Αξιολόγηση ηλεκτρονικών B2C καταστημάτων σε περίοδο οικονομικής κρίσης
Bibliographic record
Abstract
Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη της πορείας του Ηλεκτρονικού Εμπορίου υπό το πρίσμα των Ηλεκτρονικών Καταστημάτων, δεδομένης της τεράστιας οικονομικής κρίσης που έχει ξεσπάσει στην ευρύτερη περιοχή της Ευρώπης. Η μελέτη επικεντρώνεται στο βαθμό κάλυψης των αναγκών των καταναλωτών από τα ηλεκτρονικά καταστήματα, μέσω της διαμόρφωσης ενός ερευνητικού εργαλείου. Στην εργασία καταρτίζεται ένα ερευνητικό εργαλείο το οποίο θα αξιολογήσει τα ηλεκτρονικά καταστήματα. Επιμέρους σκοπός είναι να επιλεχθούν αντικειμενικά κριτήρια αξιολόγησης και να γίνει διαχωρισμός των κριτηρίων αυτών σε υποχρεωτικά και μη. Σε πρώτο στάδιο γίνεται ο προσδιορισμός ενός φάσματος κριτηρίων σύμφωνα με μελέτες προηγούμενων ετών, ενώ εν συνεχεία παρουσιάζεται το προτεινόμενο ερευνητικό εργαλείο. Βασικό χαρακτηριστικό του εργαλείου αξιολόγησης είναι οι τέσσερις βασικές διαστάσεις του με τις επιμέρους μετρικές που καλύπτουν όλο το φάσμα του αγοραστικού κύκλου. Για την διεξαγωγή αποτελεσμάτων, πραγματοποιήθηκε έρευνα, η οποία περιλαμβάνει τη συμμετοχή εκατό δεκαπέντε ηλεκτρονικών καταστημάτων, η οποία πραγματοποιήθηκε το πρώτο τρίμηνο του 2014. Βασικός στόχος της έρευνας είναι να προσδιοριστεί ο βαθμός κάλυψης των αναγκών των καταναλωτών, το επίπεδο των ηλεκτρονικών καταστημάτων στην Ελλάδα, η εύρεση του ανερχόμενου κλάδου και η κατηγοριοποίηση των κριτηρίων.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.131 | 0.057 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".