An interactive Python Tutor based on Large Language Models (Master thesis)
Χρυσόπουλος, Μάριος/ Chrysopoulos, Marios/ Προηγμένες Τεχνολογίες Πληροφορικής και Υπολογιστών
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Χρυσόπουλος, Μάριος | el |
| dc.contributor.author | Chrysopoulos, Marios | en |
| dc.date.accessioned | 2026-07-10T11:48:37Z | - |
| dc.date.available | 2026-07-10T11:48:37Z | - |
| dc.identifier.uri | https://repo.lib.duth.gr/jspui/handle/123456789/22655 | - |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject | Ευφυή συστήματα διδασκαλίας | el |
| dc.subject | Μεγάλα Γλωσσικά Μοντέλα | el |
| dc.subject | Αυτόματη παραγωγή υποδείξεων | el |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.subject | Intelligent tutoring systems | en |
| dc.subject | Large Language Models | en |
| dc.subject | Automatic hint generation | en |
| dc.subject | Artificial intelligence | en |
| dc.subject | Python Tutor | en |
| dc.subject | GPT 4.0 Mini | en |
| dc.title | Ένας διαδραστικός εκπαιδευτής Python βασισμένος σε Μεγάλα Γλωσσικά Μοντέλα | el |
| dc.title | An interactive Python Tutor based on Large Language Models | en |
| heal.type | masterThesis | - |
| heal.generalDescription | Πρόγραμμα Μεταπτυχιακών Σπουδών Ερευνητικού Χαρακτήρα «Προηγμένες Τεχνολογίες Πληροφορικής και Υπολογιστών» (MPhil in Advanced Technologies in Informatics and Computers) | el |
| heal.classification | Intelligent tutoring systems | en |
| heal.dateAvailable | 2026-07-10T11:49:37Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Δημοκρίτειο Πανεπιστήμιο Θράκης. Σχολή θετικών επιστημών. Τμήμα Πληροφορικής | el |
| heal.publicationDate | 2025-12-19 | - |
| heal.abstract | Η ενσωμάτωση μεγάλων γλωσσικών μοντέλων (LLMs) στην εκπαιδευτική διαδικασία δημιουργεί νέες δυνατότητες για την υποστήριξη της διδασκαλίας προγραμματισμού, ιδίως στο Λύκειο όπου οι μαθητές έρχονται για πρώτη φορά σε επαφή με θεμελιώδεις αλγοριθμικές έννοιες. Η παρούσα εργασία παρουσιάζει και αξιολογεί τον PythonTutor, ένα ολοκληρωμένο σύστημα ευφυούς διδασκαλίας που προσφέρει θεωρία, παραδείγματα, ασκήσεις και προσωποποιημένη ανατροφοδότηση μέσω Τεχνητής Νοημοσύνης (ΤΝ, Artificial Intelligence - AI). Το σύστημα αξιοποιεί το μοντέλο GPT 4.0 Mini για την παροχή βήμα-βήμα υποδείξεων, οι οποίες προσαρμόζονται στον κώδικα του μαθητή και επιδιώκουν να ενισχύσουν την αυτονομία και τον αναστοχαστικό τρόπο μάθησης, χωρίς να οδηγούν σε εξάρτηση από την ΤΝ. Για την αξιολόγηση του PythonTutor πραγματοποιήθηκε πιλοτική μελέτη με 18 μαθητές Επαγγελματικού Λυκείου και τρεις εκπαιδευτικούς. Οι μαθητές χωρίστηκαν σε δύο ομάδες: μία που χρησιμοποίησε την εφαρμογή και μια ομάδα ελέγχου με παραδοσιακή διδασκαλία. Η ανάλυση έδειξε ότι η χρήση του συστήματος οδήγησε σε σημαντικά υψηλότερες κανονικοποιημένες μαθησιακές βελτιώσεις, με μετρήσιμη επίδραση στα τεστ επίδοσης. Παράλληλα, η αξιολόγηση του υποκείμενου μοντέλου ταξινόμησης έδειξε υψηλή ακρίβεια, ευαισθησία και συνέπεια στην ανίχνευση λαθών και στην παραγωγή κατάλληλων υποδείξεων, στοιχείο που ενισχύει την αξιοπιστία του συστήματος. Οι μαθητές και οι εκπαιδευτικοί αξιολόγησαν θετικά τον PythonTutor ως προς τη χρηστικότητα, την παιδαγωγική του αξία και τη συνεισφορά του στην κατανόηση της Python. Οι μαθητές δήλωσαν ότι οι υποδείξεις της ΤΝ τούς βοήθησαν ουσιαστικά στην επίλυση ασκήσεων, ενώ οι εκπαιδευτικοί ανέφεραν βελτίωση στις επιδόσεις και την ενεργό εμπλοκή των μαθητών. Επιπλέον, η πλατφόρμα υποστηρίζει μηχανισμούς εποπτείας για τους εκπαιδευτικούς, επιτρέποντάς τους να μελετούν τις αλληλεπιδράσεις μαθητών–ΤΝ και να κατανοούν καλύτερα τις στρατηγικές επίλυσης που ακολουθούν οι μαθητές. Η μεθοδολογία της εργασίας περιλαμβάνει την ανάπτυξη της πλατφόρμας, την ενσωμάτωση του Μεγάλου Γλωσσικού Μοντέλου (Large Language Model – LLM), τη σύνταξη προτροπών (prompts) για παραγωγή υλικού, τη συλλογή δεδομένων από αλληλεπιδράσεις και τα ερωτηματολόγια, και την ποσοτική ανάλυση της επίδοσης των μαθητών. Η έρευνα αναδεικνύει ότι ένα LLM, ακόμη και περιορισμένης ισχύος όπως το GPT 4.0 Mini, μπορεί να λειτουργήσει ως αξιόπιστος, χαμηλού κόστους εκπαιδευτικός υποστηρικτικός μηχανισμός. Συνολικά, ο PythonTutor φαίνεται να αποτελεί μια επεκτάσιμη, οικονομικά αποδοτική και παιδαγωγικά συμβατή λύση για εξατομικευμένη διδασκαλία προγραμματισμού στη Δευτεροβάθμια Εκπαίδευση. Τα ευρήματα επιβεβαιώνουν την αξία της ενσωμάτωσης LLMs σε μαθησιακά περιβάλλοντα και θέτουν τις βάσεις για μελλοντικές βελτιώσεις, όπως υποστήριξη νέων γλωσσών, πιο εξελιγμένα μοντέλα ΤΝ και ανάλυση συμπεριφορών μάθησης. | el |
| heal.abstract | The integration of Large Language Models (LLMs) into educational practice creates new opportunities for supporting the teaching of programming, particularly at the high school level where students first encounter fundamental algorithmic concepts. This thesis presents and evaluates PythonTutor, a fully integrated intelligent tutoring system that provides theory, examples, exercises, and personalized AI-guided feedback for the introductory teaching of Python. The system leverages GPT 4.0 Mini to deliver step-by-step hints tailored to each student submission, aiming to promote independent problem-solving, conceptual understanding, and reflective learning without fostering overreliance on the AI. To assess the effectiveness of PythonTutor, a pilot study was conducted with 18 Vocational High School students and three teachers. Students were divided into two groups: a treatment group using the platform and a control group receiving traditional instruction. Results revealed significantly higher normalized learning gains for students who used the application. Moreover, evaluation of the underlying AI classification model demonstrated high accuracy, sensitivity, and consistency in identifying errors and generating appropriate hints—an essential factor for building pedagogically reliable AI-driven learning environments. Student and teacher feedback highlighted the platform’s usability, educational value, and practical relevance in real classroom settings. Students reported that AI-generated hints substantially supported their problem-solving process, while teachers observed improvements in student engagement and performance. Additionally, PythonTutor offers oversight tools enabling teachers to review detailed student–AI interaction logs, providing insight into learners’ difficulties, strategies, and progression. The methodology of this work includes platform development, integration of the LLM, prompt engineering for instructional content generation, analysis of student–AI interaction data, and quantitative assessment of learning outcomes. Findings indicate that even a lightweight model such as GPT 4.0 Mini can serve as a dependable and cost-effective component within an intelligent tutoring system. Overall, PythonTutor appears to be a scalable, pedagogically aligned, and resource-efficient solution for personalized programming instruction in secondary education. The results support the potential of LLM-based tutoring systems to enhance learning, democratize access to high-quality feedback, and inform future developments such as support for additional programming languages, adoption of open-source models, and advanced learning analytics. | en |
| heal.advisorName | Μωυσιάδης, Ελευθέριος | el |
| heal.committeeMemberName | Μωυσιάδης, Ελευθέριος | el |
| heal.committeeMemberName | Παπακώστας, Γεώργιος | el |
| heal.committeeMemberName | Ράντος, Κωνσταντίνος | el |
| heal.committeeMemberName | Moysiadis, Eleftherios | en |
| heal.committeeMemberName | Papakostas, Georgios | en |
| heal.committeeMemberName | Rantos, Konstantinos | en |
| heal.academicPublisher | Τμήμα Πληροφορικής | el |
| heal.academicPublisherID | duth | - |
| heal.numberOfPages | 136 σ. | - |
| heal.fullTextAvailability | true | - |
| heal.type.en | Master thesis | en |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| dc.contributor.master | Προηγμένες Τεχνολογίες Πληροφορικής και Υπολογιστών | el |
| Appears in Collections: | ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ-ΜΕ | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ChrysopoulosM_2025.pdf | Μεταπτυχιακή εργασία | 6.39 MB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
This item is a favorite for 0 people.
https://repo.lib.duth.gr/jspui/handle/123456789/22655
http://dx.doi.org/10.26257/heal.duth.21329
This item is licensed under a Creative Commons License
