pre-processing, feature extraction and machine learning methods to efficiently classify app reviews into specific topics. Against this backdrop, we propose a novel feature engineering classification schema that is capable to identify more efficiently and earlier terms-words within reviews that could be classified into specific topics. For this reason, we present a novel feature extraction method, the DEVMAX.DF combined with different machine learning algorithms to propose a solution in app review classification problems. One step further, a simulation of a real case scenario takes place to validate the effectiveness of the proposed classification schema into different apps. After multiple experiments, results indicate that the proposed schema outperforms other term extraction methods such as TF.IDF and χ2 to classify app reviews into topics. To this end, the paper contributes to the knowledge expansion of research and practitioners with the purpose to reinforce their decision-making process within the realm of app reviews utilization.

Λέξεις Κλειδιά:  app reviews, reviews classification, feature extraction methods, text analysis