ΔΠΜΣ: Ψηφιακές Υπηρεσίες Υγείας και Αναλυτική

το άρθρο ενημερώθηκε στις 02.10.2026

Σε ποιον ταιριάζει αυτό το ΠΜΣ;

Το ΔΠΜΣ «Ψηφιακές Υπηρεσίες Υγείας και Αναλυτική» ταιριάζει σε υποψήφιους που επιθυμούν να συνδυάσουν την επιστήμη της Υγείας με την Πληροφορική και την Ανάλυση Δεδομένων. Απευθύνεται σε όσους ενδιαφέρονται για τον ψηφιακό μετασχηματισμό της υγειονομικής περίθαλψης και θέλουν να αποκτήσουν υψηλού επιπέδου τεχνογνωσία σε συστήματα ψηφιακής υγείας, ηλεκτρονικά αρχεία ασθενών, τηλεϊατρική, big data και τεχνολογίες που στηρίζουν τον σχεδιασμό και την αξιολόγηση υπηρεσιών υγείας.

Ιδιαίτερα ταιριάζει σε όσους:

ενδιαφέρονται για την ανάπτυξη, αξιολόγηση και εφαρμογή ψηφιακών λύσεων στον χώρο της υγείας,

θέλουν να κατανοήσουν πώς τα δεδομένα υγείας –από ιατρικούς φακέλους μέχρι βιοσήματα και απεικονιστικά δεδομένα– μπορούν να αξιοποιηθούν για λήψη αποφάσεων και βελτίωση υπηρεσιών,

επιδιώκουν να εργαστούν σε οργανισμούς υγείας, εταιρείες τεχνολογίας, ερευνητικά κέντρα, startup ψηφιακής υγείας ή φορείς χάραξης πολιτικής,

έχουν ενδιαφέρον για την τεχνητή νοημοσύνη, τη μηχανική μάθηση και τις μεθόδους αναλυτικής που εφαρμόζονται σε κλινικά και διαχειριστικά δεδομένα,

αναζητούν ένα διεπιστημονικό περιβάλλον που συνδυάζει πληροφορική, στατιστική, διοίκηση υπηρεσιών υγείας και επιστήμες υγείας,

θέλουν να αποκτήσουν δεξιότητες στη σχεδίαση ψηφιακών ιατρικών εφαρμογών, στη διαχείριση δεδομένων και στη συμμόρφωση με κανονιστικά πλαίσια (ασφάλεια, ηθική, GDPR),

ενδιαφέρονται να συμμετέχουν ενεργά στη μετάβαση προς ένα σύστημα υγείας βασισμένο σε δεδομένα, τεκμηριωμένη πρακτική και ψηφιακές τεχνολογίες.

Το πρόγραμμα είναι ιδανικό για αποφοίτους Πληροφορικής, Υγείας, Διοίκησης Μονάδων Υγείας, Βιοϊατρικών Επιστημών, Στατιστικής, Μηχανικών, αλλά και για επαγγελματίες του χώρου που θέλουν να αναβαθμίσουν τις δεξιότητές τους και να αποκτήσουν προβάδισμα σε έναν ταχύτατα αναπτυσσόμενο τομέα.

Συνεργαζόμενα τμήματα:

Τμήμα Πληροφορικής του Ιονίου Πανεπιστημίου

Τμήμα Ψηφιακών Συστημάτων του Πανεπιστημίου Πειραιώς

Τμήμα Πληροφορικής και Τηλεματικής του Χαρακόπειου Πανεπιστημίου

ΔΠΜΣ: «Ψηφιακές Υπηρεσίες Υγείας και Αναλυτική»

(Digital Health and Analytics)

Έδρα:

Διεύθυνση – Πόλη διεξαγωγής: Ιόνιο Πανεπιστήμιο – Τμήμα Πληροφορικής – Κτίριο Γραμματειών (Κτίριο 3) Πλατεία Τσιριγώτη 7 Κέρκυρα, 49100

Τηλέφωνα: 26610 87760, 26610 87763 Fax: 26610 87766 E-mail : cs@ionio.gr

Γνωστικό Αντικείμενο – Σκοπός :

Το ΔΠΜΣ στις«Ψηφιακές Υπηρεσίες Υγείας και Αναλυτική», (Digital Health and Analytics), έχει ως αντικείμενο:

1. Την περαιτέρω επιστημονική εξειδίκευση νέων επιστημόνων στα γνωστικά αντικείμενα του Τμήματος Πληροφορικής και του Τμήματος Ψηφιακών Συστημάτων.
2. Τη δια βίου εκπαίδευση επιστημόνων οι οποίοι ήδη απασχολούνται σε επιχειρήσεις και οργανισμούς του δημόσιου ή του ιδιωτικού τομέα.
3. Την προετοιμασία για μεταπτυχιακές σπουδές διδακτορικού επιπέδου στα γνωστικά αντικείμενα του ΔΠΜΣ.

