Neapolis University Pafos

HEPHAESTUS

Welcome to HEPHAESTUS, the Institutional Repository of the Neapolis University in Cyprus.

HEPHAESTUS is an open source institutional repository which gathers all the digital material of Neapolis University's various activities, particularly original research studies produced by the members of the University. The HEPHAESTUS Repository demonstrates the intellectual life, research activities and publications of the University, preserving, acknowledging and promoting scientific research to benefit the local and international community.

Communities in HEPHAESTUS

Select a community to browse its collections.

Now showing 1 - 3 of 3

Digitized collections - Ψηφιοποιημένες συλλογές
NUP Academic Publications - Ακαδημαϊκές Δημοσιεύσεις ΠΝΠ
Here you can find all the Academic Publications of the Faculty of the Neapolis University in Cyprus - Εδώ μπορείτε να βρείτε όλες της Ακαδημαϊκές Δημοσιεύσεις του προσωπικού του Πανεπιστημίου Νεάπολις Πάφου
Thesis & Dissertation - Διατριβές & Διδακτορικές

Recent Submissions

Artificial Intelligence (AI) in the Circular Economy: A Systematic Literature Review
(MDPI, 2026-09-26) Agoraki, Konstantina K.; Deirmentzoglou, Georgios A.; Anastasopoulou, Eleni E.
The transition from linear production and consumption to a circular economy (CE) requires organizations to manage complex information about products, materials, waste streams, and supply-chain activities. Artificial intelligence (AI) may support this transition, but research on its role across business and organizational contexts remains fragmented. This study systematically reviews how AI is applied to CE practices and identifies the main thematic areas in the literature. Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020 statement, Scopus was searched for English-language studies published up to 2025. After screening 301 records and assessing 56 full texts, 25 studies were included and analyzed through qualitative content analysis and thematic narrative synthesis. Four clusters emerged: AI-enabled circular operations and supply-chain transformation; resource recirculation, recovery, and loop closure; organizational and ecosystem capabilities for circular innovation and business-model transformation; and green marketing, stakeholder engagement, and corporate disclosure. Across these clusters, AI is reported primarily to improve visibility, prediction, classification, optimization, and coordination. Evidence is strongest for operational efficiency and waste-related applications, while support for higher-value circular strategies and system-level loop closure remains limited. AI should therefore be regarded as a conditional enabler rather than a sufficient driver of circular transformation; its contribution depends on circular objectives, organizational capabilities, human expertise, infrastructure, financing, governance, and interorganizational cooperation.
Sustainable Fashion: Examining Purchase Intention in Digital Second-Hand Platforms
(Academic Conferences and Publishing International Limited, 2026-11-09) Marmoutzaki, Maria Ioanna; Deirmentzoglou, Georgios A.; Anastasopoulou, Eleni E.; SophocleousHarry Ph.
The global fashion industry has undergone rapid transformation in recent decades, driven by the expansion of fast fashion and the increasing adoption of digital technologies. While fast fashion has enhanced accessibility and affordability, it has also raised significant environmental concerns, prompting growing interest in sustainable consumption practices. In this context, digital second-hand platforms have emerged as an important mechanism for promoting circular economy principles by extending product lifecycles and reducing waste. This study examines the factors influencing