I tutor basati su Intelligenza Artificiale Generativa stanno entrando rapidamente nelle università come strumenti di supporto allo studio, alla comprensione dei contenuti e alla risoluzione di problemi. Tuttavia, sappiamo ancora poco su come gli studenti utilizzino realmente questi sistemi in contesti autentici di apprendimento, quali richieste rivolgano loro, quali pattern di utilizzo emergano nel tempo e in quali situazioni tali strumenti supportino l’apprendimento oppure favoriscano forme di delega cognitiva e dipendenza dall’AI.
Questa tesi si propone di analizzare un dataset reale di interazioni tra studenti universitari e un tutor conversazionale basato su Large Language Models integrato all’interno di un corso universitario. Il dataset comprende centinaia di conversazioni raccolte durante un intero anno accademico e rappresenta un’opportunità unica per studiare il comportamento degli studenti in un contesto educativo autentico.
Il lavoro si inserisce nell’ambito della Human–AI Interaction, dell’Artificial Intelligence in Education (AIED), della Human-Centered AI e delle Learning Analytics, con particolare attenzione alla progettazione responsabile di tutor intelligenti e ai meccanismi di collaborazione tra studenti e sistemi AI.
OBIETTIVI DELLA TESI
La tesi ha i seguenti obiettivi:
- analizzare come gli studenti utilizzano un tutor basato su AI generativa nel corso del semestre;
- identificare le principali tipologie di richieste rivolte al tutor;
- studiare la qualità e l’affidabilità delle risposte generate dal sistema;
- analizzare pattern conversazionali, sequenze di interazione e strategie di utilizzo;
- identificare situazioni che favoriscono supporto cognitivo, comprensione e apprendimento;
- individuare criticità, rischi di affidamento non calibrato e forme di cognitive offloading;
- derivare implicazioni per la progettazione di tutor AI più efficaci, affidabili e human-centered.
ATTIVITA’ PREVISTE
Lo studente sarà coinvolto nelle seguenti attività:
- analisi e comprensione del dataset conversazionale;
- data cleaning e preparazione dei dati;
- esplorazione e visualizzazione dei pattern di utilizzo;
- analisi temporale delle interazioni;
- studio delle sessioni conversazionali e delle loro caratteristiche;
- analisi delle relazioni tra tipologia di richiesta e qualità delle risposte;
- applicazione di tecniche di text mining e Natural Language Processing;
- identificazione e discussione di casi significativi;
- interpretazione dei risultati alla luce della letteratura scientifica;
- redazione della tesi.
OBIETTIVI FORMATIVI
La tesi permetterà allo studente di acquisire competenze in:
- Human–AI Interaction;
- Artificial Intelligence in Education;
- Learning Analytics;
- Data Analysis;
- Data Visualization;
- Natural Language Processing;
- Responsible AI;
- analisi di dataset reali;
- metodologia della ricerca scientifica;
- scrittura scientifica.
PREREQUISITI
Candidati ideali: studenti di Laurea Magistrale in Informatica, Artificial Intelligence, Data Science, Human-Centered Artificial Intelligence, Teoria e Tecnologia della Comunicazione o corsi affini.
Requisiti:
• interesse per AI generativa, Large Language Models e Human–AI Interaction;
• capacità di lettura di articoli scientifici in inglese;
• attitudine all’analisi quantitativa e qualitativa dei dati;
• precisione, affidabilità e autonomia.
Sono particolarmente apprezzate:
• conoscenze di Python;
• competenze di Data Science o Machine Learning;
• esperienze pregresse con NLP o text analytics;
• interesse per AI in Education, HCI e Human-Centered AI.
DURATA DELLO STAGE/TESI E CONTESTO RACCOMANDATO
Adatto a: Tesi di Laurea Magistrale in Informatica, Data Science, Artificial Intelligence, Human-Centered Artificial Intelligence, o percorsi affini.
Durata: 5–6 mesi complessivi.
Il progetto richiede un impegno costante e regolare durante tutto il percorso di tesi. Le attività iniziali saranno dedicate alla comprensione del dominio applicativo, all’esplorazione del dataset e alla definizione delle analisi da svolgere. Le fasi successive riguarderanno l’analisi quantitativa e qualitativa delle interazioni, l’interpretazione dei risultati e la stesura della tesi.
Considerata la natura del progetto, è auspicabile che le principali attività di analisi vengano completate nei primi mesi di lavoro, così da poter dedicare la fase finale alla validazione dei risultati, alla loro interpretazione e al perfezionamento della tesi.
MODALITA’ E ORARI DI LAVORO
Il lavoro sarà principalmente remoto, con incontri periodici (online o in presenza) per:
- definire e monitorare gli obiettivi settimanali;
- discutere protocolli, criteri di codifica e strumenti di analisi;
- rivedere insieme la stesura dei capitoli della tesi e/o dei manoscritti scientifici.
L’impegno previsto è a tempo pieno nel periodo di tesi, con una pianificazione flessibile ma strutturata, concordata con i tutor.
CONTATTI
Per candidarsi, contattare il Dott. Luca Marconi all’indirizzo email: luca.marconi@unimib.it e in cc il Prof. Federico Cabitza (federico.cabitza@unimib.it), allegando il proprio CV e indicando (1) il corso di laurea, (2) la motivazione di interesse verso AI generativa, Human–AI Interaction o AI in Education, (3) eventuali esami, progetti, esperienze o competenze rilevanti (AI, Data Science, Machine Learning, NLP, Human–Computer Interaction).