Κ.Ε.ΔΙ.ΒΙ.Μ.

Κέντρο Επιμόρφωσης και Διά Βίου Μάθησης

Εφαρμοσμένη Bιοστατιστική με χρήση λογισμικού

Θεματική Κατηγορία: Επιστήμες Υγείας και Ζωής

Έναρξη Μαθημάτων: 22-05-2026

Μέθοδος εκπαίδευσης: Μικτή εξ αποστάσεως διδασκαλία (30 ώρες σύγχρονη εξ αποστάσεως και 90 ώρες ασύγχρονη εξ αποστάσεως).

 ΠΛΗΡΟΦΟΡΙΕΣ ΠΡΟΓΡΑΜΜΑΤΟΣ

  • Περίοδος αιτήσεων εγγραφών: Από 29-04-2026 έως 13-05-2026
  • Περίοδος μαθημάτων: Από 22-05-2026 έως 26-06-2026
  • Διάρκεια: Ωρολόγιο Πρόγραμμα: 30 ώρες σύγχρονης εξ αποστάσεως διδασκαλίας:
    1. 22-5-2026, 16:00-21:00μμ
    2. 23-5-2026, 10:00-14:00μμ
    3. 29-5-2026, 16:00-20:00μμ
    4. 05-6-2026, 16:00-20:00μμ
    5. 12-6-2026, 16:00-20:00μμ
    6. 19-6-2026, 16:00-20:00μμ
    7. 26-6-2026, 16:00-21:00μμ
  • Ώρες επιμόρφωσης: 120
  • Πιστωτικές μονάδες ECTS: 4,8 
  • Τύπος πιστοποιητικού: Πιστοποιητικό επιμόρφωσης

Απαραίτητη προϋπόθεση για τη χορήγηση του Πιστοποιητικού Επιμόρφωσης αποτελεί η πλήρης εξόφληση των διδάκτρων.

  • Επιστημονική ευθύνη: Μιχαήλ Ζωγραφάκης Σφακιανάκης, Αναπληρωτής Καθηγητής, Τμήμα Νοσηλευτικής
  • Ακαδημαϊκή ευθύνη: Γεώργιος Μαρκάκης, Καθηγητής, Τμήμα Κοινωνικής εργασίας
  • Kόστος: 200,00€

Περιγραφή Προγράμματος

Σκοπός του προγράμματος

Σκοπός του προγράμματος είναι η θεωρητική εκπαίδευση και η πρακτική εξάσκηση στην ανάλυση δεδομένων με χρήση JASP και στην εφαρμογή βασικών αρχών βιοστατιστικής. Αφορά όλους τους επαγγελματίες που επιθυμούν να αποκτήσουν εμπειρία στην ανάλυση δεδομένων, είτε για υποστήριξη ερευνητικών έργων, είτε για ανάλυση δεδομένων στον εργασιακό τους χώρο, είτε για ακαδημαϊκή αξιοποίηση σε μελέτες και projects. Το πρόγραμμα παρέχει στους συμμετέχοντες τα απαραίτητα εργαλεία για να εκτελούν στατιστικές αναλύσεις, να δημιουργούν γραφήματα και αναφορές, καθώς και να εφαρμόζουν τις κατάλληλες τεχνικές στατιστικής επαγωγής και παλινδρόμησης.

Ομάδες ενδιαφερομένων

Το πρόγραμμα «Εφαρμοσμένη Βιοστατιστική με χρήση λογισμικού» απευθύνεται σε:

  • Αποφοίτους ανώτατης εκπαίδευσης
  • Επαγγελματίες υγείας (ιατρούς, νοσηλευτές και άλλους επιστήμονες υγείας)
  • Ερευνητές και υποψήφιους διδάκτορες
  • Εκπαιδευτικούς και στελέχη εκπαίδευσης
  • Επαγγελματίες που δραστηριοποιούνται σε τομείς ανάλυσης δεδομένων
  • Στελέχη οργανισμών, επιχειρήσεων και δημόσιων φορέων που διαχειρίζονται δεδομένα

Το πρόγραμμα απευθύνεται σε όσους επιθυμούν να αποκτήσουν ή να ενισχύσουν δεξιότητες στη στατιστική ανάλυση και ερμηνεία δεδομένων, τόσο στο πλαίσιο ακαδημαϊκής έρευνας όσο και στον επαγγελματικό τους χώρο.