Σκοπός του ΔΠΜΣ είναι:

Η προαγωγή της επιστημονικής γνώσης και έρευνας για την ανάπτυξη και διαχείριση εφαρμογών ψηφιακής υγείας και αναλυτικής. Σ’ αυτό το πλαίσιο, οι απόφοιτοι του ΔΠΜΣ δύνανται να στελεχώσουν υπηρεσίες και οργανισμούς του δημόσιου και ιδιωτικού τομέα, καθώς και της έρευνας και εκπαίδευσης σε θέματα που άπτονται της ανάπτυξης, εφαρμογής και διαχείρισης εφαρμογών πληροφορικής της υγείας και αναλυτικής δεδομένων.

Τίτλος Σπουδών: Το Δ.Π.Μ.Σ. απονέμει στους αποφοίτους Δίπλωμα Μεταπτυχιακών Σπουδών (Δ.Μ.Σ.) στις «Ψηφιακές Υπηρεσίας Υγείας και Αναλυτική» (Digital Health and Analytics).

Μαθησιακά αποτελέσματα του Προγράμματος Σπουδών

Το Διιδρυματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «Ψηφιακές Υπηρεσίες Υγείας και Αναλυτική (Digital Health and Analytics)» εστιάζει στην προηγμένη αξιοποίηση της Πληροφορικής, της ανάλυσης δεδομένων και των υπολογιστικών μεθόδων στον χώρο της υγείας. Το πρόγραμμα συνδυάζει τον Ηλεκτρονικό Φάκελο Ασθενούς και τον διαμοιρασμό δεδομένων υγείας με τη Βιοστατιστική, τη μοντελοποίηση κλινικών δοκιμών και διαδικασιών, την Τεχνητή Νοημοσύνη και τη Βαθιά Μάθηση στην Υγεία, την επεξεργασία βιοσημάτων και ιατρικών εικόνων, τη Βιοπληροφορική και τις υπολογιστικές μεθόδους για την εξατομικευμένη ιατρική, καθώς και το Νεφοϋπολογιστικό περιβάλλον και την αναλυτική Μεγάλων Δεδομένων στην Υγεία. Παράλληλα, εξετάζει το ηθικό και νομικό πλαίσιο των πληροφοριακών συστημάτων υγείας, ώστε οι ψηφιακές εφαρμογές και οι αναλύσεις δεδομένων να σχεδιάζονται και να αξιοποιούνται με επιστημονική εγκυρότητα, ασφάλεια και υπευθυνότητα. Η Μεταπτυχιακή Διπλωματική Εργασία ολοκληρώνει την εκπαίδευση με αυτοτελή διερεύνηση σύνθετου προβλήματος ψηφιακής υγείας ή αναλυτικής δεδομένων.

Με την επιτυχή ολοκλήρωση του Προγράμματος Σπουδών, ο απόφοιτος ή η απόφοιτη είναι σε θέση:

Επιστημονικό πεδίο UNESCO ISCED-F: Τεχνολογίες πληροφοριών και επικοινωνιών

Γνώσεις

να αναλύει την αρχιτεκτονική, τη λειτουργία και τον ρόλο των πληροφοριακών συστημάτων και ψηφιακών υπηρεσιών στο σύγχρονο οικοσύστημα υγείας
να ερμηνεύει τις έννοιες, τα μοντέλα και τις τεχνολογίες του Ηλεκτρονικού Φακέλου Ασθενούς και της ηλεκτρονικής διαχείρισης δεδομένων υγείας
να αξιολογεί πρότυπα, μηχανισμούς και αρχιτεκτονικές διαλειτουργικότητας και διαμοιρασμού κλινικών και διοικητικών δεδομένων μεταξύ πληροφοριακών συστημάτων υγείας
να διερευνά τις απαιτήσεις ποιότητας, σημασιολογικής συνέπειας και αξιοποίησης ετερογενών δεδομένων υγείας
να αναλύει τις βασικές αρχές της Βιοστατιστικής και τη χρήση περιγραφικών και επαγωγικών στατιστικών μεθόδων στην έρευνα υγείας
να ερμηνεύει στατιστικά μοντέλα, ελέγχους υποθέσεων και μεθόδους εκτίμησης που χρησιμοποιούνται για την ανάλυση βιοϊατρικών και κλινικών δεδομένων
να αξιολογεί τον σχεδιασμό και τη μοντελοποίηση κλινικών δοκιμών και κλινικών διαδικασιών με βάση επιστημονικές και μεθοδολογικές αρχές
να αναλύει τις έννοιες, τα μοντέλα και τις τεχνικές Τεχνητής Νοημοσύνης, Μηχανικής Μάθησης και Βαθιάς Μάθησης που εφαρμόζονται στην υγεία
να διερευνά τις δυνατότητες και τους περιορισμούς αλγοριθμικών μοντέλων για πρόβλεψη, ταξινόμηση, διάγνωση και υποστήριξη κλινικών αποφάσεων
να αξιολογεί μεθόδους επεξεργασίας, ανάλυσης και εξαγωγής χαρακτηριστικών από βιοσήματα
να αναλύει τις αρχές επεξεργασίας και υπολογιστικής ανάλυσης ιατρικών εικόνων για την εξαγωγή κλινικά χρήσιμης πληροφορίας
να ερμηνεύει τις βασικές έννοιες της Βιοπληροφορικής, της γονιδιωματικής και της υπολογιστικής ανάλυσης μοριακών δεδομένων
να αξιολογεί τη συμβολή γονιδιωματικών και άλλων βιοϊατρικών δεδομένων στην εξατομικευμένη και ιατρική ακριβείας
να αναλύει αρχιτεκτονικές και υπηρεσίες Νεφοϋπολογιστικής για την αποθήκευση, επεξεργασία και κλιμάκωση εφαρμογών και δεδομένων υγείας
να διερευνά τις αρχές, τις τεχνολογίες και τις υπολογιστικές προσεγγίσεις διαχείρισης Μεγάλων Δεδομένων στον χώρο της υγείας
να αξιολογεί μεθόδους αναλυτικής δεδομένων υγείας για την εξαγωγή γνώσης και την υποστήριξη κλινικών, ερευνητικών και διοικητικών αποφάσεων
να αναλύει τις έννοιες της ιδιωτικότητας, της εμπιστευτικότητας, της ακεραιότητας και της ασφάλειας πληροφοριών σε συστήματα ψηφιακής υγείας
να ερμηνεύει το ηθικό και κανονιστικό πλαίσιο που διέπει τη συλλογή, επεξεργασία, αποθήκευση και διαμοίραση δεδομένων υγείας
να αξιολογεί ζητήματα δεοντολογίας, προστασίας προσωπικών δεδομένων και υπεύθυνης χρήσης αλγοριθμικών συστημάτων σε εφαρμογές υγείας
να διερευνά τη σύνδεση κλινικών δεδομένων, βιοσημάτων, ιατρικών εικόνων, γονιδιωματικών δεδομένων και αναλυτικής για την ανάπτυξη ολοκληρωμένων εφαρμογών ψηφιακής υγείας
να αναλύει τις αρχές επιστημονικής μεθοδολογίας και τεκμηριωμένης αξιολόγησης ψηφιακών τεχνολογιών και αναλυτικών μεθόδων στον χώρο της υγείας
να συνθέτει γνώσεις Πληροφορικής, Στατιστικής, Τεχνητής Νοημοσύνης, Βιοπληροφορικής και επιστημών υγείας για την κριτική διερεύνηση σύνθετων προβλημάτων ψηφιακής υγείας

Δεξιότητες

να αναλύει ανάγκες οργανισμών και επαγγελματιών υγείας και να τις μετασχηματίζει σε απαιτήσεις ψηφιακών υπηρεσιών και πληροφοριακών συστημάτων
να σχεδιάζει και να αξιολογεί δομές Ηλεκτρονικού Φακέλου Ασθενούς για την οργανωμένη καταγραφή και αξιοποίηση κλινικής πληροφορίας
να εφαρμόζει πρότυπα και τεχνικές διαλειτουργικότητας για την ανταλλαγή δεδομένων μεταξύ ετερογενών συστημάτων υγείας
να ελέγχει την ποιότητα, την πληρότητα και τη συνέπεια δεδομένων υγείας πριν από τη στατιστική ή υπολογιστική τους ανάλυση
να οργανώνει, να προεπεξεργάζεται και να μετασχηματίζει κλινικά και βιοϊατρικά δεδομένα για αναλυτική επεξεργασία
να εφαρμόζει κατάλληλες βιοστατιστικές μεθόδους για την περιγραφή, σύγκριση και διερεύνηση δεδομένων υγείας
να επιλέγει και να ερμηνεύει στατιστικούς ελέγχους και μοντέλα σύμφωνα με το ερευνητικό ερώτημα και τα χαρακτηριστικά των δεδομένων
να σχεδιάζει και να μοντελοποιεί κλινικές δοκιμές και διαδικασίες με σαφή ορισμό μεταβλητών, εκβάσεων και αναλυτικής προσέγγισης
να επιλέγει κατάλληλους αλγορίθμους Μηχανικής Μάθησης και Βαθιάς Μάθησης για συγκεκριμένα προβλήματα υγείας
να αναπτύσσει και να εκπαιδεύει υπολογιστικά μοντέλα για πρόβλεψη, ταξινόμηση και αναγνώριση προτύπων σε δεδομένα υγείας
να αξιολογεί την απόδοση μοντέλων Τεχνητής Νοημοσύνης με κατάλληλες μετρικές και πειραματικά πρωτόκολλα
να επεξεργάζεται βιοσήματα και να εξάγει χαρακτηριστικά που μπορούν να αξιοποιηθούν σε διαγνωστικές ή ερευνητικές εφαρμογές
να εφαρμόζει υπολογιστικές τεχνικές επεξεργασίας και ανάλυσης ιατρικών εικόνων
να επεξεργάζεται γονιδιωματικά και βιοπληροφορικά δεδομένα με κατάλληλες υπολογιστικές μεθόδους
να συνδυάζει κλινική και μοριακή πληροφορία για την υποστήριξη εφαρμογών εξατομικευμένης ιατρικής
να σχεδιάζει λύσεις Νεφοϋπολογιστικής για αποθήκευση, επεξεργασία και ανάλυση δεδομένων υγείας μεγάλης κλίμακας
να χρησιμοποιεί τεχνολογίες και εργαλεία Μεγάλων Δεδομένων για την επεξεργασία σύνθετων και ετερογενών συνόλων δεδομένων υγείας
να αναπτύσσει αναλυτικές ροές εργασίας που μετατρέπουν δεδομένα υγείας σε πληροφορία χρήσιμη για έρευνα και λήψη αποφάσεων
να εντοπίζει κινδύνους ασφάλειας και ιδιωτικότητας σε πληροφοριακά συστήματα και υπηρεσίες ψηφιακής υγείας
να εφαρμόζει αρχές προστασίας προσωπικών δεδομένων και κανονιστικής συμμόρφωσης κατά τον σχεδιασμό και τη λειτουργία εφαρμογών υγείας
να αξιολογεί ηθικές και νομικές συνέπειες από τη χρήση ευαίσθητων δεδομένων και αυτοματοποιημένων αναλυτικών μεθόδων
να συγκρίνει εναλλακτικές τεχνολογικές και αναλυτικές λύσεις με βάση την ακρίβεια, την αξιοπιστία, την ασφάλεια, την κλιμάκωση και την κλινική χρησιμότητα
να αναζητά, να αξιολογεί κριτικά και να συνθέτει σύγχρονη επιστημονική βιβλιογραφία από την Πληροφορική Υγείας, τη Βιοστατιστική και τη Βιοϊατρική Πληροφορική
να διατυπώνει ερευνητικά προβλήματα και ερωτήματα που συνδέουν τεχνολογικές, αναλυτικές και κλινικές διαστάσεις
να τεκμηριώνει και να παρουσιάζει με σαφήνεια μεθόδους, δεδομένα, αποτελέσματα και περιορισμούς μιας εφαρμογής ή ερευνητικής μελέτης ψηφιακής υγείας
να σχεδιάζει, να υλοποιεί και να παρουσιάζει αυτοτελή μεταπτυχιακή έρευνα με κατάλληλη μεθοδολογία, αναλυτική επεξεργασία δεδομένων και κριτική αποτίμηση των αποτελεσμάτων

