Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/39873Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Τάσιος, Βασίλειος | el |
| dc.contributor.author | Tasios, Vasileios | en |
| dc.date.accessioned | 2026-03-13T09:01:44Z | - |
| dc.date.available | 2026-03-13T09:01:44Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/39873 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Μεγάλα γλωσσικά μοντέλα | el |
| dc.subject | Εικονικοί βοηθοί | el |
| dc.subject | Large Language Models | en |
| dc.subject | Virtual assistants | en |
| dc.title | Σχεδίαση ανοικτού διαλογικού πράκτορα για την εκπαίδευση | el |
| dc.type | masterThesis | en |
| heal.type | masterThesis | el |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.classification | Εκπαιδευτική τεχνολογία | el |
| heal.classification | Εκπαιδευτική τεχνητή νοημοσύνη | el |
| heal.classification | Educational technology | en |
| heal.classification | Educational artificial intelligence | en |
| heal.dateAvailable | 2026-03-13T09:02:44Z | - |
| heal.language | el | el |
| heal.access | free | el |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Αγωγής | el |
| heal.publicationDate | 2026-03 | - |
| heal.abstract | Η ραγδαία ανάπτυξη των Μεγάλων Γλωσσικών Μοντέλων (Large Language Models – LLMs) έχει δημιουργήσει νέες δυνατότητες για την υποστήριξη της εκπαιδευτικής διαδικασίας, εγείροντας παράλληλα ζητήματα ακρίβειας, ιδιωτικότητας και παιδαγωγικής αξιοπιστίας. Η παρούσα διπλωματική εργασία διερευνά τη χρήση ενός τοπικά εκτελούμενου συστήματος LLM βασισμένου στην αρχιτεκτονική Ανάκτησης-Ενισχυμένης Παραγωγής (Retrieval-Augmented Generation - RAG), με στόχο την υποστήριξη της διδασκαλίας και της μελέτης αλγορίθμων και δομών δεδομένων. Στο πλαίσιο της εργασίας υλοποιήθηκε ένα σύστημα LLM–RAG, το οποίο λειτουργεί αποκλειστικά σε τοπική υποδομή και αντλεί πληροφορία μόνο από προκαθορισμένο εκπαιδευτικό σώμα (corpus). Το σύστημα αξιοποιεί μηχανισμούς σημασιολογικής ανάκτησης και γλωσσικής παραγωγής, με αυστηρό περιορισμό της απάντησης στο διαθέσιμο υλικό, αποφεύγοντας την παραγωγή μη τεκμηριωμένων ή παραπλανητικών πληροφοριών. Η αξιολόγηση του συστήματος πραγματοποιήθηκε μέσω πειραματικής διαδικασίας βασισμένης σε τρία ερευνητικά ερωτήματα που αφορούν τη λειτουργική απόδοση, την παιδαγωγική αξία και τους περιορισμούς της προτεινόμενης προσέγγισης. Τα αποτελέσματα έδειξαν ότι το σύστημα παρέχει συνεκτικές, αναπαραγώγιμες και παιδαγωγικά χρήσιμες απαντήσεις, ενώ επιδεικνύει αυξημένη ανθεκτικότητα σε φαινόμενα ψευδαίσθησης (hallucination). Παράλληλα, αναδείχθηκαν περιορισμοί που σχετίζονται με τους υπολογιστικούς πόρους και την εξάρτηση από την ποιότητα του εκπαιδευτικού υλικού. Συμπερασματικά, η εργασία καταδεικνύει ότι τα τοπικά συστήματα LLM–RAG μπορούν να αποτελέσουν μια αξιόπιστη και παιδαγωγικά βιώσιμη λύση για την ενσωμάτωση της τεχνητής νοημοσύνης στην εκπαίδευση, προσφέροντας αυξημένο έλεγχο, διαφάνεια και προστασία της ιδιωτικότητας. | el |
| heal.abstract | The rapid development of Large Language Models (LLMs) has introduced new opportunities for supporting educational processes, while simultaneously raising concerns regarding accuracy, privacy, and pedagogical reliability. This thesis investigates the use of a locally executed LLM system based on the Retrieval-Augmented Generation (RAG) architecture, aiming to support the teaching and learning of algorithms and data structures. Within the scope of this study, a local LLM–RAG system was implemented. The system operates entirely on local infrastructure and retrieves information exclusively from a predefined educational corpus. By combining semantic retrieval mechanisms with controlled language generation, the system restricts its responses to verified source material, effectively reducing the risk of hallucinations and ungrounded content. The system was evaluated through an experimental process guided by three research questions addressing functional performance, pedagogical value, and implementation limitations. The results indicate that the proposed system produces coherent, reproducible, and pedagogically relevant responses, while demonstrating robustness against hallucination phenomena. At the same time, limitations related to computational resources and dependence on the quality of the embedded educational content were identified. Overall, this thesis demonstrates that locally deployed LLM–RAG systems can serve as a reliable and pedagogically sound approach for integrating artificial intelligence into educational environments, offering enhanced transparency, control, and data privacy. | en |
| heal.advisorName | Μικρόπoυλος, Αναστάσιος | el |
| heal.committeeMemberName | Μικρόπουλος, Αναστάσιος | el |
| heal.committeeMemberName | Μπέλλου, Ιωάννα | el |
| heal.committeeMemberName | Κώτσης, Κωσταντίνος | el |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Αγωγής. Παιδαγωγικό Τμήμα Δημοτικής Εκπαίδευσης | el |
| heal.academicPublisherID | uoi | el |
| heal.numberOfPages | 82 σ. | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΔΕ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Μ.Ε. Τάσιος Βασίλειος (2026).pdf | 1.92 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
