Ηλεκτρονική Διακυβέρνηση 2025 Flashcards
Πώς ορίζεται η ηλεκτρονική διακυβέρνηση σύμφωνα με την Ευρωπαϊκή Ένωση;
Η χρήση των ΤΠΕ στη δημόσια διοίκηση στη δημόσια διοίκηση για καλύτερη εξύπηρετηση, δημοκρατία και υ ποστήριξη πολιτικών
ΤΠΕ: Τεχνολογίες Πληροφορικής και Τηλεπικοινωνιών
Πώς ορίζεται η ηλεκτρονική διακυβέρνηση σύμφωνα με τον Οργανισμό Ενωμένων Εθνών;
Από online υπηρεσίες έως ανταλλαγή πληροφοριών με πολίτες κι επιχειρήσεις, βελτίωση διαφάνειας, λογοδοσίας και καινοτομίας
Τι είναι τα Ανοικτά Κυβερνητικά Δεδομένα (OGD);
Δεδομένα από δημόσιους φορείς, για ελεύθερη χρήση και επαναχρησιμοποίηση
Ποιοι είναι τα πλεονεκτήματα των Ανοικτών Δεδομένων;
- Διαφάνεια
- Απελευθέρωση κοινωνικής και εμπορικής αξίας
- Συμμετοχική διακυβέρνηση
Τι είναι η καινοτομία στην ηλεκτρονική διακυβέρνηση;
Η χρήση νέας γνώσης με στόχο τη δημιουργία και προώθηση νέων προϊόντων ή υπηρεσιών.
Τι διαφορά υπάρχει μεταξύ εφεύρεσης και καινοτομίας;
- Η εφεύρεση αναφέρεται σε τεχνική πρόοδο
- Η καινοτομία αναφέρεται στη χρήση της τεχνικής προόδου για την παραγωγή νέων προϊόντων, υπηρεσιών και διαδικασιών.
Πώς ορίζεται η ηλεκτρονική ένταξη (e-inclusion);
Εγγυάται ότι παρέχεται η ίδια πρόσβαση στις ΤΠΕ σε όλους τους πολίτες.
Τι είναι η ηλεκτρονική προσβασιμότητα (e-accessibility);
Άρση όλων των εμποδίων που μπορεί να αντιμετωπίσουν κάποιοι πολίτες κατά τη χρήση των ΤΠΕ.
Ποιες είναι οι κατηγορίες ηλεκτρονικής διακυβέρνησης;
G2G (Government-to-Government): Ανταλλαγή δεδομένων μεταξύ κυβερνητικών φορέων.
G2B (Government-to-Business): Συναλλαγές με επιχειρήσεις.
G2C (Government-to-Citizen): Παροχή υπηρεσιών στους πολίτες.
B2G (Business-to-Government): Επιχειρηματική σχέση με κυβερνητικούς φορείς.
C2G (Citizen-to-Government): Συμμετοχή πολιτών σε κυβερνητικές αποφάσεις.
Ποιοι είναι οι κύριοι στόχοι της ηλεκτρονικής διακυβέρνησης;
- Γρήγορο & ασφαλές διαδίκτυο (5G, κυβερνοασφάλεια, προσβασιμότητα).
- Ψηφιακό κράτος (gov.gr, ψηφιακή ταυτότητα, ειδοποιήσεις).
- Ψηφιακές δεξιότητες για όλους (προγράμματα εκπαίδευσης, Ψηφιακή Ακαδημία Πολιτών).
- Ψηφιακός μετασχηματισμός επιχειρήσεων (ηλεκτρονικό εμπόριο, ψηφιακά τιμολόγια).
- Στήριξη καινοτομίας (start-ups, Digital Innovation Hubs).
- Αξιοποίηση δημόσιων δεδομένων (open data, AI, ανάλυση μεγάλων δεδομένων).
- Ενσωμάτωση σύγχρονων τεχνολογιών (τηλεϊατρική, τηλεεκπαίδευση, απομακρυσμένη εργασία).
Πως λειτουργεί το web;
- Browser ζητά το αρχικό HTML από το server
- Ανάλυση HTML
- Αίτηση πρόσθετων πόρων
- Δημιουργία DOM: δέντρο δομής του html για προγραμματιστική διαχείρισιη μέσω javascript
- Εφαρμογή CSS
- Εκτέλεση javascript
- Απόδοση/rendering
Ποια είναι η διαφορά μεταξύ client-side και server-side scripting και ποιος είναι ο ρόλος τους στην ανάπτυξη ιστοσελίδων;
Client-side scripting: Εκτελείται στον browser, επιτρέπει διαδραστικές λειτουργίες (JavaScript, HTML, CSS).
Server-side scripting: Εκτελείται στον server, προσφέρει μεγαλύτερη ασφάλεια (PHP, Python, Java, Ruby).
Σύγκριση: Client-side για ταχύτητα και αλληλεπίδραση, Server-side για ασφάλεια και δυναμικό περιεχόμενο.
