Αξιολόγηση των ανανεώσιμων πηγών ενέργειας από τους φοιτητές

Αξιολόγηση των ανανεώσιμων πηγών ενέργειας από τους φοιτητές Δασολογίας και
Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων του Δ.Π.Θ.
Στυλιανός Ταμπάκης
Τμήμα Δασολογίας και Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων Δ.Π.Θ.
Πανταζίδου 193, Τ.Κ. 68200 Ορεστιάδα, E-mail: [email protected]
Περίληψη
Οι ανανεώσιμες πηγές ενέργειας αποκτούν όλο και περισσότερο ενδιαφέρον. Το πρόβλημα
της μετατόπισης του ενεργειακού προτύπου προς αυτές βρίσκεται στην κοινωνική τους
αποδοχή. Στην εργασία γίνεται αξιολόγηση των ανανεώσιμων πηγών ενέργειας από τους
φοιτητές του Τμήματος Δασολογίας και Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων του
Δημοκρίτειου Πανεπιστημίου Θράκης. Θεωρούν ως σημαντικότερες ανανεώσιμες πηγές
ενέργειας την ηλιακή, την υδροηλεκτρική και την αιολική ενέργεια. Χαμηλότερα
αξιολογούνται η παραγωγή ενέργειας από βιομάζα, η γεωθερμική ενέργεια, η κυματική και η
παλιρροϊκή ενέργεια. Με τη χρησιμοποίηση της παραγοντικής και της ιεραρχική ανάλυσης σε
συστάδες, γίνεται φανερό ότι οι φοιτητές τις τρεις πρώτες πηγές τις περιλαμβάνουν στις
περισσότερο γνωστές ανανεώσιμες πηγές ενέργειας σε σχέση με τις άλλες που τις θεωρούν
λιγότερο γνωστές. Επειδή νέες ευκαιρίες απασχόλησης ανοίγονται για πτυχιούχους που
κατέχουν γνώσεις που συνδέονται με τις ανανεώσιμες πηγές ενέργειας, προτείνεται το
περιεχόμενο σπουδών του Τμήματος να κατευθυνθεί περισσότερο προς την κάλυψη γνώσεων
που σχετίζονται στις περισσότερες γνωστές.
Λέξεις Κλειδιά: Ανανεώσιμες πηγές ενέργειας, φοιτητές Δασολογίας, παραγοντική ανάλυση,
ιεραρχική ανάλυση σε συστάδες.
Assessing renewable sources of energy:
The views of Forestry Students in a Greek University
Stylianos Tampakis
Department of Forestry and Management of the Environment and Natural Resources,
Democritus University of Thrace, 193 Pantazidou Street, 68200 Orestada, Greece
E-mail: [email protected]
Summary
Interest in renewable sources of energy is continuously increasing. If they do not constitute
the dominant form of energy it is because they have not yet gained wide acceptance. In this
paper, renewable sources of energy are assessed by the students of Forestry and Management
of the Environment and Natural Resources of the Democritus University of Thrace.
According to the students the most important forms of energy are the following: solar, hydroelectric and wind energy. The production of energy from biomass, geothermal energy and
wave and tidal energy are regarded as less important. Through the use of factor and
hierarchical cluster analysis, it becomes obvious that the students think of the three first forms
of energy as the most known with the other three being less so. As new employment
opportunities become available for graduates who have acquired knowledge on renewable
forms of energy it would be suggested if the program of studies in their Department upgrades
the knowledge it offers on these most known forms of energy.
Key words: renewable sources of energy, students of Forestry, factor analysis, hierarchical
cluster analysis
Εισαγωγή
Η ενέργεια θεωρείται o πρωταρχικός παράγοντας για οικονομική ανάπτυξη και έχει
αναγνωριστεί σχεδόν παγκοσμίως, αφού σύμφωνα με τα ιστορικά στοιχεία υπάρχει μια
ισχυρή σχέση μεταξύ της διαθεσιμότητας της ενέργειας και της οικονομικής δραστηριότητας.
(Kamil and Abdullah 2002). Εντούτοις η εκτενής χρήση καύσιμων υδρογονανθράκων
προκάλεσε σοβαρό πρόβλημα ατμοσφαιρικής ρύπανσης και συνέβαλε στην παγκόσμια
αύξηση της θερμοκρασίας λόγω του φαινομένου του θερμοκηπίου. Οι περιβαλλοντικές
ομάδες υποστήριξαν σθεναρά την υιοθέτηση των τεχνολογιών παραγωγής ανανεώσιμης
ενέργειας (Walker 1995). Οι ανησυχίες για την αλλαγή του κλίματος έκαναν επιτακτικότερη
την ανάγκη για γρήγορη ανάπτυξη τους (Elliott 2000). Η Ευρωπαϊκή Ένωση στη σύνοδο
κορυφής, το Μάρτιο του 2007, δεσμεύθηκε να καλύψει ένα μερίδιο 20% των ενεργειακών
αναγκών της από τις ανανεώσιμες πηγές έως το έτος 2020 (Liarakou et. al. 2009).
Οι πολίτες διαδραματίζουν έναν κεντρικό ρόλο στη μετατόπιση του ενεργειακού
προτύπου, από τις παραδοσιακές στις ανανεώσιμες πηγές ενέργειας, δεδομένου ότι καμία
τεχνολογική ή νομοθετική επιλογή σχετικά με το ενεργειακό πρότυπο δεν μπορεί να
εφαρμοστεί αποτελεσματικά χωρίς κοινωνική συναίνεση (Bang et al. 2000, Upreti 2004).
