Οι Βάσεις Εισαγωγής 2026 φέρνουν στο προσκήνιο ένα παράδοξο που δύσκολα περνά απαρατήρητο: την ώρα που η τεχνητή νοημοσύνη, η ανάλυση δεδομένων και οι νέες τεχνολογίες δημιουργούν ολοένα μεγαλύτερη ανάγκη για ανθρώπους με ισχυρές μαθηματικές γνώσεις, αρκετά Τμήματα Μαθηματικών στην Ελλάδα εμφανίζουν σημαντικό αριθμό κενών θέσεων.
Η εικόνα αυτή προκαλεί προβληματισμό για τις επιλογές των υποψηφίων αλλά και για τον τρόπο με τον οποίο παρουσιάζονται σήμερα οι επαγγελματικές προοπτικές ενός πτυχίου Μαθηματικών.
Τι δείχνουν οι βάσεις του 2026
Οι φετινές βάσεις παρουσιάζουν μεγάλες διαφορές μεταξύ των τμημάτων:
| Τμήμα | Βάση 2026 | Κενές θέσεις |
|---|---|---|
| Εφαρμοσμένων Μαθηματικών & Φυσικών Επιστημών ΕΜΠ | 16.870 | 0 |
| Μαθηματικών ΕΚΠΑ | 15.850 | 118 |
| Μαθηματικών ΑΠΘ | 14.965 | 44 |
| Μαθηματικών Παν. Δυτικής Μακεδονίας | 10.700 | 85 |
| Μαθηματικών Παν. Πατρών | 10.600 | 0 |
| Μαθηματικών Παν. Κρήτης | 10.600 | 29 |
| Μαθηματικών Παν. Αιγαίου | 10.590 | 146 |
| Εφαρμοσμένων Μαθηματικών Παν. Κρήτης | 10.575 | 20 |
| Μαθηματικών Παν. Θεσσαλίας | 10.335 | 46 |
| Μαθηματικών Παν. Ιωαννίνων | 10.315 | 146 |
| Χρηματοοικονομικών Μαθηματικών Παν. Αιγαίου | 8.475 | 0 |
Ιδιαίτερα εντυπωσιακό είναι το γεγονός ότι σε ορισμένα τμήματα οι κενές θέσεις είναι περισσότερες από τις θέσεις που τελικά καλύφθηκαν, γεγονός που αποτυπώνει τη μειωμένη ζήτηση σε συγκεκριμένες σχολές.
Γιατί οι μαθητές αποφεύγουν τα Μαθηματικά;
Η επιλογή των υποψηφίων φαίνεται να στρέφεται όλο και περισσότερο προς σχολές που θεωρούν ότι προσφέρουν άμεση σύνδεση με την αγορά εργασίας.
Στο επίκεντρο βρίσκονται:
- η Πληροφορική
- οι Πολυτεχνικές σχολές
- οι σπουδές με τεχνολογικό προσανατολισμό
- τα αντικείμενα που συνδέονται άμεσα με τις νέες ψηφιακές τεχνολογίες.
Αντίθετα, τα Μαθηματικά εξακολουθούν σε μεγάλο βαθμό να συνδέονται στη συνείδηση των μαθητών κυρίως με την εκπαίδευση και τη διδασκαλία.
Και εδώ βρίσκεται ίσως το μεγαλύτερο παράδοξο.
Η επιστήμη πίσω από την τεχνητή νοημοσύνη
Η πραγματικότητα της σύγχρονης τεχνολογίας είναι αρκετά διαφορετική.
Η τεχνητή νοημοσύνη, η μηχανική μάθηση, τα big data, η κρυπτογραφία και η στατιστική ανάλυση βασίζονται σε μεγάλο βαθμό σε μαθηματικές έννοιες και μοντέλα.
Ένας απόφοιτος Μαθηματικών μπορεί να κινηθεί σε πεδία όπως:
- Data Science
- Τεχνητή Νοημοσύνη
- Machine Learning
- Στατιστική και ανάλυση δεδομένων
- Χρηματοοικονομική μοντελοποίηση
- Κυβερνοασφάλεια
- Έρευνα και ανάπτυξη
- Τεχνολογικές και χρηματοοικονομικές εταιρείες
Έτσι, το ζήτημα δεν φαίνεται να είναι απαραίτητα η αξία του πτυχίου, αλλά η εικόνα που έχει δημιουργηθεί γύρω από αυτό.
Τα Μαθηματικά αλλάζουν πρόσωπο
Τα πανεπιστήμια επιχειρούν πλέον να φέρουν τα προγράμματα σπουδών πιο κοντά στις ανάγκες της σύγχρονης οικονομίας, ενισχύοντας εφαρμογές που συνδέουν τα Μαθηματικά με την τεχνολογία και την αγορά εργασίας.
Η κατεύθυνση περιλαμβάνει περισσότερη έμφαση σε:
• Επιστήμη δεδομένων
• Τεχνητή νοημοσύνη
• Υπολογιστική μαθηματική
• Στατιστική
• Μαθηματική μοντελοποίηση
• Οικονομική και χρηματοοικονομική ανάλυση
Ο στόχος είναι να γίνει σαφές ότι ο μαθηματικός δεν είναι μόνο ο μελλοντικός εκπαιδευτικός, αλλά μπορεί να αποτελέσει επιστήμονα υψηλής εξειδίκευσης σε έναν από τους πιο τεχνολογικά απαιτητικούς κλάδους της εποχής.
Το μεγάλο στοίχημα για τα πανεπιστήμια
Όπως επισημαίνει ο μαθηματικός PhD Μάνθος Παπαδόπουλος, η πρόκληση είναι να αλλάξει η εικόνα που έχουν οι νέοι για το συγκεκριμένο πτυχίο. Ο μαθηματικός του 21ου αιώνα μπορεί να βρίσκεται πολύ πιο κοντά στην τεχνολογική αιχμή απ' όσο ίσως φαντάζονται οι υποψήφιοι.
Και κάπως έτσι δημιουργείται ένα παράδοξο: η τεχνητή νοημοσύνη κοιτάζει προς τα Μαθηματικά, ενώ ένα μέρος των υποψηφίων κοιτάζει προς την αντίθετη κατεύθυνση.
Το μεγάλο στοίχημα των πανεπιστημίων είναι να γεφυρώσουν αυτή την απόσταση και να δείξουν στους νέους ότι πίσω από ένα πτυχίο Μαθηματικών μπορεί να κρύβεται ένα πολύ ευρύτερο επαγγελματικό μέλλον από αυτό που είχαν μέχρι σήμερα στο μυαλό τους.