Ικανότητες

να αντιμετωπίζει αυτόνομα σύνθετα και διεπιστημονικά προβλήματα που συνδέουν την Πληροφορική, την ανάλυση δεδομένων και τις επιστήμες υγείας
να συνθέτει κλινικά, υπολογιστικά, στατιστικά και βιοϊατρικά δεδομένα για τη διαμόρφωση τεκμηριωμένων λύσεων ψηφιακής υγείας
να διαμορφώνει κριτικές και τεκμηριωμένες κρίσεις σε συνθήκες αβεβαιότητας, ετερογένειας ή περιορισμένης ποιότητας δεδομένων υγείας
να αναλαμβάνει ευθύνη για τον σχεδιασμό, την ανάπτυξη, την αξιολόγηση και τη βελτίωση σύνθετων ψηφιακών εφαρμογών και αναλυτικών διαδικασιών στον χώρο της υγείας
να αξιολογεί κριτικά τη δυνατότητα μεταφοράς ενός υπολογιστικού ή αναλυτικού μοντέλου από το ερευνητικό περιβάλλον στην κλινική ή οργανωσιακή πράξη
να συνεργάζεται αποτελεσματικά σε διεπιστημονικές ομάδες με επαγγελματίες υγείας, επιστήμονες δεδομένων, πληροφορικούς, βιοστατιστικούς και ερευνητές
να επικοινωνεί σύνθετα τεχνολογικά, στατιστικά και βιοϊατρικά ευρήματα με σαφήνεια και επιστημονική ακρίβεια σε εξειδικευμένο και μη εξειδικευμένο κοινό
να αξιολογεί κριτικά νέες τεχνολογίες Τεχνητής Νοημοσύνης και αναλυτικής πριν από την εφαρμογή τους σε κλινικά και οργανωσιακά περιβάλλοντα
να λειτουργεί με επιστημονική, επαγγελματική και δεοντολογική υπευθυνότητα κατά την επεξεργασία ευαίσθητων δεδομένων υγείας
να ενσωματώνει απαιτήσεις ασφάλειας, ιδιωτικότητας, κανονιστικής συμμόρφωσης και ηθικής στη λήψη τεχνικών και ερευνητικών αποφάσεων
να συμβάλλει στον ψηφιακό μετασχηματισμό υπηρεσιών και οργανισμών υγείας μέσω τεκμηριωμένης αξιοποίησης δεδομένων και ψηφιακών τεχνολογιών
να προτείνει καινοτόμες εφαρμογές ψηφιακής υγείας και αναλυτικής που ανταποκρίνονται σε πραγματικές κλινικές, ερευνητικές ή οργανωσιακές ανάγκες
να σχεδιάζει και να ολοκληρώνει με υψηλό βαθμό αυτονομίας ερευνητική εργασία σε εξειδικευμένο αντικείμενο ψηφιακής υγείας και αναλυτικής
να συμβάλλει στην παραγωγή και διάχυση νέας γνώσης μέσα από ανάλυση δεδομένων, υπολογιστικό πειραματισμό και κριτική αξιολόγηση ερευνητικών αποτελεσμάτων
να οργανώνει αυτόνομα τη συνεχιζόμενη επιστημονική και επαγγελματική του ανάπτυξη σε ένα ταχέως εξελισσόμενο πεδίο ψηφιακής υγείας, Τεχνητής Νοημοσύνης και βιοϊατρικής αναλυτικής

Σημείωση τεκμηρίωσης: Η παρουσίαση βασίζεται στον ισχύοντα Κανονισμό Σπουδών. Η επιλογή, η ομαδοποίηση και η διατύπωση των μαθησιακών αποτελεσμάτων αποτελούν συνθετική επεξεργασία του mysep, σύμφωνα με το Ελληνικό Πλαίσιο Προσόντων και τους περιγραφικούς δείκτες του Δουβλίνου.

Διάρκεια σπουδών : Η διάρκεια κάθε κύκλου σπουδών ορίζεται σε τρία (3) ακαδημαϊκά εξάμηνα, στα οποία περιλαμβάνεται και ο χρόνος εκπόνησης της διπλωματικής εργασίας. Η συνολική διάρκεια των σπουδών δεν μπορεί να είναι μεγαλύτερη των πέντε (5) διδακτικών εξαμήνων εφόσον παραταθεί ή ανασταλεί μετά από αιτήματα παράτασης ή αναστολής, αντίστοιχα. Δεν υπάρχει η δυνατότητα μερικής φοίτησης στο συγκεκριμένο Δ.Π.Μ.Σ.

