Περίληψη
Στην προσπάθεια της βελτίωσης του τομέα της περιβαλλοντικής διαχείρισης σε συνδυασμό με το σχηματισμό αποδοτικών πολιτικών, τα «μεγάλα δεδομένα» αποτελούν ένα επαναστατικό τεχνολογικό εργαλείο. Η ραγδαία εξέλιξη των ψηφιακών τεχνολογιών μαζί με τον εκθετικά αυξανόμενο ρυθμό ανάπτυξης της παραγωγής και διάθεσης νέας πληροφορίας, παρέχουν σε παράγοντες, ερευνητές και επιστήμπονες του περιβάλλοντος το κατάλληλο υποβαθρο ώστε να εφαρμόσουν αναλυτικές μεθόδους με σκοπό να κατανοήσουν περοβαλλοντικά χαρακτηριστικά, αλλαγές και μοτίβα. Το πεδίο της ανάλυσης «μεγάλων δεδομένων» επιτρέπει την έρευνα σε ποικίλα συστήματα δεδομένων προερχόμενων από διαφορετικές πηγές όπως βάσεις δεδομένων, ερευνητικά ερωτηματολόγια, και πλατφόρμες κοινωνικής δικτύωσης. Με αυτά τα μέσα γίνεται εφικτή η ολοκληρωμένη προσέγγιση των περιβαλλοντικών προκλήσεων που προκύπτουν ανά τα χρόνια. Συνεπώς, τέτοια δεδομένα σε συνδυασμό με τις πολυπληθείς αναλυτικές μεθόδους, βοηθούν σημαντικά στη διαδικασία λήψης αποφάσεων ενώ ...
Στην προσπάθεια της βελτίωσης του τομέα της περιβαλλοντικής διαχείρισης σε συνδυασμό με το σχηματισμό αποδοτικών πολιτικών, τα «μεγάλα δεδομένα» αποτελούν ένα επαναστατικό τεχνολογικό εργαλείο. Η ραγδαία εξέλιξη των ψηφιακών τεχνολογιών μαζί με τον εκθετικά αυξανόμενο ρυθμό ανάπτυξης της παραγωγής και διάθεσης νέας πληροφορίας, παρέχουν σε παράγοντες, ερευνητές και επιστήμπονες του περιβάλλοντος το κατάλληλο υποβαθρο ώστε να εφαρμόσουν αναλυτικές μεθόδους με σκοπό να κατανοήσουν περοβαλλοντικά χαρακτηριστικά, αλλαγές και μοτίβα. Το πεδίο της ανάλυσης «μεγάλων δεδομένων» επιτρέπει την έρευνα σε ποικίλα συστήματα δεδομένων προερχόμενων από διαφορετικές πηγές όπως βάσεις δεδομένων, ερευνητικά ερωτηματολόγια, και πλατφόρμες κοινωνικής δικτύωσης. Με αυτά τα μέσα γίνεται εφικτή η ολοκληρωμένη προσέγγιση των περιβαλλοντικών προκλήσεων που προκύπτουν ανά τα χρόνια. Συνεπώς, τέτοια δεδομένα σε συνδυασμό με τις πολυπληθείς αναλυτικές μεθόδους, βοηθούν σημαντικά στη διαδικασία λήψης αποφάσεων ενώ παράλληλα δρουν ως εργαλεία πρόληψης περιβαλλοντικών κινδύνων και αρωγοί πιο βιώσιμων μοντέλων. Η παρούσα διατριβή με τίτλο «Big Data Driven Policies for the Environment» αναδεικνύει το ρόλο των «μεγάλων δεδομένων» στη μετάβαση προς μια περισσοτερο προληπτική περιβαλλοντική διακυβέρνηση με κύριο στόχο την λήψη εμπεριστατωμένων αποφάσεων προς την ανάπτυξη ενός βιωσιμότερου μέλλοντος. Στην εποχή του ψηφιακού μετασχηματισμού, η εξέλιξη των μέσων κοινωνικής δικτύωσης και των «μεγάλων δεδομένων» φέρνει σημαντικές ευκαιρίες για την αποδοτικότερη κατανόηση κρίσιμων περιβαλλοντικών κινδύνων, παγκοσμίως. Σε αυτό το πλαίσιο, η κυκλική οικονομία αποτελεί ένα δραστικό μοντέλο που στοχεύει στην αναδιάρθρωση των διαδικασιών της παραγωγής και κατανάλωσης με σκοπό την απομάκρυνση από το γραμμικό μοντέλο που βασίζεται στο τρίπτυχο του «παίρνω-παράγω-αποθέτω». Η παρούσα διατριβή εμβαθύνει στην κυκλική οικονομία αξιοποιώντας τα πολλαπλά και σημαντικά πλεονεκτήματα των «μεγάλων δεδομένων» από μέσα κοινωνικής δικτύωσης ώστε να ρίξει φως στις παρούσες πρακτικές γύρω από τη βιωσιμότητα μεταξύ των βιομηχανικών τομέων και γεωγραφικών περιοχών. Η Κυκλική Οικονομία δεν είναι απλώς ένα εναλλακτικό οικονομίκο μοντέλο αλλά ένας κρίσιμος και απαραίτητος παράγοντας πρς την ενίσχυση της βιωσιμότητας έναντι των αυξανόμενων πιέσεων που οφείλονται στην κλιματική αλλαγή, τη μείωση των πόρων και της περιβαλλοντικήε υποβάθμισης. Μεγάλη έμφαση δίνεται στην ανακύκλωση, ανακαίνηση και επαναχρησιμοποίηση των υλικών με σκοπό τον περιορισμό των παραγόμενων αποβλήτων, της κατανάλωσης πεπερασμένων φυσικών πόρων και τέλος τη μείωση του περιβαλλοντικού αντικτύπου. Η παρούσα διατριβή φέρνει στο προσκήνιο τον καταλυτικό ρόλο της Κυκλικής Οικονομίας στην επίτευξη των στόχων βιώσιμης ανάπτυξης ενώ ταυτόχρονα αναδεικνύει τα πλεονεκτήματα τόσο σε περιβαλλοντικό όσο και σε κοινωνικό και οικονομικό επίδεδο. Στο πλαίσιο του μοντέλου αυτού, η επιστήμη της ανάλυσης των «μεγάλων δεδομένων» αποτελεί ένα σημαντικό εργαλείο προς το σχηματισμό απόψεων και πληροφοριών, καινοτομιών αλλά και συνολικών επιπτώσεων μεταξύ διαφορετικών τομέων. Η δυνατότητα επεξεργασίας και ανάλυσης πολύ μεγάλων συνόλων δεδομένων από πλατφόρμες κοινωνικής δικτύωσης προσφέρει ένα μοναδικό πλεονέκτημα ως προς την κατανόηση τάσεων, μοτίβων και συναισθημάτων μεταξύ επιχειρησιακών τομέων και γεωγραφικών περιοχών. Αυτός είναι και ο κύριος στόχος αυτής της διατριβής, να αναδείξει την υψηλή αξία και δημοφιλία της ανάλυσης «μεγάλων δεδομένων» στην ολοκληρωμένη και εμπεριστατωμένη κατανόηση των πρακτικών της Κυκλικής Οικονομίας, παγκοσμίως. Εστιάζοντας στο LinkedIn, μια πλατφόρμα κατά βάση απευθυνόμενη σε επαγγελματίες και επιχειρήσεις, η παρούσα διατριβή αρχικά ερευνά τη σχετικότητα της πληθώρας των δεδομένων ως προς την Κυκλική Οικονομία. Μέσα από την ανάλυση εταιρικών λογαριασμών μεταξύ διαφορετικών τομέων βιομηχανίας και χωρών, αποκαλύπτεται η απαράμιλλη χρησιμότητα του LinkedIn στη χαρτογράφηση του τοπίου των δραστηριοτήτων της Κυκλικής Οικονομίας. Επιπλέον, γίνονται ξεκάθαρες πληροφορίες σχετικά με τον τρόπο με τον οποίο οι επιχειρήσεις αρθρώνουν τις κυκλικές και βιώσιμες στρατηγικές τους, εμπλέκονται με τις αρχές της κυκλικής οικονομίας και συνδέονται με με ομοϊδεάτες επαγγελματίες και οργανισμούς. Σε αυτό το πλαίσιο, η παρούσα διατριβή περιλαμβάνει ποικίλες περιπτωσιολογικές μελέτες που διερευνούν τον τομέα της Κυκλικής Οικονομίας στην Ευρωπαϊκή Ένωση, την Ιταλία, το Ηνωμένο Βασίλειο και παγκοσμίως. Συμπληρώνοντας την ανάλυση που διεξήχθη στο LinkedIn, αυτή η διατριβή επιχειρεί και στο YouTube, εξετάζοντας τη συζήτηση γύρω από την Κυκλική Οικονομία στο τεράστιο αποθετήριο περιεχομένου της πλατφόρμας. Αναλύοντας σχόλια σε σημαντικά βίντεο που συζητούν έννοιες της κυκλικής οικονομίας, η έρευνα εμπλουτίζει την κατανόησή μας για την αντίληψη του κοινού, τα επίπεδα δέσμευσης και την ποικιλία των απόψεων για θέματα βιωσιμότητας. Αυτή η προσέγγιση καταδεικνύει την πολύπλευρη φύση των πλατφορμών κοινωνικής δικτύωσης ως πολύτιμων πηγών δεδομένων για την ακαδημαϊκή έρευνα. Αυτή η διατριβή στοχεύει να ρίξει φως στον ρόλο των μέσων κοινωνικής δικτύωσης και της ανάλυσης «μεγάλων δεδομένων» στην προώθηση μιας βαθύτερης κατανόησης της Κυκλικής Οικονομίας και της εφαρμογής της σε διάφορους τομείς και χώρες. Μέσα από ένα σχολαστικό μεθοδολογικό πλαίσιο που περιλαμβάνει ποιοτική και ποσοτική ανάλυση, περιγραφική στατιστική, Latent Dirichlet Allocation και κεντρικότητες ιδιοδιανυσμάτων, η έρευνα παρουσιάζει μια ολοκληρωμένη επισκόπηση της τρέχουσας κατάστασης των πρακτικών της Κυκλικής Οικονομίας. Με την ενσωμάτωση μιας συλλογής δημοσιευμένων και υποβληθέντων εργασιών στην αφήγηση, αυτή η εργασία όχι μόνο συμβάλλει στον ακαδημαϊκό λόγο αλλά προσφέρει επίσης πρακτικές γνώσεις για τις επιχειρήσεις, τους υπεύθυνους χάραξης πολιτικής και τους υποστηρικτές της βιωσιμότητας. Καθώς βρισκόμαστε στο σταυροδρόμι της βιωσιμότητας και της ψηφιακής καινοτομίας, αυτή η διατριβή υπογραμμίζει την κρίσιμη διασταύρωση της Κυκλικής Οικονομίας και της ανάλυσης μεγάλων δεδομένων που προέρχονται από τα μέσα κοινωνικής δικτύωσης. Υπογραμμίζει τη δυνατότητα μετασχηματισμού της μόχλευσης ψηφιακών πλατφορμών όπως το LinkedIn και το YouTube για την απόκτηση γνώσεων σχετικά με βιώσιμες πρακτικές, τη δέσμευση της βιομηχανίας και την παγκόσμια συμμετοχή στην Κυκλική Οικονομία. Με αυτόν τον τρόπο, αυτή η έρευνα συμβάλλει στη διαμόρφωση ενός πιο βιώσιμου μέλλοντος, με γνώμονα τις αρχές της αναγέννησης, της αποτελεσματικότητας και της συμπερίληψης. Η διατριβή έχει δομηθεί σε δύο μέρη (1 & 2) συμπεριλαμβανομένων 4 δημοσιευμένων άρθρων σε επιστημονικά περιοδικα και 2 άρθρα υπό αναθεώρηση ή εξέταση.
περισσότερα
Περίληψη σε άλλη γλώσσα
In the quest for sustainable environmental management and the formulation of effective policies, big data stands as a revolutionary force. The advent of digital technology and the exponential growth of data generation have equipped policymakers, researchers, and environmentalists with the tools necessary to understand complex ecological patterns, predict environmental changes, and formulate strategies with unprecedented precision and foresight. Big data analytics enables the aggregation and analysis of vast datasets from diverse sources, including databases, surveys and social media platforms, providing a holistic view of environmental challenges. This data-driven approach not only enhances decision-making processes but also facilitates the development of proactive, evidence-based policies that can more effectively mitigate environmental risks, protect ecosystems, and promote sustainability. This thesis entitled, "Big Data Driven Policies for the Environment", encapsulates the pivotal ...
