{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5359286"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5359286","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εμπορία ανθρώπων: Πώς η τεχνητή νοημοσύνη αλλάζει το τοπίο","abstract":"Εισαγωγή: Η εμπορία ανθρώπων (human trafficking) αποτελεί μια από τις ειδεχθέστερες παραβιάσεις των ανθρωπίνων δικαιωμάτων και ένα κρίσιμο ζήτημα δημόσιας υγείας παγκοσμίως. Η ραγδαία εξέλιξη της Τεχνητής Νοημοσύνης (ΤΝ) έχει μεταβάλει ριζικά το πεδίο αυτό, καθώς λειτουργεί ως «δίκοπο μαχαίρι»: προσφέρει εξελιγμένα εργαλεία ανίχνευσης στις αρχές, αλλά ταυτόχρονα παρέχει στους διακινητές μέσα για την αυτοματοποίηση της εκμετάλλευσης και την απόκρυψη των ιχνών τους. Σκοπός: Η παρούσα διπλωματική εργασία στοχεύει στη συστηματική διερεύνηση του τρόπου με τον οποίο η ΤΝ επηρεάζει την εμπορία ανθρώπων. Εστιάζει στην ανάλυση των τεχνολογικών εργαλείων εντοπισμού θυμάτων, στην αξιολόγηση των επιπτώσεων στην ψυχική υγεία των επιζώντων και στην ανάδειξη των ηθικών προκλήσεων που προκύπτουν από την εφαρμογή αλγοριθμικών μοντέλων. Μεθοδολογία: Πραγματοποιήθηκε συστηματική βιβλιογραφική ανασκόπηση στις διεθνείς βάσεις δεδομένων PubMed, ACM Digital Library, Scopus,CINAHL και PsycInfo για την περίοδο 2016–2025. Χρησιμοποιήθηκαν λέξεις-κλειδιά όπως "human trafficking", "artificial intelligence", "mental health" και "complex trauma". Επιλέχθηκαν 28 μελέτες που πληρούσαν τα κριτήρια ποιότητας (CASP) και συνάφειας, οι οποίες αναλύθηκαν θεματικά. Αποτελέσματα: Η ανάλυση κατέδειξε ότι η Μηχανική Μάθηση συμβάλλει καθοριστικά στον εντοπισμό θυμάτων μέσω ηλεκτρονικών αρχείων υγείας (EHR) και δορυφορικής επιτήρησης. Ωστόσο, η έρευνα ανέδειξε σοβαρούς κινδύνους αλγοριθμικής μεροληψίας και επανατραυματισμού των επιζώντων λόγω αδιάκριτης επιτήρησης. Ιδιαίτερη έμφαση δόθηκε στο σύνθετο τραύμα και την ανάγκη προστασίας των επαγγελματιών από το δευτερογενές τραύμα. Παράλληλα, τεκμηριώθηκε η χρήση Παραγωγικής ΤΝ (deepfakes) από διακινητές για εκβιασμό και στρατολόγηση. Συμπεράσματα: Η ΤΝ ενισχύει τις δυνατότητες παρέμβασης, αλλά η επιτυχία της εξαρτάται από ένα ανθρωποκεντρικό ηθικό πλαίσιο. Απαιτείται μια προσέγγιση «ενημερωμένη για το τραύμα» (trauma-informed), η οποία θα ενσωματώνει την ψυχική υγεία και την αξιοπρέπεια των θυμάτων στον αλγοριθμικό σχεδιασμό. Η διεπιστημονική συνεργασία και η Εξηγήσιμη ΤΝ (XAI) είναι απαραίτητες για την προάσπιση των ανθρωπίνων δικαιωμάτων.","abstract_html":"Εισαγωγή: Η εμπορία ανθρώπων (human trafficking) αποτελεί μια από τις ειδεχθέστερες παραβιάσεις των ανθρωπίνων δικαιωμάτων και ένα κρίσιμο ζήτημα δημόσιας υγείας παγκοσμίως. Η ραγδαία εξέλιξη της Τεχνητής Νοημοσύνης (ΤΝ) έχει μεταβάλει ριζικά το πεδίο αυτό, καθώς λειτουργεί ως «δίκοπο μαχαίρι»: προσφέρει εξελιγμένα εργαλεία ανίχνευσης στις αρχές, αλλά ταυτόχρονα παρέχει στους διακινητές μέσα για την αυτοματοποίηση της εκμετάλλευσης και την απόκρυψη των ιχνών τους. Σκοπός: Η παρούσα διπλωματική εργασία στοχεύει στη συστηματική διερεύνηση του τρόπου με τον οποίο η ΤΝ επηρεάζει την εμπορία ανθρώπων. Εστιάζει στην ανάλυση των τεχνολογικών εργαλείων εντοπισμού θυμάτων, στην αξιολόγηση των επιπτώσεων στην ψυχική υγεία των επιζώντων και στην ανάδειξη των ηθικών προκλήσεων που προκύπτουν από την εφαρμογή αλγοριθμικών μοντέλων. Μεθοδολογία: Πραγματοποιήθηκε συστηματική βιβλιογραφική ανασκόπηση στις διεθνείς βάσεις δεδομένων PubMed, ACM Digital Library, Scopus,CINAHL και PsycInfo για την περίοδο 2016–2025. Χρησιμοποιήθηκαν λέξεις-κλειδιά όπως "human