ΣΩΚΡΑΤΗΣ: ένας δάσκαλος Παραγωγικής Τεχνητής Νοημοσύνης για την Ελληνική Δευτεροβάθμια Εκπαίδευση: μια Παιδαγωγικά Θεμελιωμένη Εφαρμογή Retrieval-Augmented Generation για τον Περιορισμό της Εξάρτησης από τη Σκιώδη Εκπαίδευση

Abstract

Η παρούσα διπλωματική εργασία παρουσιάζει τον Σωκράτη, μια εφαρμογή υποστηρικτικής διδασκαλίας βασισμένη σε Generative AI, σχεδιασμένη για το σύστημα δευτεροβάθμιας εκπαίδευσης της Ελλάδας (Γυμνάσιο και Λύκειο). Σε αντίθεση με τους κυρίαρχους συνομιλιακούς πράκτορες που προέρχονται από Large Language Models και λειτουργούν ως «μηχανισμοί έτοιμων απαντήσεων», παρέχοντας έτοιμες λύσεις κατά παραγγελία, ο Σωκράτης σχεδιάστηκε ως ψηφιακή υλοποίηση της μαιευτικής μεθόδου: είναι σχεδιασμένος, μέσω αρχιτεκτονικών μηχανισμών και prompt engineering, ώστε να μην παρέχει ποτέ άμεσες απαντήσεις, αλλά να καθοδηγεί τον μαθητή στη συγκρότηση της δικής του κατανόησης μέσω του ελέγχου, της απορίας και της μαιευτικής. Το κίνητρο για το σύστημα είναι κοινωνικοοικονομικό εξίσου με τεχνικό. Η ελληνική δευτεροβάθμια εκπαίδευση χαρακτηρίζεται από έναν εκτεταμένο μηχανισμό «σκιώδους εκπαίδευσης» — το σύστημα των φροντιστηρίων — ο οποίος επιβάλλει σημαντικό οικονομικό βάρος στις οικογένειες και αναπαράγει την κοινωνικοοικονομική ανισότητα στις εκπαιδευτικές επιδόσεις. Προσφέροντας έναν δωρεάν, τοπικά εγκαταστάσιμο Σωκρατικό δάσκαλο, θεμελιωμένο αποκλειστικά στα επίσημα διδακτικά εγχειρίδια του Υπουργείου Παιδείας, ο Σωκράτης φιλοδοξεί να παρέχει ένα παιδαγωγικά συνεκτικό συμπλήρωμα στην τυπική σχολική εκπαίδευση χωρίς να αναπαράγει τα αποκλειστικά οικονομικά της ιδιωτικής φροντιστηριακής διδασκαλίας. Από τεχνική σκοπιά, ο Σωκράτης υλοποιείται ως pipeline Retrieval-Augmented Generation (RAG) του οποίου τα συστατικά οργανώνονται σύμφωνα με το πρότυπο Clean Architecture (Ports & Adapters). Το μοντέλο που εκτελεί την αιτιολόγηση είναι το ilsp/llama-krikri-8b-instruct, μια ελληνόφωνη instruction-tuned παραλλαγή του Llama-3 με 8 δισεκατομμύρια παραμέτρους, η οποία εξυπηρετείται μέσω Ollama σε NVIDIA T4 GPU. Η ανάκτηση πραγματοποιείται από ένα ChromaDB vector store, ευρετηριασμένο μέσω του embedding model multilingual-e5-large, ενώ η συνομιλιακή διεπαφή υλοποιείται με τα frameworks Chainlit και FastAPI. Ολόκληρη η στοίβα εγκαθίσταται στο AWS μέσω ενός αυτοματοποιημένου pipeline Terraform και Ansible που ξεκινά από ένα ενιαίο entry-point (deploy.sh). Η εργασία αρθρώνει την παιδαγωγική θεωρία που υπόκειται του συστήματος, εξετάζει τις δομικές και οικονομικές δυσλειτουργίες της ελληνικής δευτεροβάθμιας εκπαίδευσης που κινητοποιούν την ανάπτυξή του, αναλύει την ευθυγράμμιση μεταξύ των δυνατοτήτων του Generative AI και της Σωκρατικής διαλεκτικής, και παρουσιάζει μια λεπτομερή αρχιτεκτονική ανάλυση και ανάλυση κώδικα της εφαρμογής Σωκράτης. Η εργασία ολοκληρώνεται με συζήτηση των περιορισμών, στρατηγικών αξιολόγησης και κατευθύνσεων μελλοντικής ανάπτυξης, συμπεριλαμβανομένων διαχρονικών παιδαγωγικών μελετών και προσαρμοστικής ερώτησης βάσει της ταξινομίας Bloom.