In the quest for sustainable environmental management and the formulation of effective policies, big data stands as a revolutionary force. The advent of digital technology and the exponential growth of data generation have equipped policymakers, researchers, and environmentalists with the tools necessary to understand complex ecological patterns, predict environmental changes, and formulate strategies with unprecedented precision and foresight. Big data analytics enables the aggregation and analysis of vast datasets from diverse sources, including databases, surveys and social media platforms, providing a holistic view of environmental challenges. This data-driven approach not only enhances decision-making processes but also facilitates the development of proactive, evidence-based policies that can more effectively mitigate environmental risks, protect ecosystems, and promote sustainability. This thesis entitled, "Big Data Driven Policies for the Environment", encapsulates the pivotal role of big data in transitioning from reactive to anticipatory environmental governance, underscoring the potential of data analytics to transform policy-making for a more sustainable future. In the era of digital transformation, the proliferation of social media and big data has unlocked unprecedented opportunities for advancing our understanding of critical global environmental challenges. In this context, the circular economy emerges as a pivotal concept, advocating for a regenerative approach to production and consumption that contrasts sharply with the traditional linear economy's 'take-make-waste' model. This thesis delves into the heart of the circular economy, leveraging the vast, untapped potentials of big data analytics sourced from social media to shed light on sustainability practices, industry engagement, and global participation in circular economic models. The circular economy is not merely an alternative economic model; it is a necessary shift towards sustainability in response to the growing pressures of climate change, resource depletion, and environmental degradation. By emphasizing the reuse, recycling, and refurbishment of materials, the circular economy aims to minimize waste, reduce the consumption of finite resources, and lessen environmental impact. This research underscores the circular economy's critical role in achieving sustainable development goals, highlighting its benefits not only for the environment but also for economic growth and societal well-being. In the context of this transformative economic model, big data analytics emerges as a powerful tool to drive insights, innovation, and impact. The ability to process and analyze vast datasets from social media platforms offers a unique vantage point to understand trends, patterns, and sentiments across various sectors and geographies. This thesis showcases the high value and growing popularity of big data analytics in comprehensively monitoring and evaluating the adoption and effectiveness of circular economy practices worldwide. Focusing on LinkedIn, a platform predominantly utilized by professionals and businesses, this research explores its significance as a rich source of data on the circular economy. By analyzing company profiles, posts, and engagements across different industries and countries, the study reveals LinkedIn's unparalleled utility in mapping the landscape of circular economy activities. It provides insights into how businesses articulate their circular and sustainable strategies, engage with circular economy principles, and connect with like-minded professionals and organizations. In this context, this thesis includes diverse case studies exploring the domain of the CE in the European Union, Italy, the United Kingdom, and globally. Complementing the analysis conducted on LinkedIn, this thesis also ventures into YouTube, examining the discourse surrounding the circular economy within the platform's vast content repository. By analyzing comments on key videos discussing circular economy concepts, the research enriches our understanding of public perception, engagement levels, and the diversity of viewpoints on sustainability issues. This approach demonstrates the multifaceted nature of social media platforms as valuable data sources for academic research. This thesis aims to illuminate the role of social media and big data analytics in fostering a deeper understanding of the circular economy and its implementation across various sectors and countries. Through a meticulous methodological framework that includes qualitative and quantitative analysis, descriptive statistics, Latent Dirichlet Allocation, and Eigenvector Centralities, the research presents a comprehensive overview of the current state of circular economy practices. By integrating a collection of published and submitted papers into the narrative, this work not only contributes to academic discourse but also offers practical insights for businesses, policymakers, and sustainability advocates. As we stand at the crossroads of sustainability and digital innovation, this thesis underscores the critical intersection of the circular economy and big data analytics sourced from social media. It highlights the transformative potential of leveraging digital platforms like LinkedIn and YouTube to gain insights into sustainable practices, industry engagement, and global participation in the circular economy. In doing so, this research contributes to shaping a more sustainable future, guided by the principles of regeneration, efficiency, and inclusivity. The thesis has been structured in two parts (1 & 2) including 4 published journal papers and 2 papers under review or revision.
περισσότερα