Απαιτήσεις συμμετοχής:

  • Να είναι ενήλικες (άνω των 18 ετών)
  • Να έχουν ολοκληρώσει τουλάχιστον τη δευτεροβάθμια εκπαίδευση
  • Να διαθέτουν βασικές δεξιότητες χρήσης ηλεκτρονικού υπολογιστή
  • Να έχουν δυνατότητα πρόσβασης σε υπολογιστή και σύνδεση στο διαδίκτυο
  • Η γνωστική και μαθησιακή τους ετοιμότητα να επιτρέπει την κατανόηση βασικών στατιστικών εννοιών και την εφαρμογή τους σε πρακτικά παραδείγματα
  • Δεν απαιτούνται προηγούμενες γνώσεις στατιστικής ή JASP, ωστόσο η βασική εξοικείωση αποτελεί πλεονέκτημα

Κριτήρια επιλογής:

  • Να είναι ενήλικες άνω των 18 ετών
  • Προτεραιότητα εκδήλωσης ενδιαφέροντος
  • Τήρηση των βασικών προϋποθέσεων συμμετοχής
  • Ενδεχόμενη προτεραιότητα σε υποψηφίους με συναφές γνωστικό αντικείμενο ή επαγγελματική δραστηριότητα

Αναμενόμενα μαθησιακά αποτελέσματα

Το πρόγραμμα βοηθά τους συμμετέχοντες να:

  1. Υιοθετούν καλές πρακτικές στην οργάνωση και διαχείριση δεδομένων, διασφαλίζοντας την ποιότητα, να την αναγνωρίζουν και οργανώνουν κατάλληλα datasets, προσαρμοσμένα σε ερευνητικά ή επαγγελματικά περιβάλλοντα.
  2. Εφαρμόζουν βασικές τεχνικές στατιστικής ανάλυσης, όπως περιγραφική στατιστική, έλεγχοι υποθέσεων, ανάλυση διακύμανσης (ANOVA) και παλινδρόμηση, με χρήση του λογισμικού JASP.
  3. Ερμηνεύουν και παρουσιάζουν στατιστικά αποτελέσματα με σαφήνεια και ακρίβεια, ώστε να υποστηρίζουν τεκμηριωμένα επιστημονικές ή επιχειρησιακές αποφάσεις.
  4. Αναλύουν πραγματικά δεδομένα μέσω εργαστηριακών ασκήσεων και mini projects, αξιοποιώντας κατάλληλες μεθόδους και γραφήματα για την εξαγωγή συμπερασμάτων.
  5. Να εξασφαλίσουν την εγκυρότητα και την αξιοπιστία των αναλύσεων.

Τα επιδιωκόμενα επαγγελματικά προσόντα είναι η ικανότητα εφαρμογής στατιστικών μεθόδων και η πρακτική εξάσκηση στο JASP αποτελούν βασικό επαγγελματικό προσόν για:

  • Ερευνητές και επιστήμονες που χειρίζονται δεδομένα σε ακαδημαϊκό ή εργαστηριακό πλαίσιο.
  • Επαγγελματίες υγείας που χρειάζονται δεξιότητες στην επεξεργασία και ερμηνεία δεδομένων για έρευνα ή διοικητική υποστήριξη.
  • Στελέχη επιχειρήσεων ή οργανισμών που λαμβάνουν αποφάσεις βασισμένες σε ποσοτικά δεδομένα.
  • Εκπαιδευτικούς που θέλουν να ενισχύσουν την ικανότητά τους στην ανάλυση δεδομένων και τη χρήση στατιστικού λογισμικού.

Η θεωρητική κατάρτιση, σε συνδυασμό με την πρακτική εφαρμογή μέσω εργαστηριακών ασκήσεων, εξασφαλίζει ότι οι συμμετέχοντες μπορούν να αναλύουν, ερμηνεύουν και παρουσιάζουν στατιστικά δεδομένα με αυτονομία και επαγγελματική επάρκεια.

Μεθοδολογία υλοποίησης του προγράμματος

Η μεθοδολογία του προγράμματος στηρίζεται σε σύγχρονες εκπαιδευτικές προσεγγίσεις, όπως η μαθητοκεντρική μέθοδος, η μάθηση μέσω ανακάλυψης (inquiry-based learning), η ενεργητική μάθηση, η χρήση σεναρίων και case studies, η προσομοίωση ανάλυσης δεδομένων και η ομαδοσυνεργατική εργασία. Η επίτευξη των γνωστικών και πρακτικών στόχων επιτυγχάνεται μέσω της ενεργητικής συμμετοχής των εκπαιδευομένων και της πρακτικής εξάσκησης στο λογισμικό JASP.

Η παρακολούθηση γίνεται μέσω της διαδικτυακής πλατφόρμας εκπαίδευσης ΕΛΜΕΠΑ,  e-Class τμήματος Νοσηλευτικής. Το πρόγραμμα χρησιμοποιεί μικτή εκπαιδευτική μέθοδο (blended learning), συνδυάζοντας σύγχρονη και ασύγχρονη διδασκαλία με εργαστηριακή εξάσκηση. Η μάθηση οργανώνεται ως εξής:

  1. Σύγχρονη εξ’ αποστάσεως θεωρητική διδασκαλία και εργαστηριακή εξάσκηση μέσω διαδικτύου (webinars / live sessions)
  2. Ασύγχρονη μελέτη του θεωρητικού υλικού και πρακτικές ασκήσεις σε ηλεκτρονική μορφή

Η εξ’ αποστάσεως εργαστηριακή διδασκαλία είναι υποχρεωτική, ενώ το ασύγχρονο υλικό παρέχεται μέσω της εκπαιδευτικής πλατφόρμας (E-class) για ευέλικτη ατομική μάθηση και μπορεί να χρησιμοποιηθεί καθ’ όλη τη διάρκεια του προγράμματος.

Στο πλαίσιο του προγράμματος γίνεται χρήση ψηφιακών εργαλείων εκπαίδευσης, όπως:

  • Εργαστήρια πρακτικής άσκησης στο JASP
  • Ηλεκτρονικά datasets για εφαρμογές
  • Διαδραστικά quizzes / mini projects
  • Ομαδικές δραστηριότητες για επίλυση προβλημάτων και ανάλυση πραγματικών δεδομένων

 Τρόπος Αξιολόγησης

 Η αξιολόγηση των συμμετεχόντων στο πρόγραμμα θα γίνεται με βάση:

  • Συμμετοχή σε τελικές εξετάσεις με χρήση ερωτήσεων πολλαπλών επιλογών (multiple choice) που καλύπτουν όλο το θεωρητικό και πρακτικό υλικό του κύκλου.
    Επιτυχή εκτέλεση πρακτικών δεξιοτήτων ανάλυσης δεδομένων και εφαρμογής στατιστικών μεθόδων στο JASP, μέσω εργαστηριακών ασκήσεων και mini projects.

Η επιτυχημένη ολοκλήρωση του προγράμματος και η απονομή του Πιστοποιητικού Επιμόρφωσης προϋποθέτει:

  • Ολοκλήρωση με επιτυχία όλων των εργαστηριακών ασκήσεων και mini projects.
    • Το ποσοστό απουσιών στις υποχρεωτικές δια ζώσης συνεδρίες να μην υπερβαίνει το 10% του συνολικού χρόνου της δια ζώσης εκπαίδευσης.
  • Λήψη τελικού βαθμού τουλάχιστον 5,00 στη δεκαβάθμια κλίμακα βαθμολόγησης, συνυπολογίζοντας θεωρητικό μέρος, ασκήσεις και εργαστηριακές εφαρμογές.

Περίγραμμα

Το πρόγραμμα είναι συνολικής διάρκειας 120 ωρών και διαρθρώνεται σε 7 ενότητες, που υλοποιούνται σε 7 εβδομάδες, ώστε οι συμμετέχοντες να αποκτήσουν τόσο θεωρητική κατανόηση όσο και πρακτική εμπειρία στην ανάλυση δεδομένων με JASP.

  1. Ενότητα 1 – Εισαγωγή στη Βιοστατιστική

Οι συμμετέχοντες εξοικειώνονται με βασικές έννοιες της βιοστατιστικής, τους τύπους μεταβλητών (ποιοτικές – ποσοτικές), τα επίπεδα μέτρησης και τις βασικές στατιστικές μεθόδους. Παρουσιάζεται η σημασία της στατιστικής στην επιστημονική έρευνα και στη λήψη αποφάσεων. Παράλληλα, εισάγονται στο περιβάλλον του JASP, μαθαίνουν να δημιουργούν και να οργανώνουν datasets, να εισάγουν δεδομένα και να παράγουν βασικούς πίνακες και γραφήματα.

  1. Ενότητα 2 – Περιγραφική Στατιστική & Κανονικότητα

Η ενότητα επικεντρώνεται στον υπολογισμό και την ερμηνεία μέτρων κεντρικής τάσης και διασποράς (μέσος όρος, διάμεσος, τυπική απόκλιση κ.ά.). Οι συμμετέχοντες δημιουργούν γραφήματα (histograms, boxplots) και εκπαιδεύονται στον έλεγχο κανονικότητας (Shapiro–Wilk, Kolmogorov–Smirnov). Δίνεται έμφαση στη σωστή αξιολόγηση της κατανομής των δεδομένων, ώστε να επιλέγεται η κατάλληλη στατιστική μέθοδος (παραμετρική ή μη παραμετρική).

  1. Ενότητα 3 – Στατιστική Επαγωγή I (t-test)

Οι συμμετέχοντες εισάγονται στις βασικές αρχές της στατιστικής επαγωγής και στον έλεγχο υποθέσεων. Διδάσκονται:

  • t-test για ανεξάρτητα και εξαρτημένα δείγματα

Παράλληλα, παρουσιάζονται τα αντίστοιχα μη παραμετρικά τεστ:

  • Mann–Whitney U
  • Wilcoxon  

Δίνεται έμφαση στις προϋποθέσεις εφαρμογής, στη διάκριση παραμετρικών και μη παραμετρικών μεθόδων και στην ορθή ερμηνεία των αποτελεσμάτων μέσω πρακτικής εφαρμογής στο JASP.

  1. Ενότητα 4 – Στατιστική Επαγωγή II (ANOVA )

Η ενότητα αφορά την ανάλυση διακύμανσης (ANOVA) για τη σύγκριση τριών ή περισσότερων ομάδων. Οι συμμετέχοντες μαθαίνουν να διατυπώνουν υποθέσεις, να ελέγχουν κανονικότητα και ομοιογένεια διασποράς και να ερμηνεύουν τα αποτελέσματα, συμπεριλαμβανομένων των post-hoc ελέγχων. Παρουσιάζεται επίσης το μη παραμετρικό ισοδύναμο Kruskal–Wallis για περιπτώσεις παραβίασης των προϋποθέσεων. Η ενότητα ολοκληρώνεται με πρακτικές εφαρμογές σε πραγματικά datasets στο JASP.

  1. Ενότητα 5 – Συσχέτιση & x2

Οι συμμετέχοντες διδάσκονται τις βασικές μεθόδους μέτρησης σχέσεων μεταξύ μεταβλητών. Αναλύονται:

  • Συντελεστής συσχέτισης Pearson (παραμετρικός)
  • Συντελεστής Spearman (μη παραμετρικός)
  • Chi-square

Δημιουργούνται scatterplots για οπτικοποίηση σχέσεων και γίνεται ερμηνεία της ισχύος και της στατιστικής σημαντικότητας των συσχετίσεων. Η πρακτική εφαρμογή στο JASP ενισχύει την ικανότητα επιλογής της κατάλληλης μεθόδου.

  1. Ενότητα 6 – Παλινδρόμηση

Η ενότητα περιλαμβάνει την απλή και πολλαπλή γραμμική παλινδρόμηση. Οι συμμετέχοντες μαθαίνουν να αναλύουν τη σχέση εξαρτημένων και ανεξάρτητων μεταβλητών, να ερμηνεύουν τους συντελεστές, το R² και τη στατιστική σημαντικότητα των μοντέλων. Εφαρμόζουν πρακτικά μοντέλα παλινδρόμησης στο JASP και εξάγουν τεκμηριωμένα συμπεράσματα.

  1. Ενότητα 7 – Εφαρμογές / Project / Αξιολόγηση

Στην τελική ενότητα οι συμμετέχοντες εφαρμόζουν ολοκληρωμένα τη γνώση που απέκτησαν σε πραγματικά datasets. Περιλαμβάνεται καθαρισμός δεδομένων, επιλογή κατάλληλων στατιστικών ελέγχων, εκτέλεση αναλύσεων και παρουσίαση αποτελεσμάτων με επιστημονική τεκμηρίωση. Η αξιολόγηση πραγματοποιείται μέσω mini projects και πρακτικών εφαρμογών στο JASP, διασφαλίζοντας την ολοκληρωμένη κατανόηση της θεωρίας και την ανάπτυξη επαγγελματικών δεξιοτήτων ανάλυσης δεδομένων.

Επικοινωνία:

Επιστημονικά Υπεύθυνος: Μιχαήλ Ζωγραφάκης Σφακιανάκης, mzografakis@hmu.gr

Κ.Ε.ΔΙ.ΒΙ.Μ. ΕΛΜΕΠΑ: kedivim@hmu.gr