Εκπαιδευτική εφαρμογή για την εκμάθηση της Ιταλικής γλώσσας μέσω διαλόγων με χρήση Generative AI

Abstract

Η παρούσα διπλωματική εργασία πραγματεύεται την ανάπτυξη μιας εκπαιδευτικής εφαρμογής για την εκμάθηση της Ιταλικής γλώσσας μέσω διαλόγων, αξιοποιώντας σύγχρονες τεχνολογίες AI και Generative AI όπως το OpenAI GPT API. Κύριος στόχος είναι η παροχή ενός καινοτόμου εργαλείου για την εκπαίδευση Ελλήνων μαθητών σε καθημερινά σενάρια επικοινωνίας, ενσωματώνοντας δυναμική προσαρμογή στο επίπεδο δυσκολίας και το σενάριο. Η μεθοδολογία περιλαμβάνει την παραγωγή διανυσματικών αναπαραστάσεων λέξεων (word embeddings) μέσω τεχνικών όπως Word2Vec και FastText, την αξιοποίηση της OpenAI GPT API για ρεαλιστικά παραγόμενους διαλόγους, καθώς και την εκφώνηση κειμένου (Text-to- Speech) σε περιβάλλον Windows και Android. Ιδιαίτερη έμφαση δίνεται στη δυνατότητα offline λειτουργίας, χάρη στη χρήση τοπικών embeddings και μιας βάσης δεδομένων SQLite, που επιτρέπουν στον μαθητή να συνεχίζει την εκμάθηση ακόμη και χωρίς σύνδεση στο διαδίκτυο. Τα αποτελέσματα καταδεικνύουν ότι η εφαρμογή προσφέρει μια εξατομικευμένη και διαδραστική εμπειρία εκμάθησης, προσαρμοσμένη σε διαφορετικά επίπεδα δυσκολίας και ανάγκες του χρήστη. Η αξιολόγηση έδειξε ότι οι τεχνικές Word2Vec σε συνδυασμό με SIF προσφέρουν την καλύτερη απόδοση στην αναγνώριση σημασιολογικά όμοιων ερωτήσεων, ενώ το GPT ενισχύει τη φυσικότητα των διαλόγων. Προτείνονται μελλοντικές βελτιώσεις, όπως η προσθήκη νέων σεναρίων και γλωσσών, για την περαιτέρω διεύρυνση των δυνατοτήτων της εφαρμογής.--------------------------------------------------------------- This thesis focuses on the development of an educational application for learning the Italian language through dialogues, leveraging modern AI and Generative AI technologies such as the OpenAI GPT API. The primary objective is to provide an innovative tool for Greek learners, enabling them to practice daily communication scenarios while dynamically adapting to different difficulty levels and contexts. The methodology involves the generation of word embeddings via techniques like Word2Vec and FastText, the use of the OpenAI GPT API for producing realistic conversations, and text-to-speech (TTS) functionality on both Windows and Android platforms. Particular emphasis is placed on offline operation, achieved through local embeddings and an SQLite database, allowing students to continue learning without an active internet connection. The results indicate that the application offers a personalized and interactive learning experience tailored to a range of user needs. Evaluation showed that Word2Vec techniques, in combination with SIF, excel at identifying semantically similar questions, while GPT enhances the naturalness of dialogues. Future improvements may include new scenarios and language options, further expanding the capabilities of the application.