Τι είναι τα frameworks;
Βιβλιοθήκες που προσφέρουν έτοιμες λύσεις και βοηθούν στην ανάπτυξη web εφαρμογών
Πώς συμβάλλει το HTML5 & CSS στη δομή και την εμφάνιση των ιστοσελίδων;
HTML5: Νέα χαρακτηριστικά (video/audio tags, canvas για γραφικά).
CSS: Προσθήκη μορφοποίησης στις ιστοσελίδες, προσαρμογή σε διαφορετικές συσκευές
Τι είναι τα cookies, ποιες οι χρήσεις τους και ποια είναι η διαφορά των first vs third-party cookies;
Μικρά αρχεία με πληροφορίες που αποθηκεύουν οι ιστοσελίδες στο μηχάνημα του χρήστη.
Χρήσεις: Αναγνώριση χρήστη, διατήρηση ρυθμίσεων, καταγραφή συμπεριφοράς πλοήγησης.
First-party & Third-party cookies: Τα πρώτα δημιουργούνται από τον ιστότοπο που επισκέπτεται ο χρήστης, τα δεύτερα από τρίτους (π.χ. διαφημιστικές εταιρείες)
Τι ειναι το cloud computing, ποια τα μοντέλα και πλεονεκτήματά του;
Διαδικτυακή διάθεση υπολογιστικών πόρων (υποδομές, λογισμικό, υπηρεσίες) με διαθεσιμότητα, ελαχιστη προσπάθεια, ευελιξία, αυτοματοποίηση και χρέωση pay-as-you-go.
- SaaS (Software as a Service) → Google Apps, Dropbox
- PaaS (Platform as a Service) → AWS Elastic Beanstalk, Google App Engine
- IaaS (Infrastructure as a Service) → AWS, Microsoft Azure
Πλεονεκτήματα: Χαμηλό κόστος, ευελιξία, παραγωγικότητα, υψηλή απόδοση και αξιοπιστία.
Τι είναι το Internet of Things (IoT); Δώσε 3 παραδείγματα εφαρμογής του.
Δίκτυο συνδεδεμένων συσκευών με αισθητήρες και ενεργοποιητές.
Εφαρμογές:
1. Έξυπνη Διαχείριση Κυκλοφορίας (Δουβλίνο)
2. Καταγραφή επιπέδων θορύβου
3. Περιβαλλοντική παρακολούθηση & έγκαιρη προειδοποίηση (Σρι Λάνκα)
Ποια είναι τα βασικά χαρακτηριστικά και κατηγορίες του 5G;
Βασικά Χαρακτηριστικά:
1. 10 φορές μεγαλύτερη ταχύτητα
2. 50 φορές μικρότερο latency
3. 1.000 φορές μεγαλύτερη χωρητικότητα χρηστών
Κατηγορίες 5G
eMBB → Γρήγορο ίντερνετ για ανθρώπους
mMTC → Πολλές συνδεδεμένες IoT συσκευές
URLLC → Μηδενική καθυστέρηση για ζωτικής σημασίας εφαρμογές
Ποια είναι τα 5 V’s των big data;
Volume, velocity, variety, veracity, value
Ποιες είναι οι πηγές των big data;
IoT, social media, δημόσια δεδομένα
Τι είναι το data science;
Χρησιμοποιεί αλγορίθμους & ανάλυση δεδομένων για εξαγωγή γνώσης.
Σχετίζεται με εξόρυξη δεδομένων, μηχανική μάθηση και μεγάλα δεδομένα.
Τι είναι Τεχνητή Νοημοσύνη (ΑΙ);
Αναφέρεται στην ικανότητα των μηχανών να αναπαράγουν ανθρώπινες γνωστικές λειτουργίες, όπως μάθηση, σχεδιασμός και δημιουργικότητα.
Τα συστήματα τεχνητής νοημοσύνης μπορούν να προσαρμόζουν τη συμπεριφορά τους με βάση προηγούμενες εμπειρίες.
Τι είναι Μηχανική Μάθηση (Machine Learning - ML) και σε ποια είδη χωρίζεται;
Υποσύνολο της ΑΙ που βασίζεται στην ικανότητα των συστημάτων να μαθαίνουν από δεδομένα και να λαμβάνουν αποφάσεις με ελάχιστη ανθρώπινη παρέμβαση.
Μάθηση με επίβλεψη (Supervised Learning): Εκπαίδευση με δεδομένα που έχουν επισημανθεί.
Μάθηση χωρίς επίβλεψη
Classification: Διακριτές προβλέψεις (π.χ. spam detection).
Regression: Συνεχείς προβλέψεις (π.χ. θερμοκρασία).
(Unsupervised Learning): Ανάλυση δεδομένων χωρίς προκαθορισμένες κατηγορίες
Clustering: Ομαδοποίηση δεδομένων (π.χ. αναλύσεις αγοράς).
Τι είναι Βαθιά Μάθηση (Deep Learning - DL);
Υποσύνολο της ML που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα για να μιμείται τη λειτουργία του ανθρώπινου εγκεφάλου.
Οι τεχνικές βαθιάς μάθησης δεν απαιτούν άμεση καθοδήγηση από προγραμματιστές, αλλά μαθαίνουν από μεγάλα σύνολα δεδομένων.