purchase intention in digital C2C second-hand fashion platforms, with a specific focus on users in the Lithuanian market. The research investigates the role of perceived value, trust, perceived security, and usage motivations in shaping purchase intention. A quantitative research design was employed, with data collected through an online questionnaire distributed to 105 users with experience using second-hand fashion platforms. The findings reveal that perceived value is the strongest predictor of purchase intention, followed by usage motivations and trust, all of which have a positive and statistically significant effect. In contrast, perceived security does not have a significant direct impact on purchase intention, suggesting that it functions as a baseline requirement rather than a key driver of behaviour. The study contributes to the literature by providing empirical evidence from a relatively underexplored context and highlights the importance of perceptual and motivational factors in digital second-hand consumption. Practical implications suggest that platform managers should prioritise enhancing perceived value and user motivations to strengthen user engagement and purchasing behaviour.
Sustainability Visibility, Awareness, and Student Engagement in Higher Education: An Exploratory Study
(Acadlore Publishing Services Limited, 2026-10-30) Katafygiotou, Martha; Aftzaki, Maria; Dimopoulos, Thomas
This study explores students’ perceptions, awareness, and engagement with sustainability and energy-efficiency initiatives in higher education institutions, with particular attention to the visibility of campus sustainability practices. An exploratory cross-sectional survey was conducted among 149 students from five universities. Data were collected through a structured questionnaire and analyzed using descriptive statistical techniques, including frequencies, percentages and mean scores. Students demonstrated strong environmental concern and positive attitudes towards sustainability. However, awareness of institutional sustainability initiatives, environmental management systems (EMS) and energy-efficiency measures was generally low. Limited communication and visibility of sustainability actions were identified as potential barriers to student engagement. The findings should be interpreted in light of the convenience sampling approach and reliance on self-reported perceptions. Future studies could employ broader samples and more advanced analytical methods. Higher education institutions can strengthen sustainability engagement by improving communication, increasing the visibility of sustainability initiatives and creating more opportunities for student participation. Greater student involvement in sustainability initiatives may contribute to the development of environmentally responsible attitudes, behaviors and sustainability competencies. The study provides exploratory evidence on sustainability visibility and student engagement in higher education and highlights the importance of communication and institutional transparency in fostering sustainability awareness and participation.
Ανίχνευση Κυβερνοεπιθέσεων με Τεχνικές Μηχανικής Μάθησης: Σύγκριση και Ερμηνεία Αλγόριθμων Ανίχνευσης Ανωμαλιών σε Δεδομένα Δικτύου
(Μεταπτυχιακό στα Πληροφοριακά Συστήματα και Ψηφιακή Καινοτομία, Σχολή Διοίκησης και Επιστήμης Υπολογιστών, Πανεπιστήμιο Νεάπολις Πάφος, 2026-06) Σκαμάγκας, Αθανάσιος