Γλώσσα Διδασκαλίας: Ελληνική γλώσσα

Δίδακτρα: Κάθε μεταπτυχιακός φοιτητής/τρια που εγγράφεται στο Δ.Π.Μ.Σ. υποχρεούται στην καταβολή διδάκτρων για όλο το χρονικό διάστημα της υποχρεωτικής φοίτησής του/της. Τα δίδακτρα για το Δ.Π.Μ.Σ. ανέρχονται στο ποσό των 4.500 ευρώ.

Κατηγορίες και αριθμός εισακτέων:

Στο ΔΠΜΣ μπορούν να υποβάλλουν υποψηφιότητα κάτοχοι πτυχίου ή διπλώματος ΑΕΙ του εσωτερικού ή αναγνωρισμένου από τον ΔΟΑΤΑΠ, ισότιμου τίτλου σπουδών του εξωτερικού. Οι αλλοδαποί υποψήφιοι θα πρέπει να γνωρίζουν επαρκώς την ελληνική και την αγγλική γλώσσα.

Ο αριθμός των εισακτέων δεν μπορεί να υπερβαίνει τους σαράντα (40) φοιτητές ανά κύκλο σπουδών, εκτός περιπτώσεων ισοβαθμίας στην τελική κατάταξη, κατά τις οποίες γίνονται δεκτοί όλοι οι ισοβαθμήσαντες υποψήφιοι.

Διαδικασία επιλογής:

Τα κριτήρια αξιολόγησης των υποψηφίων είναι τα ακόλουθα:

(i) Τίτλοι σπουδών
(ii) Βαθμολογίες τίτλων σπουδών και μαθημάτων που είναι συναφή με το αντικείμενο της κατεύθυνσης επιλογής του ΔΠΜΣ
(iii) Επάρκεια γνώσης της Αγγλικής γλώσσας
(iv) Πεδίο και διάρκεια εργασιακής και ερευνητικής εμπειρίας
(v) Συστατικές επιστολές
(vi) Συνέντευξη
(vii) Συμπληρωματικά κριτήρια

Τυχόν συμπληρωματικά κριτήρια, οι συντελεστές των κριτηρίων επιλογής και η ελάχιστη συνολική βαθμολογία των κριτηρίων επιλογής την οποία πρέπει να συγκεντρώσει κάθε υποψήφιος προκειμένου να κληθεί για συνέντευξη καθορίζονται με απόφαση της ΕΔΕ πριν από την ημερομηνία έναρξης της υποβολής των υποψηφιοτήτων. Εφόσον δεν καθορισθούν συμπληρωματικά κριτήρια, η επιλογή γίνεται με βάση τα κριτήρια (i) – (vi). Υποψήφιοι οι οποίοι, παρόλο ότι εκλήθησαν, δεν προσήλθαν στην προγραμματισμένη συνέντευξη αποκλείονται της περαιτέρω αξιολόγησης.

Οι υποψήφιοι που δεν έχουν λάβει τον προπτυχιακό τίτλο σπουδών τους μέχρι την καταληκτική ημερομηνία για την υποβολή υποψηφιοτήτων κρίνονται από την ΕΑΥ με βάση την πλέον πρόσφατη αναλυτική βαθμολογία τους.

Εφόσον δεν προσκομιστεί πιστοποιητικό καλής γνώσης της αγγλικής γλώσσας μπορεί να πιστοποιηθεί τούτη με άλλον τρόπο ο οποίος αποφασίζεται από τη ΕΔΕ κατόπιν πρότασης της ΣΕ.

Η ΕΑΥ κάθε κατεύθυνσης προβαίνει στην ακόλουθη διαδικασία αξιολόγησης των υποψηφίων:

Αξιολογεί τους φακέλους των υποψηφίων και καταρτίζει πίνακα αυτών κατά φθίνουσα σειρά αξιολόγησης με βάση τα ανωτέρω κριτήρια, πλην του κριτηρίου της συνέντευξης.
Απορρίπτει τους υποψηφίους που δεν συγκεντρώνουν την ελάχιστη συνολική βαθμολογία των κριτηρίων επιλογής και καταρτίζει πίνακα προεπιλογής υποψηφίων.
Καλεί τους προεπιλεγέντες υποψηφίους σε συνεντεύξεις.
Διεξάγει τυχόν εσωτερικές εξετάσεις αξιολόγησης των γνώσεων των υποψηφίων.
Καταρτίζει πίνακα κατάταξης των υποψηφίων κατά φθίνουσα σειρά και τον υποβάλλει στη ΕΔΕ.

Τι άλλο πρέπει να ξέρω :

Χρήσιμα Έντυπα: