Οι πρόσφατες εξελίξεις στον τομέα της Βαθιάς Μάθησης έχουν οδηγήσει σε εξαιρετικά αποτελέσματα για την αντιμετώπιση προβλημάτων ανάλυσης ψηφιακών μέσων, όπως είναι η κατηγοριοποίηση και η ανάκτηση εικόνων. Ωστόσο, οι μέθοδοι Βαθιάς Μάθησης, παρόλο που είναι ικανές να αντιμετωπίσουν αποτελεσματικά τα παραπάνω προβλήματα, παρουσιάζουν υψηλή υπολογιστική πολυπλοκότητα. Αυτό καθίσταται σημαντικό εμπόδιο στην εφαρμογή τους σε συσκευές με περιορισμένη υπολογιστική ισχύ. Στην παρούσα διδακτορική διατριβή μελετήθηκαν μέθοδοι Βαθιάς Μάθησης για την αντιμετώπιση των προβλημάτων της ανάκτησης εικόνων με βάση το σημασιολογικό τους περιεχόμενο, της κατηγοριοποίησης εικόνων, όπως επίσης και της αυτόματης περιγραφής βίντεο με λέξεις. Οι κύριες στοχεύσεις της παρούσας διδακτορικής διατριβής συνοψίζονται στην ανάπτυξη μεθόδων μάθησης αναπαραστάσεων προσαρμοσμένων στα συγκεκριμένα προβλήματα ανάλυσης ψηφιακών μέσων, όπως επίσης και στην ανάπτυξη ελαφρών μεθόδων Βαθιάς Μάθησης που θα επιτρέπουν την εφαρμογή τους σε συσκευές με περιορισμένους υπολογιστικούς πόρους. Για τον σκοπό αυτό, αρχικά αναπτύχθηκε γενική μέθοδος για την εκμάθηση αποτελεσματικών αναπαραστάσεων προσαρμοσμένων στο πρόβλημα της ανάκτησης εικόνων με βάση το σημασιολογικό τους περιεχόμενο. Η μέθοδος, στη συνέχεια, προσαρμόστηκε με σκοπό την εκμάθηση αναπαραστάσεων που βελτιώνουν παράλληλα με την ακρίβεια ανάκτησης, τις απαιτήσεις μνήμης και την ταχύτητα ανάκτησης. Στη συνέχεια, αναπτύχθηκαν ελαφρά μοντέλα Βαθιάς Μάθησης ικανά να εφαρμοστούν ακόμη και σε πραγματικό χρόνο για δεδομένα υψηλής ανάλυσης σε συσκευές με περιορισμένη υπολογιστική ισχύ, για την αντιμετώπιση γενικών προβλημάτων κατηγοριοποίησης εικόνων. Παράλληλα, αναπτύχθηκαν διάφορες τεχνικές κανονικοποίησης βασισμένες στην έννοια της μάθησης πολλαπλών εργασιών (π.χ. κανονικοποίηση βασισμένη στους αλγορίθμους ένθεσης γράφων, κανονικοποίηση βασισμένη στο κριτήριο της τετραγωνικής αμοιβαίας πληροφορίας), που επέτρεψαν την βελτίωση της ικανότητας γενίκευσης των προτεινόμενων ελαφρών μοντέλων. Εν συνεχεία, προτάθηκαν δύο μέθοδοι απευθείας απόσταξης γνώσης από το ίδιο το μοντέλο στον εαυτό του. Οι προτεινόμενες μέθοδοι επέτρεψαν την εκπαίδευση αποτελεσματικών ελαφρών μοντέλων σε προβλήματα κατηγοριοποίησης. Τέλος, προτάθηκε μέθοδος αυτόματης περιγραφής βίντεο με λέξεις, ικανή να συλλέξει διαφορετικούς τύπους πληροφορίας, παρέχοντας βελτιωμένα αποτελέσματα.

Στο πλαίσιο της παρούσας διατριβής (α) προτείνονται κατευθυντήριες γραμμές για την οργάνωση ασύγχρονων συζητήσεων που προωθούν τη γνωστική ανάπτυξη στο πλαίσιο μιας Κοινότητας Διερεύνησης (Community of Inquiry) και (β) παρέχεται στην ερευνητική κοινότητα το ADVICE (ADaptable VΙsualizations for CommunitiEs), ένα καινοτόμο εργαλείο ανάλυσης μαθησιακών αλληλεπιδράσεων (learning analytics) που ενσωματώνει δύο τρόπους για την ενίσχυση των εκπαιδευομένων στην καλλιέργεια της γνωστικής παρουσίας, η οποία θεωρείται πως είναι το κύριο στοιχείο της κριτικής σκέψης. Ο πρώτος τρόπος ενίσχυσης των εκπαιδευομένων μέσω του ADVICE είναι η παροχή δυνατότητας στους εκπαιδευόμενους να κωδικοποιούν τα μηνύματα της ασύγχρονης συζήτησης, σύμφωνα με τις τέσσερις φάσεις της Πρακτικής Διερεύνησης. Αντίστοιχα, ο δεύτερος τρόπος ενίσχυσης των εκπαιδευομένων είναι η παροχή έγκαιρης ανατροφοδότησης σε αυτούς, μέσω προσαρμόσιμων οπτικοποιήσεων α) της οπτικής των εκπαιδευτικών αλλά και β) της οπτικής της κοινότητας για τη γνωστική ανάπτυξη της συζήτησης. Ως εκ τούτου, οι εκπαιδευόμενοι δύνανται να παρατηρούν συγκριτικά, διαφορετικές οπτικές. Εκτός της επικοινωνίας μέσω του φόρουμ, οι εκπαιδευόμενοι έχουν τη δυνατότητα να εκφράζουν την οπτική τους για τη γνωστική δομή της συζήτησης και, επιπροσθέτως, να αναστοχάζονται σχετικά με την οπτική της κοινότητας όχι μόνο για τη συζήτηση αλλά και για τη δική τους γνωστική ανάπτυξη. Σύμφωνα με τους Goy, Petrone και Picardi (2017) μέσω της δυνατότητας του εκπαιδευόμενου να συσχετίζει την προσωπική του οπτική με αυτή των υπόλοιπων μελών της κοινότητας, γίνεται δυνατή η «προώθηση της ανάπτυξης, της αναγνώρισης και του μετα-αναστοχασμού επάνω στη δική του οπτική». Για το σκοπό αυτό έχουν διεξαχθεί τέσσερις μελέτες, τα αποτελέσματα των οποίων οδήγησαν στις αρχές σχεδιασμού του ADVICE. Συγκεκριμένα, η πρώτη και η δεύτερη μελέτη προτείνουν και αξιολογούν ένα σχήμα κωδικοποίησης για τον προσδιορισμό της γνωστικής παρουσίας της συζήτησης από τους εκπαιδευόμενους. Η τρίτη και η τέταρτη μελέτη προτείνουν και αξιολογούν μεταβλητές που αντανακλούν τη συμπεριφορά των εκπαιδευόμενων που είναι ουσιώδης για το μοντέλο των Κοινοτήτων Διερεύνησης, προκειμένου να ενσωματωθούν στο εργαλείο για την οπτικοποίηση α) της γνωστικής παρουσίας της συζήτησης και β) των κατάλληλων πηγών προσαρμοσιμότητας. Τέλος, διεξάγεται πέμπτη μελέτη όπου το ADVICE αξιολογείται για την ακρίβεια, τη χρηστικότητα και τον αναστοχασμό που προωθεί κατά τη μαθησιακή διαδικασία.