Όμως, ενώ η ανάπτυξη της ίδιας της τεχνολογίας είναι σχετικά απλή, τα κοινωνικά και
θεσμικά προβλήματα εφαρμογής είναι συχνά πολύ πιο δύσκολα να επιλυθούν (Elliott 2000).
Γι’ αυτό, σκοπός της παρούσας εργασίας αποτελεί η διερεύνηση της άποψης των φοιτητών
του Τμήματος Δασολογίας και Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων του
Δημοκρίτειου Πανεπιστημίου Θράκης σχετικά με την αξιολόγηση των ανανεώσιμων πηγών
ενέργειας. Επειδή η εκπαίδευση αποτελεί το σημαντικότερο μέσο, κατά τους ίδιους τους
φοιτητές, στο να διαμορφωθούν περιβαλλοντικά συνειδητοποιημένα άτομα (Tampakis et. al.
2007), επιλέχθηκαν για μια πρώτη προσέγγιση φοιτητές με σπουδές περιβαλλοντικού
περιεχομένου. Θα ήταν όμως ενδιαφέρον να διερευνηθεί η άποψη και άλλων κοινωνικών
ομάδων.
Μεθοδολογία έρευνας
Ως περιοχή έρευνας αποτέλεσε ο χώρος του τμήματος Δασολογίας και Διαχείρισης
Περιβάλλοντος και Φυσικών Πόρων του Δημοκρίτειου Πανεπιστημίου Θράκης στην
Ορεστιάδα. Επειδή είναι σημαντική η επιλογή του κατάλληλου χρόνου πραγματοποίησης της
έρευνας (Δαουτόπουλος 1994), αυτή πραγματοποιήθηκε κατά την διάρκεια της εξεταστικής
του Ιουνίου και Σεπτεμβρίου του 2005. Σ’ αυτήν πήραν μέρος 297 φοιτητές, οι οποίοι
συμμετείχαν στις εξετάσεις, τουλάχιστον σ’ ένα μάθημα, στις εξεταστικές του ακαδημαϊκού
έτους 2005, δηλαδή αυτούς που ονομάζουμε ενεργούς φοιτητές.
Η διεξαγωγή της έρευνας έγινε με τη χρήση ερωτηματολογίων αυτο-διαχείρισης
(Oppenheim 1973, Σιάρδος 1997). Τα ερωτηματολόγια ήταν ονομαστικά και δίνονταν στους
φοιτητές πριν τις εξετάσεις τους, ενώ στους νεοεισαγόμενους η προσέγγιση έγινε στην
διάρκεια των πρώτων μαθημάτων. Γενικά, δεν υπήρξε πρόβλημα στο να συμμετάσχουν οι
φοιτητές στη διαδικασία. Για ορισμένους που αμέλησαν υπήρξε προσωπική πρόσκληση
(ανακοίνωση, τηλέφωνο). Ο χρόνος ο οποίος απαιτούνταν για να απαντήσει ο ερωτώμενος
ήταν 10 ως 15 λεπτά.
Το σύνολο των ερωτήσεων αποτελούν μια πολυθεματική μεταβλητή στην οποία ελέγχεται
η αξιοπιστία (reliability analysis). Ειδικότερα χρησιμοποιείται ο συντελεστής άλφα (ή
αξιοπιστίας α-Crοnbach) για την εύρεση εσωτερικής αξιοπιστίας ενός ερωτηματολογίου
(Φράγκος 2004), δηλαδή αν τα στοιχεία έχουν τη τάση να καταμετρούν το ίδιο πράγμα
(Howitt και Gramer 2003) και εκφράζει το τετράγωνο της συσχέτισης μεταξύ της
βαθμολογίας (παρατηρούμενης) που παίρνει κάποιο άτομο στη δεδομένη κλίμακα και της
βαθμολογίας που θα είχε πάρει (πραγματικής) εάν είχε ερωτηθεί στο σύνολο των θεμάτων
(Σιάρδος 1999). Προϋπόθεση για την χρησιμοποίησή της είναι οι ερωτήσεις (μεταβλητές) να
είναι ισοδύναμες (Φράγκος 2004).
Συντελεστής άλφα 0,70 ή μεγαλύτερος θεωρείται ικανοποιητικός (Howitt και Gramer
2003), μεγαλύτερος από 0,80 θεωρείται πολύ ικανοποιητικός, πολλές φορές μάλιστα στη
πράξη γίνονται δεκτοί και συντελεστές αξιοπιστίας μικρότεροι, με τιμές μέχρι 0,60 (Σιάρδος
1999).
Ο έλεγχος πρέπει να είναι αξιόπιστος προκειμένου να είναι χρήσιμος. Όμως, δεν είναι
αρκετό να είναι αξιόπιστος, χρειάζεται να είναι και έγκυρος, πράγμα που γίνεται με την
εφαρμογή της παραγοντικής ανάλυσης (Σιάρδος 1999).
Η παραγοντική ανάλυση (factor analysis) είναι μια στατιστική μέθοδος που έχει σκοπό να
βρει την ύπαρξη κοινών παραγόντων ανάμεσα σε μια ομάδα μεταβλητών (Sharma 1996).
Προσπαθεί περισσότερο να ερμηνεύσει τη δομή παρά τη μεταβλητότητα (Καρλής 2005).
Αποσκοπεί στο να αναπαράγει στο μεγαλύτερο βαθμό τις συσχετίσεις μεταξύ των
μεταβλητών, χρησιμοποιώντας τον μικρότερο δυνατό αριθμό παραγόντων και να οδηγήσει σε
λύση που να είναι «ιδιάζουσα» και εύκολα ερμηνεύσιμη (Σίαρδος 1999).
