| Titre : | Generative AI and NLP -Enhanced Robotics for education system |
| Auteurs : | INSAF DHAHOUA, Auteur ; ABDERRAHMANE KADJOUDJ, Auteur ; Abdelhak Merizig, Directeur de thèse |
| Type de document : | Mémoire magistere |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2025 |
| Format : | 1 vol. (77 p.) / ill.couv.ill.encoul / 30cm |
| Langues: | Anglais |
| Langues originales: | Anglais |
| Résumé : |
Since the COVID-19 pandemic, the demand for online learning has grown significantly, encouraging educational institutions and governments to accelerate the digital transformation of all sectors, including medical education. In response to this shift and the growingneed for personalized and accessible learning experiences this project seeks to reinventhow medical students engage with educational content. The idea arose from the limitations of traditional, static platforms, which fail to adapt to students’ varying levels and learning needs, particularly those with disabilities. This project proposes an AI-powered virtual medical tutor that leverages generative AI and Natural Language Processing (NLP) to assess learners, generate tailored content, and adapt as they progress. The system features a voice enabled avatar interface to ensure accessibility, especially for blind or autistic students.Through smart recommendations, real time feedback, and adaptive learning paths,the platform aims to deliver a more inclusive, intelligent, and personalized medical education experience aligned with the broader goals of digital transformation in education. |
| Sommaire : |
Acknowledgements i Dedication ii Abstract iv Résumé v Arabic Abstract v 1 General Introduction 1 1.1 General context . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Problematic and Objectives . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Outlines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 Education Overview 4 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.2 Forms of Education . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.2.1 Presential Education . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2.1.1 Traditional Learning Mode in Presential Education . . . . 5 2.2.1.2 Hybrid learning . . . . . . . . . . . . . . . . . . . . . . 6 2.2.1.3 Advantages and limits of Traditional Learning . . . . . . 6 2.2.2 Online Education . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.2.2.1 Advantages and Limits of Online Learning . . . . . . . . 7 2.2.3 Modes of Online Learning . . . . . . . . . . . . . . . . . . . . . . 8 2.2.3.1 Electronic Learning (E-Learning) . . . . . . . . . . . . 8 2.2.3.2 Mobile Learning (M-Learning) . . . . . . . . . . . . . . 9 2.2.3.3 Ubiquitous Learning (U-Learning) . . . . . . . . . . . . 10 2.2.3.4 Comparaetiv study . . . . . . . . . . . . . . . . . . . . . 12 2.3 Evaluation types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3.1 Presential Education . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3.2 Online Education . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.3.3 Hybrid Education . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 3 Applications of AI in Education 16 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2 Technologies used in Education . . . . . . . . . . . . . . . . . . . . . . . 16 3.2.1 Specific Equipment . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3.2.2 AI-Based Educational tools . . . . . . . . . . . . . . . . . . . . . 17 3.2.2.1 Natural Language Processing (NLP) . . . . . . . . . . . 17 3.2.2.2 NLP Techniques . . . . . . . . . . . . . . . . . . . . . . 18 3.2.2.3 Computer Vision . . . . . . . . . . . . . . . . . . . . . . 20 3.2.2.4 Intelligent Tutoring Systems (ITS) . . . . . . . . . . . . 20 3.3 Related work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.4 Synthesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 4 Design and Contribution 24 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.2 General Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.2.1 Architecture Components . . . . . . . . . . . . . . . . . . . . . . 25 4.2.1.1 Interface Layer . . . . . . . . . . . . . . . . . . . . . . . 25 4.2.1.2 Input Processing Layer . . . . . . . . . . . . . . . . . . 25 4.2.1.3 Processing Layer . . . . . . . . . . . . . . . . . . . . . 26 4.2.1.4 Data Layer . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.3 Tele-Education Process . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.3.1 Text Structuring and Dataset Construction . . . . . . . . . . . . . . 29 4.3.2 Model Development . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.4 UML diagrams . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4.5 Used Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.5.1 T5 (Text-to-Text Transfer Transformer) . . . . . . . . . . . . . . . 40 4.5.2 Zero-shot Text Classification . . . . . . . . . . . . . . . . . . . . . 41 4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5 Implementation and Results 43 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.2 Used Tools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.2.1 Development environments . . . . . . . . . . . . . . . . . . . . . 43 5.2.1.1 Google Colab . . . . . . . . . . . . . . . . . . . . . . . 43 5.2.1.2 Visual Studio Code . . . . . . . . . . . . . . . . . . . . 44 5.2.2 Backend stack . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 5.2.2.1 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 5.2.2.2 Python Flask . . . . . . . . . . . . . . . . . . . . . . . . 45 5.2.3 User Interface (UI) development tools . . . . . . . . . . . . . . . . 46 5.2.3.1 Vite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 5.2.3.2 React . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 5.2.3.3 Tailwind CSS . . . . . . . . . . . . . . . . . . . . . . . 46 5.2.4 Data Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2.4.1 Supabase . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2.5 Avatar Tools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2.5.1 Ready Player Me . . . . . . . . . . . . . . . . . . . . . 47 5.2.5.2 Three.js . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5.3 Obtained Results and Discussion . . . . . . . . . . . . . . . . . . . . . . . 48 5.3.1 Comparative Analysis Between Runs . . . . . . . . . . . . . . . . 49 5.3.1.1 Quantitative Evaluation . . . . . . . . . . . . . . . . . . 49 5.3.1.2 Qualitative Textual Comparison . . . . . . . . . . . . . . 50 5.3.1.3 Intent classification results . . . . . . . . . . . . . . . . 53 5.3.2 Discussion and Implications . . . . . . . . . . . . . . . . . . . . . 54 5.4 System Interfaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 5.4.0.1 Welcome page . . . . . . . . . . . . . . . . . . . . . . . 54 5.4.0.2 login and Sign Up interface . . . . . . . . . . . . . . . . 55 5.4.0.3 Personalized dashboard . . . . . . . . . . . . . . . . . . 56 5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 6 Conclusion and Perspective 60 6.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/931 | Mémoire master | bibliothèque sciences exactes | Consultable |