Η ταχεία αύξηση της κίνησης δεδομένων και ευρεία χρήση ετερογενών τεχνολογιών δικτύου καθιστούν την ανίχνευση κυβερνοεπιθέσεων μια βασική πρόκληση για σύγχρονα συστήματα κυβερνοασφάλειας. Αν και οι μέθοδοι Μηχανικής Μάθησης (ML) έχουν επιτύχει εντυπωσιακά αποτελέσματα στην ταξινόμηση κακόβουλων δραστηριοτήτων, τα περισσότερα μοντέλα παρουσιάζουν σοβαρή αδυναμία σε αυτό που λέμε «γενίκευση», δηλαδή στη διαδικασία κατά την οποία τα μοντέλα αυτά εφαρμόζονται σε δεδομένα διαφορετικά από αυτά με τα οποία εκπαιδεύτηκαν. Το φαινόμενο αυτό, γνωστό και ως Cross-Dataset Generalization Gap, έχει καταγραφεί εκτενώς στη διεθνή βιβλιογραφία, με μελέτες να αναφέρουν χαρακτηριστικές πτώσεις απόδοσης άνω του 50-90% όταν μοντέλα εκπαιδευμένα σε CICIDS2017 ή UNSW-NB15 εφαρμόζονται σε IoT datasets όπως ΙοΤ-23, ΤοΝ-ΙοΤ ή ΒοΤ-ΙοΤ. Επιπλέον, η έλλειψη μίας ενιαίας διαδικασίας προεπεξεργασίας, η ανομοιογένεια των χαρακτηριστικών (features) και τα προβλήματα Labeling δυσκολεύουν περαιτέρω την αξιολόγηση και ακόμη και τη σύγκριση ML τεχνικών. Η παρούσα εργασία εξετάζει εις βάθος το πρόβλημα της ανίχνευσης ανωμαλιών σε πολλαπλά και ανομοιογενή σύνολα δεδομένων, εστιάζοντας στη συγκριτική αξιολόγηση αλγορίθμων ML και στην ερμηνεία των μοντέλων (ΧΑΙ). Αναλύοντας σύγχρονες τεχνικές ταξινόμησης και ανίχνευσης ανωμαλιών σε flow-based traffic, με χρήση δημοφιλών datasets όπως CICIDS2017, UNSW-NB15, BoT-IoT και IoT-23. Παράλληλα διερευνάται ο ρόλος του Explainable ΑΙ ως εργαλείο κατανόησης της συμπεριφοράς των μοντέλων συγκεκριμένα σε περιπτώσεις όπου αποτυγχάνουν να «γενικεύσουν» σε νέα περιβάλλοντα. Στόχος της εργασίας είναι η ανάπτυξη και η αξιολόγηση ενός πλαισίου Explainable Cross-Dataset Intrusion Detection, το οποίο αξιοποιεί τεχνικές ML και ΧΑΙ με στόχο: a) Τη μείωση του cross-dataset performance gap b) Την κατανόηση των παραγόντων που επηρεάζουν τη γενίκευση των μοντέλων και c) Την ενίσχυση της αξιοπιστίας τους μέσω ερμηνεύσιμων εξηγήσεων. Τα αποτελέσματα φιλοδοξούμε να συμβάλουν στην κατανόηση των περιορισμών των ML-based IDS και τη διαμόρφωση πιο ανθεκτικών, επεκτάσιμων και επεξηγήσιμων μηχανισμών ανίχνευσης κυβερνοεπιθέσεων.
Η αντίληψη πραγματικών και τεχνητά παραγόμενων προσώπων από ενήλικες
(Μεταπτυχιακό Πρόγραμμα Συμβουλευτικής Ψυχολογίας, Σχολή Επιστημών Υγείας, Πανεπιστήμιο Νεάπολις Πάφος, 2026) Αριστοκλή, Νικολίνα
Η ραγδαία εξέλιξη της παραγωγικής Τεχνητής Νοημοσύνης έχει καταστήσει δυνατή τη δημιουργία φωτορεαλιστικών ανθρώπινων προσώπων, δημιουργώντας ερωτήματα σχετικά με τον τρόπο με τον οποίο αυτά γίνονται αντιληπτά και αξιολογούνται. Σκοπός της παρούσας έρευνας ήταν η διερεύνηση των γνωστικών και αντιληπτικών διεργασιών των ενηλίκων κατά την αξιολόγηση πραγματικών και τεχνητά παραγόμενων προσώπων, με έμφαση στην αντιλαμβανόμενη αυθεντικότητα, ελκυστικότητα και αξιοπιστία. Το δείγμα αποτελούνταν από 101 ελληνόφωνους ενήλικες και ακολουθήθηκε ποσοτικός, πειραματικός σχεδιασμός επαναλαμβανόμενων μετρήσεων. Στους συμμετέχοντες παρουσιάστηκαν 52 εικόνες προσώπων, 26 πραγματικές από το Flickr-Faces-HQ (FFHQ) και 26 τεχνητά παραγόμενες μέσω StyleGAN3, με ίση κατανομή γυναικείων και ανδρικών προσώπων. Κάθε πρόσωπο αξιολογήθηκε ως προς την αυθεντικότητα, την ελκυστικότητα και την αξιοπιστία μέσω 7βάθμιων κλιμάκων αξιολόγησης. Τα αποτελέσματα έδειξαν ότι οι πραγματικές εικόνες έγιναν αντιληπτές ως περισσότερο αυθεντικές από τις τεχνητά παραγόμενες, ενώ τα γυναικεία πρόσωπα αξιολογήθηκαν ως περισσότερο ελκυστικά και περισσότερο αξιόπιστα από τα ανδρικά. Επιπλέον, η αντιλαμβανόμενη αυθεντικότητα και ελκυστικότητα συνέβαλαν θετικά στην πρόβλεψη της αντιλαμβανόμενης αξιοπιστίας, με την ελκυστικότητα να παρουσιάζει την ισχυρότερη σχέση. Συνολικά, επιβεβαιώθηκαν οι τέσσερις ερευνητικές υποθέσεις. Τα ευρήματα αναδεικνύουν ότι η αξιολόγηση πραγματικών και τεχνητά παραγόμενων προσώπων αποτελεί σύνθετη διαδικασία, στην οποία η προέλευση της εικόνας, τα χαρακτηριστικά του προσώπου και οι κοινωνικές εντυπώσεις συνδέονται μεταξύ τους. Η μελέτη συμβάλλει στην κατανόηση των ψυχολογικών και κοινωνικών διαστάσεων της αντίληψης τεχνητά παραγόμενων προσώπων στο σύγχρονο ψηφιακό περιβάλλον.