trafficking", "artificial intelligence", "mental health" και "complex trauma". Επιλέχθηκαν 28 μελέτες που πληρούσαν τα κριτήρια ποιότητας (CASP) και συνάφειας, οι οποίες αναλύθηκαν θεματικά. Αποτελέσματα: Η ανάλυση κατέδειξε ότι η Μηχανική Μάθηση συμβάλλει καθοριστικά στον εντοπισμό θυμάτων μέσω ηλεκτρονικών αρχείων υγείας (EHR) και δορυφορικής επιτήρησης. Ωστόσο, η έρευνα ανέδειξε σοβαρούς κινδύνους αλγοριθμικής μεροληψίας και επανατραυματισμού των επιζώντων λόγω αδιάκριτης επιτήρησης. Ιδιαίτερη έμφαση δόθηκε στο σύνθετο τραύμα και την ανάγκη προστασίας των επαγγελματιών από το δευτερογενές τραύμα. Παράλληλα, τεκμηριώθηκε η χρήση Παραγωγικής ΤΝ (deepfakes) από διακινητές για εκβιασμό και στρατολόγηση. Συμπεράσματα: Η ΤΝ ενισχύει τις δυνατότητες παρέμβασης, αλλά η επιτυχία της εξαρτάται από ένα ανθρωποκεντρικό ηθικό πλαίσιο. Απαιτείται μια προσέγγιση «ενημερωμένη για το τραύμα» (trauma-informed), η οποία θα ενσωματώνει την ψυχική υγεία και την αξιοπρέπεια των θυμάτων στον αλγοριθμικό σχεδιασμό. Η διεπιστημονική συνεργασία και η Εξηγήσιμη ΤΝ (XAI) είναι απαραίτητες για την προάσπιση των ανθρωπίνων δικαιωμάτων.","abstract_has_math":false,"creators":["Μακρυπόδη Μαρία-Παναγούλα","Makrypodi Maria-Panagoula"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:01:51Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5359286"],"render_values":[{"text":"uoadl:5359286","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5359286","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μακρυπόδη Μαρία-Παναγούλα","Makrypodi Maria-Panagoula"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5359286","https://pergamos.lib.uoa.gr/uoa/dl/object/5359286"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Εισαγωγή: Η εμπορία ανθρώπων (human trafficking) αποτελεί μια από τις ειδεχθέστερες παραβιάσεις των ανθρωπίνων δικαιωμάτων και ένα κρίσιμο ζήτημα δημόσιας υγείας παγκοσμίως. Η ραγδαία εξέλιξη της Τεχνητής Νοημοσύνης (ΤΝ) έχει μεταβάλει ριζικά το πεδίο αυτό, καθώς λειτουργεί ως «δίκοπο μαχαίρι»: προσφέρει εξελιγμένα εργαλεία ανίχνευσης στις αρχές, αλλά ταυτόχρονα παρέχει στους διακινητές μέσα για την αυτοματοποίηση της εκμετάλλευσης και την απόκρυψη των ιχνών τους. Σκοπός: Η παρούσα διπλωματική εργασία στοχεύει στη συστηματική διερεύνηση του τρόπου με τον οποίο η ΤΝ επηρεάζει την εμπορία ανθρώπων. Εστιάζει στην ανάλυση των τεχνολογικών εργαλείων εντοπισμού θυμάτων, στην αξιολόγηση των επιπτώσεων στην ψυχική υγεία των επιζώντων και στην ανάδειξη των ηθικών προκλήσεων που προκύπτουν από την εφαρμογή αλγοριθμικών μοντέλων. Μεθοδολογία: Πραγματοποιήθηκε συστηματική βιβλιογραφική ανασκόπηση στις διεθνείς βάσεις δεδομένων PubMed, ACM Digital Library, Scopus,CINAHL και PsycInfo για την περίοδο 2016–2025. Χρησιμοποιήθηκαν λέξεις-κλειδιά όπως "human trafficking", "artificial intelligence", "mental health" και "complex trauma". Επιλέχθηκαν 28 μελέτες που πληρούσαν τα κριτήρια ποιότητας (CASP) και συνάφειας, οι οποίες αναλύθηκαν θεματικά. Αποτελέσματα: Η ανάλυση κατέδειξε ότι η Μηχανική Μάθηση συμβάλλει καθοριστικά στον εντοπισμό θυμάτων μέσω ηλεκτρονικών αρχείων υγείας (EHR) και δορυφορικής επιτήρησης. Ωστόσο, η έρευνα ανέδειξε σοβαρούς κινδύνους αλγοριθμικής μεροληψίας και επανατραυματισμού των επιζώντων λόγω αδιάκριτης επιτήρησης. Ιδιαίτερη έμφαση δόθηκε στο σύνθετο τραύμα και την ανάγκη προστασίας των επαγγελματιών από το δευτερογενές τραύμα. Παράλληλα, τεκμηριώθηκε η χρήση Παραγωγικής ΤΝ (deepfakes) από διακινητές για εκβιασμό και στρατολόγηση. Συμπεράσματα: Η ΤΝ ενισχύει τις δυνατότητες παρέμβασης, αλλά η επιτυχία της εξαρτάται από ένα ανθρωποκεντρικό ηθικό πλαίσιο. Απαιτείται μια προσέγγιση «ενημερωμένη για το τραύμα» (trauma-informed), η οποία θα ενσωματώνει την ψυχική υγεία και την αξιοπρέπεια των θυμάτων στον αλγοριθμικό σχεδιασμό. Η διεπιστημονική συνεργασία και η Εξηγήσιμη ΤΝ (XAI) είναι απαραίτητες για την προάσπιση των ανθρωπίνων δικαιωμάτων.","Introduction: Human trafficking represents one of the most heinous violations of human rights and a critical global public health issue. The rapid evolution of Artificial Intelligence (AI) has radically transformed this field, acting as a "double edged sword": it offers advanced detection tools to authorities while providing traffickers with means to automate exploitation and conceal their tracks. Purpose: This thesis aims to systematically investigate how AI influences human trafficking. It focuses on analyzing technological tools for victim identification, evaluating the impact on survivors' mental health, and highlighting the ethical challenges arising from the implementation of algorithmic models. Methodology: A systematic literature review was conducted across international databases including PubMed, ACM Digital Library, Scopus,CINAHL and PsycInfo for the period 2016–2025. Keywords used included "human trafficking", "artificial intelligence", "mental health", and "complex trauma". Twenty-eight studies meeting quality (CASP) and relevance criteria were selected and analyzed thematically. Results: The analysis demonstrated that Machine Learning contributes decisively to victim identification through electronic health records (EHR) and satellite surveillance. However, the research highlighted serious risks of algorithmic bias and re-traumatization of survivors due to indiscriminate surveillance. Particular emphasis was placed on complex trauma and the need to protect professionals from vicarious trauma. Simultaneously, the use of Generative AI (deepfakes) by traffickers for extortion and recruitment was documented. Conclusions: AI enhances intervention capabilities, but its success depends on a human-centric ethical framework. A "trauma-informed" approach is required, integrating the mental health and dignity of victims into algorithmic design. Interdisciplinary collaboration and Explainable AI (XAI) are essential for safeguarding human rights."]},{"key":"dc:title","label":"Title","values":["Εμπορία ανθρώπων: Πώς η τεχνητή νοημοσύνη αλλάζει το τοπίο"]}]}],"canonical_facts":{"dc:creator":["Μακρυπόδη Μαρία-Παναγούλα","Makrypodi Maria-Panagoula"],"dc:date":["2026"],"dc:description":["Εισαγωγή: Η εμπορία ανθρώπων (human trafficking) αποτελεί μια από τις ειδεχθέστερες παραβιάσεις των ανθρωπίνων δικαιωμάτων και ένα κρίσιμο ζήτημα δημόσιας υγείας παγκοσμίως. Η ραγδαία εξέλιξη της Τεχνητής Νοημοσύνης (ΤΝ) έχει μεταβάλει ριζικά το πεδίο αυτό, καθώς λειτουργεί ως «δίκοπο μαχαίρι»: προσφέρει εξελιγμένα εργαλεία ανίχνευσης στις αρχές, αλλά ταυτόχρονα παρέχει στους διακινητές μέσα για την αυτοματοποίηση της εκμετάλλευσης και την απόκρυψη των ιχνών τους. Σκοπός: Η παρούσα διπλωματική εργασία στοχεύει στη συστηματική διερεύνηση του τρόπου με τον οποίο η ΤΝ επηρεάζει την εμπορία ανθρώπων. Εστιάζει στην ανάλυση των τεχνολογικών εργαλείων εντοπισμού θυμάτων, στην αξιολόγηση των επιπτώσεων στην ψυχική υγεία των επιζώντων και στην ανάδειξη των ηθικών προκλήσεων που προκύπτουν από την εφαρμογή αλγοριθμικών μοντέλων. Μεθοδολογία: Πραγματοποιήθηκε συστηματική βιβλιογραφική ανασκόπηση στις διεθνείς