{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5394067"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5394067","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Modeling Optimal Information Acquisition Time Driven by Event Importance for Decision Making: Integrating Gödel's Incompleteness, Turing's Computability, and Simon's Bounded Rationality","abstract":"Στο πλαίσιο της λήψης αποφάσεων υπό συνθήκες αβεβαιότητας, η διαδικασία απόκτησης πληροφορίας διαδραματίζει κρίσιμο ρόλο στη βελτιστοποίηση των αποτελεσμάτων. Η παρούσα διπλωματική εργασία διερευνά τον βέλτιστο χρονισμό της απόκτησης πληροφορίας, ιδιαίτερα σε σενάρια όπου η σημαντικότητα των γεγονότων επηρεάζει ουσιαστικά τις διαδικασίες λήψης αποφάσεων. Μέσω της ενσωμάτωσης θεμελιωδών εννοιών από τα Θεωρήματα Μη Πληρότητας του Gödel, τη Θεωρία Υπολογισιμότητας του Turing και την Περιορισμένη Ορθολογικότητα του Herbert Simon, η έρευνα αυτή προτείνει ένα νέο μοντέλο για την κατανόηση της δυναμικής της απόκτησης πληροφορίας σε σχέση με τη λήψη αποφάσεων που καθοδηγείται από γεγονότα. Η Μη Πληρότητα του Gödel αναδεικνύει τους εγγενείς περιορισμούς στην απόκτηση πλήρους πληροφορίας, ενώ η Υπολογισιμότητα του Turing εξετάζει τους πρακτικούς περιορισμούς στην αλγοριθμική επίλυση προβλημάτων λήψης αποφάσεων. Η Περιορισμένη Ορθολογικότητα του Simon εισάγει την έννοια ότι οι λήπτες αποφάσεων λειτουργούν υπό γνωστικούς και υλικούς περιορισμούς, γεγονός που συχνά οδηγεί σε «ικανοποιητικές» και όχι βέλτιστες λύσεις. Μέσω της ανάπτυξης ενός υπολογιστικού πλαισίου, η παρούσα εργασία μοντελοποιεί τις ανταλλαγές (trade-offs) μεταξύ της επείγουσας φύσης της λήψης αποφάσεων, των υπολογιστικών περιορισμών της επεξεργασίας πληροφορίας και των γνωστικών ορίων των ληπτών αποφάσεων. Το μοντέλο αξιολογεί πώς τα διαφορετικά επίπεδα σημαντικότητας των γεγονότων καθορίζουν τη βέλτιστη κατανομή χρόνου για τη συλλογή πληροφορίας πριν απαιτηθεί η ανάληψη δράσης, ιδιαίτερα σε περιβάλλοντα που χαρακτηρίζονται από αβεβαιότητα και ελλιπή γνώση. Τα ευρήματα συμβάλλουν στο ευρύτερο πεδίο της γνωστικής επιστήμης, προσφέροντας μια θεωρητική και υπολογιστική βάση για την κατανόηση του τρόπου με τον οποίο άτομα και συστήματα μπορούν να λαμβάνουν αποτελεσματικές αποφάσεις σε πολύπλοκα και χρονικά ευαίσθητα σενάρια, όπου η πλήρης πληροφορία είναι ανέφικτη ή μη πρακτική. Αυτή η διεπιστημονική προσέγγιση γεφυρώνει τυπικές θεωρίες από τα μαθηματικά και την επιστήμη υπολογιστών με γνωστικά μοντέλα, προσφέροντας πολύτιμες γνώσεις τόσο για τις ανθρώπινες όσο και για τις μηχανικές διαδικασίες λήψης αποφάσεων.","abstract_html":"Στο πλαίσιο της λήψης αποφάσεων υπό συνθήκες αβεβαιότητας, η διαδικασία απόκτησης πληροφορίας διαδραματίζει κρίσιμο ρόλο στη βελτιστοποίηση των αποτελεσμάτων. Η παρούσα διπλωματική εργασία διερευνά τον βέλτιστο χρονισμό της απόκτησης πληροφορίας, ιδιαίτερα σε σενάρια όπου η σημαντικότητα των γεγονότων επηρεάζει ουσιαστικά τις διαδικασίες λήψης αποφάσεων. Μέσω της ενσωμάτωσης θεμελιωδών εννοιών από τα Θεωρήματα Μη Πληρότητας του Gödel, τη Θεωρία Υπολογισιμότητας του Turing και την Περιορισμένη Ορθολογικότητα του Herbert Simon, η έρευνα αυτή προτείνει ένα νέο μοντέλο για την κατανόηση της δυναμικής της απόκτησης πληροφορίας σε σχέση με τη λήψη αποφάσεων που καθοδηγείται από γεγονότα. Η Μη Πληρότητα του Gödel αναδεικνύει τους εγγενείς περιορισμούς στην απόκτηση πλήρους πληροφορίας, ενώ η Υπολογισιμότητα του Turing εξετάζει τους πρακτικούς περιορισμούς στην αλγοριθμική επίλυση προβλημάτων λήψης αποφάσεων. Η Περιορισμένη Ορθολογικότητα του Simon εισάγει την έννοια ότι οι λήπτες αποφάσεων λειτουργούν υπό γνωστικούς και υλικούς περιορισμούς, γεγονός που συχνά οδηγεί σε «ικανοποιητικές» και όχι βέλτιστες λύσεις. Μέσω της ανάπτυξης ενός υπολογιστικού πλαισίου, η παρούσα εργασία μοντελοποιεί τις ανταλλαγές (trade-offs) μεταξύ της επείγουσας φύσης της λήψης αποφάσεων, των υπολογιστικών περιορισμών της επεξεργασίας πληροφορίας και των γνωστικών ορίων των ληπτών αποφάσεων. Το μοντέλο αξιολογεί πώς τα διαφορετικά επίπεδα σημαντικότητας των γεγονότων καθορίζουν τη βέλτιστη κατανομή χρόνου για τη συλλογή πληροφορίας πριν απαιτηθεί η ανάληψη δράσης, ιδιαίτερα σε περιβάλλοντα που χαρακτηρίζονται από αβεβαιότητα και ελλιπή γνώση. Τα ευρήματα συμβάλλουν στο ευρύτερο πεδίο της γνωστικής επιστήμης, προσφέροντας μια θεωρητική και υπολογιστική βάση για την κατανόηση του τρόπου με τον οποίο άτομα και συστήματα μπορούν να λαμβάνουν αποτελεσματικές αποφάσεις σε πολύπλοκα και χρονικά ευαίσθητα σενάρια, όπου η πλήρης πληροφορία είναι ανέφικτη ή μη πρακτική. Αυτή η διεπιστημονική προσέγγιση γεφυρώνει τυπικές θεωρίες από τα μαθηματικά και την επιστήμη υπολογιστών με γνωστικά μοντέλα, προσφέροντας πολύτιμες γνώσεις τόσο για τις ανθρώπινες όσο και για τις μηχανικές διαδικασίες λήψης αποφάσεων.","abstract_has_math":false,"creators":["Στογιάννος Σπυρίδων Νικόλαος","Stogiannos Spyridon Nikolaos"],"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":"2026-07-24T01:02:24Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5394067"],"render_values":[{"text":"uoadl:5394067","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5394067","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Στογιάννος Σπυρίδων Νικόλαος","Stogiannos Spyridon Nikolaos"]}]},{"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":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5394067","https://pergamos.lib.uoa.gr/uoa/dl/object/5394067"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στο πλαίσιο της λήψης αποφάσεων υπό συνθήκες αβεβαιότητας, η διαδικασία απόκτησης πληροφορίας διαδραματίζει κρίσιμο ρόλο στη βελτιστοποίηση των αποτελεσμάτων. Η παρούσα διπλωματική εργασία διερευνά τον βέλτιστο χρονισμό της απόκτησης πληροφορίας, ιδιαίτερα σε σενάρια όπου η σημαντικότητα των γεγονότων επηρεάζει ουσιαστικά τις διαδικασίες λήψης αποφάσεων. Μέσω της ενσωμάτωσης θεμελιωδών εννοιών από τα Θεωρήματα Μη Πληρότητας του Gödel, τη Θεωρία Υπολογισιμότητας του Turing και την Περιορισμένη Ορθολογικότητα του Herbert Simon, η έρευνα αυτή προτείνει ένα νέο μοντέλο για την κατανόηση της δυναμικής της απόκτησης πληροφορίας σε σχέση με τη λήψη αποφάσεων που καθοδηγείται από γεγονότα. Η Μη Πληρότητα του Gödel αναδεικνύει τους εγγενείς περιορισμούς στην απόκτηση πλήρους πληροφορίας, ενώ η Υπολογισιμότητα του Turing εξετάζει τους πρακτικούς περιορισμούς στην αλγοριθμική επίλυση προβλημάτων λήψης αποφάσεων. Η Περιορισμένη Ορθολογικότητα του Simon εισάγει την έννοια ότι οι λήπτες αποφάσεων λειτουργούν υπό γνωστικούς και υλικούς περιορισμούς, γεγονός που συχνά οδηγεί σε «ικανοποιητικές» και όχι βέλτιστες λύσεις. Μέσω της ανάπτυξης ενός υπολογιστικού πλαισίου, η παρούσα εργασία μοντελοποιεί τις ανταλλαγές (trade-offs) μεταξύ της επείγουσας φύσης της λήψης αποφάσεων, των υπολογιστικών περιορισμών της επεξεργασίας πληροφορίας και των γνωστικών ορίων των ληπτών αποφάσεων. Το μοντέλο αξιολογεί πώς τα διαφορετικά επίπεδα σημαντικότητας των γεγονότων καθορίζουν τη βέλτιστη κατανομή χρόνου για τη συλλογή πληροφορίας πριν απαιτηθεί η ανάληψη δράσης, ιδιαίτερα σε περιβάλλοντα που χαρακτηρίζονται από αβεβαιότητα και ελλιπή γνώση. Τα ευρήματα συμβάλλουν στο ευρύτερο πεδίο της γνωστικής επιστήμης, προσφέροντας μια θεωρητική και υπολογιστική βάση για την