Ειδικότερα χρησιμοποιήθηκε η μέθοδος των κύριων συνιστωσών (principal components) η
οποία βασίζεται στη φασματική ανάλυση του πίνακα διακύμανσης (συσχέτισης) (Καρλής
2005). Το κριτήριο που χρησιμοποιήθηκε για τη σημαντικότητα των κυρίων συνιστωσών
είναι αυτό που προτείνουν οι Guttman και Kaiser (Cattell 1978, Φράγκος 2004), σύμφωνα με
το οποίο, το όριο για λήψη του ενδεδειγμένου αριθμού των κυρίων συνιστωσών καθορίζεται
από τις τιμές των χαρακτηριστικών ριζών που είναι ίσες ή μεγαλύτερες της μονάδας.
Η περιστροφή της μήτρας των κυρίων παραγόντων έγινε με τη μέθοδο της περιστροφής
μέγιστης διακύμανσης του Kaiser (Harman 1976). Με αυτή επιχειρείται η εμφάνιση στους
κύριους παράγοντες φορτίων με υψηλές τιμές και φορτίων με τιμές μηδενικές ή σχεδόν
μηδενικές, δηλαδή η μεγιστοποίηση της διακύμανσης σε κάθε παράγοντα (Σιάρδος 1999).
Τέλος, ερευνώνται οι παράγοντες που μπορούν να ερμηνεύσουν τις συσχετίσεις μεταξύ
των μεταβλητών των δεδομένων και να δοθεί σ’ αυτούς κάποια ερμηνεία (αν αυτό είναι
δυνατόν) (Ντζούφρας και Καρλής 2001). Σύμφωνα με το Φράγκο (2004) οι μεταβλητές που
«ανήκουν» σε κάθε παράγοντα είναι εκείνες για τις οποίες το φορτίο στον πίνακα που
εμφανίζονται οι επιβαρύνσεις των παραγόντων, μετά από περιστροφή, είναι μεγαλύτερο του
0,5 στον παράγοντα αυτό.
Επίσης, χρησιμοποιήθηκε η ιεραρχική ανάλυση σε συστάδες (hierarchical cluster analysis)
έτσι ώστε να διαπιστώσουμε κατά πόσο υπάρχουν φυσικές και χρήσιμες ομαδοποιήσεις
δεδομένων και κατά πόσο τα αποτελέσματα της διαφοροποιούνται από τα αποτελέσματα της
παραγοντικής ανάλυσης.
Ομαδοποίηση σημαίνει ότι θέτουμε στις ίδιες κλάσεις τα άτομα που βρίσκονται «κοντά»
το ένα στο άλλο. Έτσι τα στοιχεία που βρίσκονται στην ίδια κλάση «μοιάζουν» μεταξύ τους,
με την έννοια ότι οι τιμές των μεταβλητών (τα διανύσματα) που τα περιγράφουν «μοιάζουν»
επίσης (Μαυρομάτης 1999).
Η ανάλυση σε συστάδες έγινε με την τεχνική της ιεραρχικής ομαδοποίησης. Ξεκινώντας
με κάθε παρατήρηση να είναι από μόνη της μια ομάδα, σε κάθε βήμα ενώνουμε τις
παρατηρήσεις που έχουν την πιο μικρή απόσταση, έτσι ώστε τα στοιχεία μιας ομαδοποίησης
να περιέχονται στα στοιχεία της ιεραρχικά επόμενης (Μπεχράκης 1999, Σιάρδος 1999, Φίλιας
κ.α. 2000, Καραπιστολής 2001 και Καρλής 2005). Μάλιστα αυτή μπορεί να λειτουργήσει όχι
μόνο προς την κατεύθυνση ομαδοποίησης παρατηρήσεων, αλλά και προς την κατεύθυνση
ομαδοποίησης μεταβλητών (Σιάρδος 1999).
Επειδή μονάδα ανάλυσης είναι η μεταβλητή, συνεπώς υπολογίζονται τα μέτρα απόστασης
ή ομοιότητας για όλα τα ζεύγη των μεταβλητών. Ως μέτρο απόστασης χρησιμοποιήθηκε ο
συντελεστής συσχέτισης Pearson και ως μέθοδος του συνδυασμού των παρατηρήσεων σε
συστάδες χρησιμοποιήθηκε η μέθοδος του πλήρους δεσμού, γνωστή και ως μέθοδος του
«απώτερου γείτονα» (furthest neighbour). Σύμφωνα με τη μέθοδο αυτή ως απόσταση, μεταξύ
δύο συστάδων παίρνεται αυτή μεταξύ των απώτερων σημείων τους (Σιάρδος 1999,
Bartholomew et al. 2007). Η ανάλυση των δεδομένων έγινε με την βοήθεια του στατιστικού
πακέτου SPSS 11.
Αποτελέσματα - Συζήτηση
Οι φοιτητές αξιολόγησαν τις ανανεώσιμες πηγές ενέργειας, με μια κλίμακα από το 1 (το
ασήμαντο) έως το 10 (το σημαντικό) με βάση το πόσο εφαρμόσιμες και συμφέρουσες είναι.
Στον Πίνακα 1 βλέπουμε ότι το σύνολο των φοιτητών θεωρούν ως σημαντικότερο
ανανεώσιμο ενεργειακό πόρο την ηλιακή ενέργεια και ακολουθούν η υδροηλεκτρική και η
αιολική ενέργεια. Χαμηλότερα αξιολογούνται η παραγωγή ενέργειας από βιομάζα και η
γεωθερμική ενέργεια, ενώ λιγότερο εφαρμόσιμες και συμφέρουσες αντιλαμβάνονται οι
φοιτητές την κυματική και την παλιρροϊκή ενέργεια.
Πίνακας 1
Αξιολόγηση των ανανεώσιμων πηγών ενέργειας
Table 1
Assessing renewable energy sources
Νεοεισαγ. 1ο έτος
Μεταβλητή
n
μ.ο.
τ.α.
μ.ο.
Αιολική ενέργεια
τ.α.
μ.ο.
Υδροηλεκτρ. Ενέργεια
τ.α.
μ.ο.
Παλιρροϊκή ενέργεια
τ.α.
μ.ο.
Κυματική ενέργεια
τ.α.
μ.ο.
Ενέργεια από βιομάζα
τ.α.
μ.ο.
Γεωθερμική ενέργεια
τ.α.
Ηλιακή ενέργεια
2ο έτος
3ο έτος
4ο έτος
5ο έτος
Σύνολο
54
50
49
46
41
57
297
8,57
2,270
7,98
2,407
8,09
1,916
5,28
2,685
6,11
2,957
6,19
2,533
6,63
2,157
8,73
1,729
7,65
2,136
7,78
2,275
5,29
2,500
5,73
2,352
6,02
2,512
6,02
2,213
8,57
1,882
6,88
2,514
8,14
1,791
4,71
2,031
5,45
2,180
6,00
2,363
6,22
2,034
8,89
1,650
7,96
2,097
8,59
1,543
5.17
2,214
5,65
1,912
7,78
1,763
6,24
2,592
8,88
1,452
7,93
2,161
8,68
1,350
5,46
2,450
5,95
2,366
7,56
2,259
6,80
2,239
9,21
1,176
8,37
1,819
8,35
1,458
5,11
2,226
5,33
2,207
7,75
1,755
6,54
2,097
8,81
1,734
7,81
2,228
8,26
1,768
5,16
2,352
5,70
2,358
6,87
2,349
6,41
2,217
όπου n = αριθμός ατόμων μ.ο. = μέσος όρος τ.α. = τυπική απόκλιση
Παρατηρούμε επίσης ότι η σειρά αξιολόγησης διατηρείται περίπου ίδια στα διάφορα έτη
σπουδών. Μάλιστα στο τρίτο έτος βλέπουμε μια σημαντική αύξηση του μέσου όρου,
ενδεχόμενο αποτέλεσμα της διδασκαλίας των επιλογής μαθημάτων «Ενέργεια και
περιβάλλον» και «Ανανεώσιμες πηγές ενέργειας». Επίσης, οι υψηλές τιμές τυπικής
απόκλισης (περίπου δυο μονάδων) φανερώνουν ότι οι φοιτητές κάθε έτους, αλλά στο σύνολο
τους βαθμολογούν τις ανανεώσιμες πηγές ενέργειας με βαθμολογία που παρουσιάζει μεγάλο
εύρος.
Νέες ευκαιρίες απασχόλησης ανοίγονται για πτυχιούχους που κατέχουν γνώσεις των
τεχνικών, περιβαλλοντικών, οικονομικών και κοινωνικών ζητημάτων που συνδέονται με
ανανεώσιμες πηγές ενέργειας (Jennings and Lund 2001). Είναι θετικό λοιπόν που
διδάσκονται οι φοιτητές μαθήματα με αντίστοιχο περιεχόμενο. Ίσως μάλιστα θα έπρεπε να
υπάρξει επιπλέον εμβάθυνση σε όλες τις πτυχές των ανανεώσιμων πηγών ενέργειας.
Για την ανάλυση αξιοπιστίας τα παραπάνω περιγραφικά στατιστικά ελέχθησαν ως προς το
αν έχουν μεγάλες διακυμάνσεις και αρνητικούς συντελεστές συσχέτισης μεταξύ των
μεταβλητών. Γι’ αυτό χρειάζεται προσεκτική συλλογή των ερωτήσεων για αντιστροφή
βαθμολογίας (Φράγκος 2004).
Από τη μήτρα συντελεστών συσχέτισης (Πίνακας 2) φαίνεται ότι οι μικρότερες
συσχετίσεις υπάρχουν μεταξύ των μεταβλητών «ηλιακή ενέργεια» και «ενέργεια από
βιομάζα» (r = 0,1389), ενώ η μεγαλύτερη (r = 0,6396) υπάρχει μεταξύ των μεταβλητών
«παλιρροϊκή ενέργεια» και «κυματική ενέργεια».
Πίνακας 2
Μήτρα συσχετίσεων της πολυθεματικής μεταβλητής
Table 2
Correlation matrix of the multiple-theme variable
Α1
Α2
Α3
Α4
Α5
Α6
Α1 = Ηλιακή ενέργεια
1,0000
Α2 = Αιολική ενέργεια
0,4248
1,0000
Α3 = Υδροηλεκτρ. ενέργεια
0,3843
0,3922
1,0000
Α4 = Παλιρροϊκή ενέργεια
0,1873
0,3346
0,2908
1,0000
Α5 = Κυματική ενέργεια
0,1389
0,2032
0,3059
0,6396
1,0000
Α6 = Ενέργεια από βιομάζα
0,1330
0,2493
0,2704
0,3672
0,4041
1,0000
Α7 = Γεωθερμική ενέργεια
0,2047
0,2395
0,3244
0,4758
0,4725
0,3512
Α7
1,0000
Σε ότι αφορά την κλίμακα (στο σύνολο των θεμάτων) ο συνολικός μέσος όρος είναι 49,02
και τυπική απόκλιση 9,81, ενώ η κατά θέμα μέση τιμή είναι 7,00 με εύρος 3,65. Η μέση
διακύμανση είναι 4,67 με ελάχιστη τιμή 3,01 και μέγιστη 5,58. Ο μέσος συντελεστής
συσχέτισης είναι 0,32, ενώ οι τιμές των συντελεστών συσχέτισης μεταξύ των θεμάτων
κυμαίνεται από 0,13 έως 0,64, με σχέση μέγιστης προς ελάχιστη 4,81.
Στον Πίνακα 3 διαπιστώνουμε ότι η συσχέτιση της μεταβλητής «ηλιακή ενέργεια» με το
άθροισμα της βαθμολογίας των λοιπών θεμάτων είναι σχετικά χαμηλή (r = 0,3483). Αντίθετα
η μεταβλητή «παλιρροιακή ενέργεια» έχει την υψηλότερη σχέση με το σύνολο των
μεταβλητών (r = 0,6116) και δηλώνει την υψηλή σχέση των μεταβλητών αυτών με τις
υπόλοιπες μεταβλητές.
Πίνακας 3
Μέσοι όροι, διακυμάνσεις, συντελεστές άλφα, συντελεστές συσχέτισης με τα
άλλα θέματα και πολλαπλού προσδιορισμού, στο επίπεδο της κλίμακας.
Table 3
Averages, variances, and alpha coefficients, correlation coefficients with other
subject and multiple definition, on a scale level.
Κλιμακα μ. όρου
αν το στοιχείο
διαγραφεί
Κλ. διακύμανσης
αν το στοιχείο
διαγραφεί
Συντελεστής
συσχέτησης με
τα άλλα θέματα
Συντελεστής
πολλαπλού
προσδιορισμού
Συντελεστής άλφα
αν το στοιχείο
διαγραφεί
Ηλιακή ενέργεια
40,2034
82,3326
0,3483
0,2401
0,7680
Αιολική ενέργεια
41,2102
74,3298
0,4422
0,2961
0,7532
Υδροηλεκτρ. Ενέργεια
40,7525
78,0576
0,4872
0,2809
0,7457
Παλιρροϊκή ενέργεια
43,8576
67,2042
0,6116
0,4827
0,7157
Κυματική ενέργεια
43,3254
68,3631
0,5728
0,4760
0,7247
Ενέργεια από βιομάζα
42,1593
72,6514
0,4530
0,2273
0,7518
Γεωθερμική ενέργεια
42,6136
71,3127
0,5354
0,3177
0,7335
Μεταβλητή
Αντίστοιχα από τους συντελεστές πολλαπλού προσδιορισμού R2 των υποδειγμάτων
παλινδρόμησης καθενός θέματος με τα υπόλοιπα, διαπιστώνεται ότι η μεταβλητή
«παλιρροιακή ενέργεια» ερμηνεύεται από τις υπόλοιπες κατά 48% (R2 = 0,4827), ενώ η
μεταβλητή «ενέργεια από βιομάζα» εξηγείται σχετικά ανεπαρκής (23%).
Η τιμή του συντελεστή αξιοπιστίας άλφα είναι σημαντικά υψηλή (0,7711). Αυτό αποτελεί
ισχυρή ένδειξη ότι οι βαθμοί κλίμακας είναι λογικά συνεπείς, δηλαδή τα στοιχεία έχουν την
τάση να μετρούν το ίδιο πράγμα. Αυτό εξάλλου υποστηρίζεται και από τους σημαντικά
υψηλούς επιμέρους συντελεστές αξιοπιστίας άλφα, αφού μετά την διαγραφή της κάθε μίας
μεταβλητής δεν πετυχαίνεται αύξηση του συντελεστή αξιοπιστίας.
Αντίστοιχα στην παραγοντική ανάλυση εξετάζοντας αρχικά τον πίνακα συσχετίσεων
(Πίνακας 2) υπάρχουν ενδείξεις πως οι συσχετίσεις ανάμεσα στις μεταβλητές είναι
ικανοποιητικές. Βλέπουμε σε όλες τις περιπτώσεις, πλην λίγων εξαιρέσεων, υψηλές τιμές
στους συντελεστές απλής συσχέτισης.
Ο δείκτης Keiser-Meyer-Olkin έχει τιμή 0,783. Προτείνεται ότι ο δείκτης ΚΜΟ πρέπει να
είναι μεγαλύτερος του 0,80, εντούτοις τιμές μεγαλύτερες του 0,60 θεωρούνται ανεκτές
(Sharma 1996). Επίσης, όπως ήταν αναμενόμενο, ο έλεγχος σφαιρικότητας του Bartlett
απορρίπτει τη μηδενική υπόθεση πως ο πίνακας συσχέτισης είναι ο μοναδιαίος (τιμή της
ελεγχοσυνάρτησης 514,46, βαθμοί ελευθερίας p(p-1)/2=21, p=7). Ομοίως, οι συντελεστές
μερικής συσχέτισης των δύο μεταβλητών (μη διαγώνια στοιχεία του Anti-Image πίνακα) ως
εκτιμητές των συσχετίσεων των χαρακτηριστικών παραγόντων είναι σχετικά χαμηλοί. Τα
παραπάνω φανερώνουν ότι τα δεδομένα μας είναι κατάλληλα για παραγοντική ανάλυση.
Πριν όμως προχωρήσουμε στην εφαρμογή της διερευνούμε και αν όλες οι μεταβλητές
είναι κατάλληλες για να χρησιμοποιηθούν στο μοντέλο. Τα μέτρα καταλληλότητας της
δειγματοληψίας (MSA) για τις μεταβλητές που χρησιμοποιούνται και που εμφανίζονται ως
στοιχεία της μήτρας (διαγώνιο) του Anti-Image πίνακα, έχουν τιμές υψηλές μέχρι πολύ
υψηλές, που υποστηρίζουν την άποψη ότι το υπόδειγμα της παραγοντικής ανάλυσης είναι
αποδεκτό. Τέλος οι συντελεστές πολλαπλού προσδιορισμού R2 κάθε μιας μεταβλητής με τις
υπόλοιπες, έχουν σχετικά υψηλές τιμές, από 0,431 έως 0,720. Η μεταβλητή που αφορά την
«ενέργεια από βιομάζα» φαίνεται να έχει τη μικρότερη σύνδεση με τις άλλες, όμως δε
θεωρήθηκε σκόπιμο η απομάκρυνση της από την ομάδα των μεταβλητών.
Το ποσοστό της διακύμανσης που εξηγείται από τους δύο παράγοντες που επιλέγηκαν
είναι 60,2% (Πίνακας 4). Μάλιστα στη δεύτερη στήλη φαίνεται το ποσοστό της διακύμανσης
που οφείλεται σε κάθε παράγοντα, ενώ η τρίτη στήλη δείχνει το ποσοστό της διακύμανσης
που οφείλεται σε κάθε παράγοντα μετά από περιστροφή.
Ο Πίνακας 5 φανερώνει τα φορτία, τα οποία είναι οι μερικοί συντελεστές συσχέτισης των
επτά μεταβλητών με καθένα από τους τρεις παράγοντες που έχουν προκύψει από την
ανάλυση. Όσο μεγαλύτερο είναι το φορτίο μιας μεταβλητής σε ένα παράγοντα, τόσο
περισσότερο ο παράγοντας αυτός ευθύνεται για τη συνολική διακύμανση των βαθμών στη
μεταβλητή που θεωρούμε.
Οι μεταβλητές που «ανήκουν» σε κάθε παράγοντα είναι εκείνες για τις οποίες το φορτίο
(στήλες 1, 2) είναι μεγαλύτερο (από την τιμή 0,5) στον παράγοντα αυτό. Στον πρώτο
παράγοντα ανήκουν οι μεταβλητές «παλιρροϊκή ενέργεια», «κυματική ενέργεια», «ενέργεια
από βιομάζα» και «γεωθερμική ενέργεια» και μπορεί να ονομαστεί ως «λιγότερο γνωστές
ανανεώσιμες πηγές ενέργειας». Ο δεύτερος παράγοντας με τίτλο «περισσότερο γνωστές
ανανεώσιμες πηγές ενέργειας» περιλαμβάνει τις μεταβλητές «ηλιακή ενέργεια», «αιολική
ενέργεια» και «υδροηλεκτρική ενέργεια».
Oι Liarakou et al. (2009) αναφέρουν ότι οι ευρύτατα γνωστοί τύποι των ανανεώσιμων
πηγών ενέργειας είναι ο αέρας και ο ήλιος, ενώ η παραγωγή ενέργειας από νερό είναι
λιγότερο γνωστή, και η γεωθερμική, η βιομάζα και η κυματική είναι οι ελάχιστα γνωστοί ή
μάλλον άγνωστοι.
Πίνακας 4
Πληροφορίες για τους παράγοντες που εξήχθησαν
Table 4
Information on the factors extracted.
Ανάλυση με την εφαρμογή των τριών κύριων συνιστωσών
Αθροιστικά
ποσοστά
Χαρακτηριστική
ρίζα
Ποσοστό
επί της
διακύμανσης
Αθροιστικά
ποσοστά
Χαρακτηριστική
ρίζα
Ποσοστό
επί της
διακύμανσης
Αθροιστικά
ποσοστά
μετά την περιστροφή
Ποσοστό
επί της
διακύμανσης
πριν την περιστροφή
Χαρακτηριστική
ρίζα
Παράγοντες
Στατιστικά μέτρα εκκίνησης
1
2,9741
42,4875
42,4875
2,9741
42,4875
42,4875
2,3986
34,2664
34,2664
2
1,2379
17,6848
60,1723
1,2379
17,6848
60,1723
1,8134
25,9059
60,1723
3
0,7008
10,0118
70,1841
4
0,6417
9,1673
79,3514
5
0,5736
8,1949
87,5462
6
0,5382
7,6884
95,2347
7
0,3336
4,7653
100,0000
Πίνακας 5
Πίνακας με τις επιβαρύνσεις των παραγόντων, πριν και μετά την περιστροφή.
Table 5
Table of factor burdens, before and after rotation.
Επιβαρύνσεις των παραγόντων
Μεταβλητή
πριν την περιστροφή
μετά την περιστροφή
1
2
1
2
Ηλιακή ενέργεια
0,490
0,667
0,016
0,827
Αιολική ενέργεια
0,598
0,505
0,198
0,757
Υδροηλεκτρ. Ενέργεια
0,637
0,374
0,306
0,673
Παλιρροϊκή ενέργεια
0,760
-0,313
0,802
0,181
Κυματική ενέργεια
0,732
-0,429
0,846
0,071
Ενέργεια από βιομάζα
0,611
-0,241
0,638
0,155
Γεωθερμική ενέργεια
0,695
-0,241
0,707
0,203
Ο άνεμος και το νερό ως κινητήρια δύναμη στους ανεμόμυλους χρησιμοποιούνταν στη
χώρα μας από πολύ παλιά. Επίσης, το ίδιο συμβαίνει με την αξιοποίηση της ηλιακής
ακτινοβολίας στο προσανατολισμό των σπιτιών ώστε να γίνεται καλύτερη εκμετάλλευση της
θερμότητας κατά την διάρκεια της ημέρας, καθώς και στην ξήρανση των τροφών. Είναι
λογικό, λοιπόν, οι πηγές αυτές ενέργειας να είναι περισσότερο αποδεκτές από τους φοιτητές,
αν και θα προσδοκούσαμε να συμπεριλαμβάνεται σ’ αυτές και η παραγωγή ενέργειας από
βιομάζα, κάτι που δεν γίνεται. Αν οι φοιτητές Δασολογίας που είναι τόσο κοντά στην
παραγωγή της δασικής βιομάζας και διδάσκονται μαθήματα όπως η «Δασική Ενέργεια» δεν
την αξιολογούν με τρόπο ώστε να συμπεριλαμβάνεται στις τεχνολογικά ώριμες ανανεώσιμες
πηγές, είναι λογικό οι πολίτες να την κατατάσσουν στις λιγότερο γνωστές ανανεώσιμες πηγές
ενέργειας.
Με την ιεραρχική ανάλυση σε συστάδες έχουμε τις ίδιες ομαδοποιήσεις στις μεταβλητές
μας, όπως φαίνεται από το συσσωρευτικό σχέδιο (Πίνακας 6) και του δεντρογράμματος των
μεταβλητών (Σχήμα 1).
Η παλιρροϊκή ενέργεια, η κυματική ενέργεια, καθώς και σε μεγαλύτερη απόσταση η
γεωθερμική ενέργεια και η ενέργεια από βιομάζα αποτελούν την πρώτη συστάδα που μπορεί
να χαρακτηριστεί ως «λιγότερο γνωστές ανανεώσιμες πηγές ενέργείας». Η δεύτερη συστάδα
με την ταυτότητα «περισσότερο γνωστές ανανεώσιμες πηγές ενέργειας» περιέχει την ηλιακή
ενέργεια, την αιολική ενέργεια και υδροηλεκτρική ενέργεια.
Πίνακας 6
Συσσωρευτικό σχέδιο μεταβλητών και συστάδων.
Table 6
Complete linkage of variables and clusters regarding.
Στάδιο
1
2
3
4
5
6
Συστάδες σε
συνδιασμό
Συστάδα 1
Συστάδα 2
4
4
1
1
4
1
5
7
2
3
6
4
Συντελεστής
0,640
0,473
0,425
0,384
0,351
0,133
Στάδιο πρωτοεμφάνισης
συστάδας
Συστάδα 1
Συστάδα 2
0
1
0
3
2
4
0
0
0
0
0
5
Επόμενο
στάδιο
2
5
4
6
6
0
Σχήμα 1. Δεντρόγραμμα μεταβλητών ανανεώσιμων πηγών ενέργειας.
Figure 1. Variables dendrogram on the renewables sources of energy.
Συμπεράσματα
Οι φοιτητές Δασολογίας και Διαχείρισης Περιβάλλοντος και Φυσικών Πόρων του Δ.Π.Θ.
αξιολογούν τις ανανεώσιμες πηγές ενέργειας, με βάση το πόσο εφαρμόσιμες και
συμφέρουσες είναι σε φθίνουσα σειρά ως εξής: την ηλιακή ενέργεια, την υδροηλεκτρική
ενέργεια, την αιολική ενέργεια, την παραγωγή ενέργειας από βιομάζα, την γεωθερμική
ενέργεια, την κυματική και την παλιρροϊκή ενέργεια.
Η σειρά αξιολόγησης διατηρείται περίπου ίδια στα διάφορα έτη σπουδών με μια φανερή
αύξηση του μέσου όρου κατά το τρίτο έτος στο οποίο οι φοιτητές διδάσκονται μαθήματα με
αντίστοιχο περιεχόμενο. Δηλαδή η διδασκαλία ενός αντικειμένου, στην προκειμένη
περίπτωση των ανανεώσιμων πηγών ενέργειας, αυξάνει κατά την περίοδο αυτής την
σημαντικότητα που του δίνουν οι φοιτητές.
Η χρησιμοποίηση της ανάλυσης αξιοπιστίας στην πολυθεματική αυτή μεταβλητή
φανερώνει τιμή στο συντελεστή αξιοπιστίας άλφα σημαντικά υψηλή αποτελώντας ισχυρή
ένδειξη ότι οι βαθμοί κλίμακας είναι λογικά συνεπείς, δηλαδή τα στοιχεία έχουν την τάση να
μετρούν το ίδιο πράγμα. Με τη χρησιμοποίηση της παραγοντικής ανάλυσης, αφού ελέγχθηκε
ότι τα δεδομένα μας είναι κατάλληλα, εξήχθησαν δύο παράγοντες οι «περισσότερο γνωστές
ανανεώσιμες πηγές ενέργειας» και οι «λιγότερο γνωστές ανανεώσιμες πηγές ενέργειας». Στον
πρώτο ανήκουν οι μεταβλητές «παλιρροϊκή ενέργεια», «κυματική ενέργεια», «ενέργεια από
βιομάζα» και «γεωθερμική ενέργεια», ενώ στο δεύτερο, οι μεταβλητές «ηλιακή ενέργεια»,
«αιολική ενέργεια» και «υδροηλεκτρική ενέργεια». Στο ίδιο αποτέλεσμα οδηγούμαστε και με
την εφαρμογή της ιεραρχικής ανάλυσης σε συστάδες.
Σημαντικό από τα παραπάνω αποτελέσματα αποτελεί το γεγονός ότι η ενέργεια από
βιομάζα τοποθετήθηκε στις λιγότερο γνωστές ανανεώσιμες πηγές ενέργειας, γεγονός που
ξενίζει κάπως, αφού ένα μεγάλο μέρος του περιεχόμενου σπουδών αποτελεί η παραγωγή
ξύλου ή βιομάζας. Λαμβάνοντας υπόψη την στάση των φοιτητών ενδεχομένως θα ήταν
σωστότερο να κατευθύνουμε περισσότερο την εκπαίδευση των φοιτητών στις πιο γνωστές
ανανεώσιμες πηγές ενέργειας και επικουρικά σ’ αυτές που είναι λιγότερο γνωστές. Εντούτοις
όμως, θα πρέπει να δοθεί βάρος στην ενίσχυση των γνώσεων που θα πάρουν οι φοιτητές για
την αξιοποίηση της δασικής βιομάζας ώστε μελλοντικά να διαχύσουν την γνώση τους στην
κοινωνία.
ΒΙΒΛΙΟΓΡΑΦΙΑ
Bang H.-K., Ellinger A.E., Hadjimarcou J., Traichal P.A., 2000. Consumer concern,
knowledge, belief, and attitude toward renewable energy: an application of the reasoned
action theory. Psychol Mark 17(6):449–468.
Bartholomew D., Steele F., Moustaki I. and Galbraith J., 2002. The Analysis and
Interpretation of Multivariate Data for Social Scientists. Chapman and Hall.
Cattell R. B., 1978. The Scientific Use of Factor Analysis in Behavioral and Life Sciences.
Plenum Press, New York.
Δαουτόπουλος Γ. Α., 1994. Μεθοδολογία κοινωνικών ερευνών στον αγροτικό χώρο. Β΄
Έκδοση. Θεσσαλονίκη.
Elliott D., 2000. Renewable energy and sustainable futures. Futures 32: 261–274.
Harman H. H., 1976. Modern Factor Analysis. Chicago: The University of Chicago Press.
Howitt D. και Gramer D., 2003. Στατιστική με το SPSS 11 για Windows. Εκδόσεις
Κλειδάριθμος.
Kamil K. and Abdullah K., 2002. Renewable energy and sustainable evelopment in Turkey.
Renewable Energy 25: 431–453.
Καραπιστολής Δ.Ν. 2001. Ανάλυση Δεδομένων και Έρευνα Αγοράς. Θεσσαλονίκη.
Εκδόσεις Ανικούλας.
Καρλής Δ., 2005. Πολυμεταβλητή Στατιστική Ανάλυση. Αθήνα. Εκδόσεις Αθ. Σταμούλη.
Jennings P. and Lund C., 2001. Renewable energy education for sustainable development.
Renewable Energy 22: 113-118.
Liarakou G., Gavrilakis C. and Flouri E., 2009. Secondary School Teachers’ Knowledge and
Attitudes Towards Renewable Energy Sources. Journal of Science Education and
Technology 18 (2): 120-129.
Μαυρομάτης Γ., 1999. Στατιστικά Μοντέλα και Μέθοδοι Ανάλυσης Δεδομένων. Εκδόσεις
University Studio Press.
Μπεχράκης Θ., 1999. Πολυδιάστατη Ανάλυση Δεδομένων, Μέθοδοι και Εφαρμογές.
Εκδόσεις Λιβάνη.
Ντζούφρας Ι. και Καρλής Δ., 2001. Στοιχεία Πολυμεταβλητής Ανάλυσης Δεδομένων.
Σημειώσεις για το μάθημα Ανάλυση Δεδομένων Ι. Τμήμα Διοίκησης Επιχειρήσεων.
Πανεπιστήμιο Αιγαίου.
Oppenheim Α.Ν., 1973. Questionnaire Design and Attitude Measurement. London:
Heinemann.
Sharma S., 1996. Applied Multivariate Techniques. John Wiley & Sons, Inc.Canada.
Σιάρδος Γ.Κ., 1999. Μέθοδοι Πολυμεταβλητής Στατιστικής Ανάλυσης. Μέρος Πρώτο.
Διερεύνηση Σχέσεων Μεταξύ Μεταβλητών. Θεσσαλονίκη. Εκδόσεις Ζήτη.
Tampakis S., Tsantopoulos G. and Karanikola P., 2007. Building environmental awareness:
The case of Forestry students in a Greek University. Higher Education and the
Challenge of Sustainability: Problems, Promises and good Practice, p. 293-304.
Φίλιας Β., Παππάς Π., Αντωνοπούλου Μ., Ζαρνάρη Ο., Μαγγανάρα Ι. Μεϊμάρης Μ.,
Νικολακόπουλος Η., Παπαχρήστου Ε. Περαντζάκη Ι., Σαμψών Ε. και Ψυχογυιός Ε.,
2000. Εισαγωγή στη Μεθοδολογία και τις Τεχνικές των Κοινωνικών Ερευνών, Εκδόσεις
Gutenberg, Αθήνα.
Φράγκος Χ. Κ., 2004. Μεθοδολογία Έρευνας Αγοράς και Ανάλυση Δεδομένων με χρήση του
Στατιστικού Πακέτου SPSS for Windows. Εκδόσεις “Interbooks”.
Upreti B.R., 2004. Conflict over biomass energy development in the United Kingdom: some
observations and lessons from England and Wales. Energy Policy 32 (6): 785–800.
Walker G., 1995. Renewable energy and the public. Land Use Policy. 12 (1) 49-59.

Download Report