βάσεις δεδομένων PubMed, ACM Digital Library, Scopus,CINAHL και PsycInfo για την περίοδο 2016–2025. Χρησιμοποιήθηκαν λέξεις-κλειδιά όπως "human trafficking", "artificial intelligence", "mental health" και "complex trauma". Επιλέχθηκαν 28 μελέτες που πληρούσαν τα κριτήρια ποιότητας (CASP) και συνάφειας, οι οποίες αναλύθηκαν θεματικά. Αποτελέσματα: Η ανάλυση κατέδειξε ότι η Μηχανική Μάθηση συμβάλλει καθοριστικά στον εντοπισμό θυμάτων μέσω ηλεκτρονικών αρχείων υγείας (EHR) και δορυφορικής επιτήρησης. Ωστόσο, η έρευνα ανέδειξε σοβαρούς κινδύνους αλγοριθμικής μεροληψίας και επανατραυματισμού των επιζώντων λόγω αδιάκριτης επιτήρησης. Ιδιαίτερη έμφαση δόθηκε στο σύνθετο τραύμα και την ανάγκη προστασίας των επαγγελματιών από το δευτερογενές τραύμα. Παράλληλα, τεκμηριώθηκε η χρήση Παραγωγικής ΤΝ (deepfakes) από διακινητές για εκβιασμό και στρατολόγηση. Συμπεράσματα: Η ΤΝ ενισχύει τις δυνατότητες παρέμβασης, αλλά η επιτυχία της εξαρτάται από ένα ανθρωποκεντρικό ηθικό πλαίσιο. Απαιτείται μια προσέγγιση «ενημερωμένη για το τραύμα» (trauma-informed), η οποία θα ενσωματώνει την ψυχική υγεία και την αξιοπρέπεια των θυμάτων στον αλγοριθμικό σχεδιασμό. Η διεπιστημονική συνεργασία και η Εξηγήσιμη ΤΝ (XAI) είναι απαραίτητες για την προάσπιση των ανθρωπίνων δικαιωμάτων.","Introduction: Human trafficking represents one of the most heinous violations of human rights and a critical global public health issue. The rapid evolution of Artificial Intelligence (AI) has radically transformed this field, acting as a "double edged sword": it offers advanced detection tools to authorities while providing traffickers with means to automate exploitation and conceal their tracks. Purpose: This thesis aims to systematically investigate how AI influences human trafficking. It focuses on analyzing technological tools for victim identification, evaluating the impact on survivors' mental health, and highlighting the ethical challenges arising from the implementation of algorithmic models. Methodology: A systematic literature review was conducted across international databases including PubMed, ACM Digital Library, Scopus,CINAHL and PsycInfo for the period 2016–2025. Keywords used included "human trafficking", "artificial intelligence", "mental health", and "complex trauma". Twenty-eight studies meeting quality (CASP) and relevance criteria were selected and analyzed thematically. Results: The analysis demonstrated that Machine Learning contributes decisively to victim identification through electronic health records (EHR) and satellite surveillance. However, the research highlighted serious risks of algorithmic bias and re-traumatization of survivors due to indiscriminate surveillance. Particular emphasis was placed on complex trauma and the need to protect professionals from vicarious trauma. Simultaneously, the use of Generative AI (deepfakes) by traffickers for extortion and recruitment was documented. Conclusions: AI enhances intervention capabilities, but its success depends on a human-centric ethical framework. A "trauma-informed" approach is required, integrating the mental health and dignity of victims into algorithmic design. Interdisciplinary collaboration and Explainable AI (XAI) are essential for safeguarding human rights."],"dc:identifier":["uoadl:5359286","https://pergamos.lib.uoa.gr/uoa/dl/object/5359286"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Εμπορία ανθρώπων: Πώς η τεχνητή νοημοσύνη αλλάζει το τοπίο"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:01:51Z"}