κατανόηση του τρόπου με τον οποίο άτομα και συστήματα μπορούν να λαμβάνουν αποτελεσματικές αποφάσεις σε πολύπλοκα και χρονικά ευαίσθητα σενάρια, όπου η πλήρης πληροφορία είναι ανέφικτη ή μη πρακτική. Αυτή η διεπιστημονική προσέγγιση γεφυρώνει τυπικές θεωρίες από τα μαθηματικά και την επιστήμη υπολογιστών με γνωστικά μοντέλα, προσφέροντας πολύτιμες γνώσεις τόσο για τις ανθρώπινες όσο και για τις μηχανικές διαδικασίες λήψης αποφάσεων.","In the context of decision-making under uncertainty, the process of acquiring information plays a critical role in optimizing outcomes. This thesis investigates the optimal timing for information acquisition, particularly in scenarios where the importance of events significantly influences decision processes. By integrating foundational concepts from Gödel's Incompleteness Theorems, Turing's Computability Theory, and Herbert Simon's Bounded Rationality, this research proposes a novel model for understanding the dynamics of information acquisition in relation to event-driven decision-making. Gödel's Incompleteness highlights the inherent limitations in obtaining complete information, while Turing's Computability addresses the practical constraints in algorithmically solving decision problems. Simon's Bounded Rationality introduces the notion that decision-makers operate under cognitive and resource constraints, often leading to satisficing rather than optimizing solutions. Through the development of a computational framework, this thesis models the trade-offs between the urgency of decision-making, the computational limits of information processing, and the cognitive bounds of decision-makers. The model evaluates how varying levels of event importance dictate the optimal time allocation for information gathering before action is required, particularly in environments characterized by uncertainty and incomplete knowledge. The findings contribute to the broader field of cognitive science by offering a theoretical and computational basis for understanding how individuals and systems can make efficient decisions in complex, time-sensitive scenarios, where complete information is unattainable or impractical. This interdisciplinary approach bridges formal theories from mathematics and computer science with cognitive models, offering insights into both human and machine decision-making processes."]},{"key":"dc:title","label":"Title","values":["Modeling Optimal Information Acquisition Time Driven by Event Importance for Decision Making: Integrating Gödel's Incompleteness, Turing's Computability, and Simon's Bounded Rationality"]}]}],"canonical_facts":{"dc:creator":["Στογιάννος Σπυρίδων Νικόλαος","Stogiannos Spyridon Nikolaos"],"dc:date":["2026"],"dc:description":["Στο πλαίσιο της λήψης αποφάσεων υπό συνθήκες αβεβαιότητας, η διαδικασία απόκτησης πληροφορίας διαδραματίζει κρίσιμο ρόλο στη βελτιστοποίηση των αποτελεσμάτων. Η παρούσα διπλωματική εργασία διερευνά τον βέλτιστο χρονισμό της απόκτησης πληροφορίας, ιδιαίτερα σε σενάρια όπου η σημαντικότητα των γεγονότων επηρεάζει ουσιαστικά τις διαδικασίες λήψης αποφάσεων. Μέσω της ενσωμάτωσης θεμελιωδών εννοιών από τα Θεωρήματα Μη Πληρότητας του Gödel, τη Θεωρία Υπολογισιμότητας του Turing και την Περιορισμένη Ορθολογικότητα του Herbert Simon, η έρευνα αυτή προτείνει ένα νέο μοντέλο για την κατανόηση της δυναμικής της απόκτησης πληροφορίας σε σχέση με τη λήψη αποφάσεων που καθοδηγείται από γεγονότα. Η Μη Πληρότητα του Gödel αναδεικνύει τους εγγενείς περιορισμούς στην απόκτηση πλήρους πληροφορίας, ενώ η Υπολογισιμότητα του Turing εξετάζει τους πρακτικούς περιορισμούς στην αλγοριθμική επίλυση προβλημάτων λήψης αποφάσεων. Η Περιορισμένη Ορθολογικότητα του Simon εισάγει την έννοια ότι οι λήπτες αποφάσεων λειτουργούν υπό γνωστικούς και υλικούς περιορισμούς, γεγονός που συχνά οδηγεί σε «ικανοποιητικές» και όχι βέλτιστες λύσεις. Μέσω της ανάπτυξης ενός υπολογιστικού πλαισίου, η παρούσα εργασία μοντελοποιεί τις ανταλλαγές (trade-offs) μεταξύ της επείγουσας φύσης της λήψης αποφάσεων, των υπολογιστικών περιορισμών της επεξεργασίας πληροφορίας και των γνωστικών ορίων των ληπτών αποφάσεων. Το μοντέλο αξιολογεί πώς τα διαφορετικά επίπεδα σημαντικότητας των γεγονότων καθορίζουν τη βέλτιστη κατανομή χρόνου για τη συλλογή πληροφορίας πριν απαιτηθεί η ανάληψη δράσης, ιδιαίτερα σε περιβάλλοντα που χαρακτηρίζονται από αβεβαιότητα και ελλιπή γνώση. Τα ευρήματα συμβάλλουν στο ευρύτερο πεδίο της γνωστικής επιστήμης, προσφέροντας μια θεωρητική και υπολογιστική βάση για την κατανόηση του τρόπου με τον οποίο άτομα και συστήματα μπορούν να λαμβάνουν αποτελεσματικές αποφάσεις σε πολύπλοκα και χρονικά ευαίσθητα σενάρια, όπου η πλήρης πληροφορία είναι ανέφικτη ή μη πρακτική. Αυτή η διεπιστημονική προσέγγιση γεφυρώνει τυπικές θεωρίες από τα μαθηματικά και την επιστήμη υπολογιστών με γνωστικά μοντέλα, προσφέροντας πολύτιμες γνώσεις τόσο για τις ανθρώπινες όσο και για τις μηχανικές διαδικασίες λήψης αποφάσεων.","In the context of decision-making under uncertainty, the process of acquiring information plays a critical role in optimizing outcomes. This thesis investigates the optimal timing for information acquisition, particularly in scenarios where the importance of events significantly influences decision processes. By integrating foundational concepts from Gödel's Incompleteness Theorems, Turing's Computability Theory, and Herbert Simon's Bounded Rationality, this research proposes a novel model for understanding the dynamics of information acquisition in relation to event-driven decision-making. Gödel's Incompleteness highlights the inherent limitations in obtaining complete information, while Turing's Computability addresses the practical constraints in algorithmically solving decision problems. Simon's Bounded Rationality introduces the notion that decision-makers operate under cognitive and resource constraints, often leading to satisficing rather than optimizing solutions. Through the development of a computational framework, this thesis models the trade-offs between the urgency of decision-making, the computational limits of information processing, and the cognitive bounds of decision-makers. The model evaluates how varying levels of event importance dictate the optimal time allocation for information gathering before action is required, particularly in environments characterized by uncertainty and incomplete knowledge. The findings contribute to the broader field of cognitive science by offering a theoretical and computational basis for understanding how individuals and systems can make efficient decisions in complex, time-sensitive scenarios, where complete information is unattainable or impractical. This interdisciplinary approach bridges formal theories from mathematics and computer science with cognitive models, offering insights into both human and machine decision-making processes."],"dc:identifier":["uoadl:5394067","https://pergamos.lib.uoa.gr/uoa/dl/object/5394067"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Modeling Optimal Information Acquisition Time Driven by Event Importance for Decision Making: Integrating Gödel's Incompleteness, Turing's Computability, and Simon's Bounded Rationality"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:02:24Z"}