Η χρήση των μεγάλων γλωσσικών μοντέλων στη διδασκαλία της φυσικής

Διαμαντίδου, Παρθένα

dc.contributor.advisor	Panayiotatos, Yerassimos
dc.contributor.author	Διαμαντίδου, Παρθένα
dc.date.accessioned	2024-11-14T11:21:33Z
dc.date.available	2024-11-14T11:21:33Z
dc.date.issued	2024-10-14
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/8036
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-7868
dc.description.abstract	Η παρούσα εργασία πραγματεύεται τις τρέχουσες εφαρμογές Τεχνητής Νοημοσύνης (ΤΝ), με επίκεντρο τα Μεγάλα Γλωσσικά Μοντέλα (ΜΓΜ) και συγκεκριμένα την επιρροή τους στον τομέα της εκπαίδευσης. Ειδικότερα, στην εργασία αυτή επιτυγχάνεται η εις βάθος ανάλυση θεωρητικών και πρακτικών πτυχών των εφαρμογών της ΤΝ σε ποικίλες εκπαιδευτικές διαδικασίες. Ξεκινώντας με το πρώτο κεφάλαιο, παρατίθενται ορισμένα εισαγωγικά στοιχεία για την ανάλυση της ΤΝ και των εφαρμογών της στον τομέα της εκπαίδευσης. Ειδικότερα, αυτό που εξετάζεται είναι οι διάφοροι τύποι εργαλείων ΤΝ, ενώ παράλληλα αποδίδεται έμφαση στα ΜΓΜ, όπου αναπτύσσονται θεμελιώδεις έννοιες και τονίζεται η συνεισφορά τους στη διαμόρφωση των σύγχρονων εκπαιδευτικών πρακτικών. Τέλος, λόγος γίνεται για την παραγωγική ΤΝ, η οποία παρουσιάζεται ως μια από τις πιο ενδιαφέρουσες και καινοτόμες τεχνολογίες. Περνώντας στο δεύτερο κεφάλαιο, η προσοχή στρέφεται στην ιστορική εξέλιξη των ΜΓΜ και σε κομβικές τεχνολογικές εξελίξεις, από το πρώτο κιόλας πρόγραμμα προσομοίωσης συνομιλίας, ELIZA. Εν συνεχεία, αναδεικνύεται η συνεισφορά των n-gram μοντέλων στην επεξεργασία φυσικής γλώσσας καθώς και η σημασία των τεχνητών νευρωνικών δικτύων, τα οποία έθεσαν τα θεμέλια για την ανάπτυξη της βαθιάς μάθησης. Το κεφάλαιο εστιάζει επίσης στους μετασχηματιστές και στους μηχανισμούς αυτοπροσοχής, τα επαναλαμβανόμενα νευρωνικά δίκτυα και τα διάφορα προβλήματά τους, ως βασικά στοιχεία λειτουργίας των ΜΓΜ. Προχωρώντας στο τρίτο κεφάλαιο, ιδιαίτερη βαρύτητα δίνεται στη Μηχανική Προτροπών, ως καθοριστικό μέσο για την αποτελεσματικότερη αλληλεπίδραση του ανθρώπου με τα ΜΓΜ. Σκοπός του κεφαλαίου είναι η ανάλυση των επιμέρους τεχνικών, όπως είναι οι τεχνικές προσαρμογής προσωπικότητας και γλωσσικού επιπέδου, οι οποίες προσαρμόζουν τις απαντήσεις του μοντέλου ανάλογα με το πλαίσιο που αφορά τον χρήστη κάθε φορά. Επιπρόσθετα στο τέταρτο κεφάλαιο, γίνεται η μετάβαση από την θεωρία στην πρακτική εφαρμογή, με την κατασκευή του περιγράμματος και του πλάνου μαθήματος για το μάθημα της Φυσικής όπου και περιγράφεται διεξοδικά η μεθοδολογία κατασκευής τους, ενώ ιδιαίτερη έμφαση δίνεται και στη διαμόρφωση μαθησιακών αποτελεσμάτων με βάση την Ταξονομία Bloom. Το κεφάλαιο ολοκληρώνεται με τη διαμόρφωση ενός εβδομαδιαίου μαθήματος, όπου και ολοκληρώνεται ο στόχος της ενσωμάτωσης των ΜΓΜ στην εκπαιδευτική διαδικασία. Συνοψίζοντας τα ανωτέρω, το πέμπτο και τελευταίο κεφάλαιο εξετάζει τις προοπτικές και τις δυνατότητες περαιτέρω ερευνών που αφορούν την ενσωμάτωση των ΜΓΜ και της ΤΝ στην εκπαίδευση. Τα συμπεράσματα που παρατίθενται υπογραμμίζουν τη σημασία της ενσωμάτωσης νέων τεχνολογιών της ΤΝ στα εκπαιδευτικά πλαίσια λόγω της ευρείας δυναμικής τους στην αναδιαμόρφωση της εκπαιδευτικής εμπειρίας.	el
dc.format.extent	125	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Μεγάλα γλωσσικά μοντέλα	el
dc.subject	Μηχανική προτροπών	el
dc.subject	Μετασχηματιστές	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Φυσική	el
dc.subject	Large language models	el
dc.subject	Prompt engineering	el
dc.subject	Artificial intelligence	el
dc.subject	Transformers	el
dc.title	Η χρήση των μεγάλων γλωσσικών μοντέλων στη διδασκαλία της φυσικής	el
dc.title.alternative	The use of large language models in physics education	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Sarafidis, Charalampos
dc.contributor.committee	Πετράκη, Μαριάνθη
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανολόγων Μηχανικών	el
dc.description.abstracttranslated	The following research is dedicated to the current state of application of Artificial Intelligence, with a great emphasis on Large Language Models and especially their influence on the educational sector. This paper therefore manages to conduct an in-depth theoretical and practical analysis of AI applications in various educational processes. Introductory elements to the analysis of AI and its use in education are provided consecutively from the first chapter on. Further, the analysis is directed to the types of AI tools for LLMs, emphasis is placed on developing basic notions and presenting their contribution to the formation of modern educational practice. Finally, generative AI is presented as one of the most interesting and innovative technologies. In that respect, the second chapter indicates the historical development of LLMs based on key technologies: from the very first program with conversational simulation ELIZA to the key contribution of the n-gram models in natural language processing. Further, artificial neural networks bear a very important role of significance, having laid the basis upon which deep learning came to be developed. It further contributes to the discussion of transformers and self-attention mechanisms, recurrent neural networks, and their several problems as the basic operational elements of LLMs. Following this, the third chapter focuses highly on Prompt Engineering as a determining basis for better interaction of humans with LLMs. The purpose of this chapter is to analyze individual techniques on how the model can adjust its responses-namely, personality and language level adjustment methods, according to the context of the user each time. Further, in the fourth chapter, from theory, it turns to practical application with the construction of the syllabus and lesson plan concerning the Physics course is performed, with detailed description of the methodology of their development. Special attention is given to the development of the learning outcomes by Bloom's Taxonomy. Thus, it ends with the elaboration of one weekly lesson, which means accomplishing the goal set in the integration of LLMs in the educational process. In a nutshell, the fifth chapter is the last one and covers the prospects and possibilities for further research regarding the integration of LLMs and AI in education. Conclusions drawn emphasize the necessity of inserting new information technologies of AI into educational frameworks, as their overall potential in remolding educational experience are immense.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: Diamantidou_18392129.pdf
Μέγεθος:: 10.15Mb
Τύπος:: PDF
Περιγραφή:: Διπλωματική Εργασία

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανολόγων Μηχανικών

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές