Generative AI for Tutor Recommendation and Support

Generative Artificial Intelligence (AI) is estimated to significantly impact economies and enterprises, and there is great hope for various applications and fields. One of these fields is Education and Learning. We will consider a specific problem: if students recognize a weakness in their grounding, one option is to seek the help of a tutor who can help them address it. Nowadays, the availability of online applications and the ability to interact with tutors online offer new opportunities. However, one problem is identifying a student’s ”right” tutor when the number of candidates is large. This problem can be framed in the research area concerning recommender Systems, where the ”items” to recommend are experts in Education and Learning. This thesis reports on designing and developing a platform to perform student-tutor matching and support both students and tutors for online educational activities. This work stems from the experience gained from designing and developing an existing mobile application for tutor recommendation and the need to improve the tutor matching algorithm. This thesis investigates an approach relying on text embeddings for the representation of students and tutors and on cosine similarity to rank tutors on the basis of the student profile. In addition, the platform features a lesson management system, video-lesson integration, and a multi-modal generative model for automatic summary and quiz generation.

Si stima che l'Intelligenza Artificiale Generativa (IA) avrà un impatto significativo sulle economie e le imprese, e c'è grande speranza per varie applicazioni e campi. Uno di questi campi è quello riguardante l'istruzione e l'apprendimento. In questa tesi considereremo un problema specifico: se gli studenti riconoscono di avere difficoltà nello studio o nella comprensione di alcuni concetti, un'opzione è cercare l'aiuto di un tutor che possa aiutarli ad affrontarla. Oggigiorno, la disponibilità di applicazioni online e la possibilità di interagire con i tutor online offrono nuove opportunità. Tuttavia, un problema è identificare il tutor "giusto" per uno studente quando il numero di candidati è elevato. Questo problema può essere inquadrato nell'area di ricerca riguardante i Sistemi di Raccomandazione, dove gli "elementi" da raccomandare sono esperti nell'ambito di istruzione e apprendimento. Questa tesi documenta la progettazione e lo sviluppo di una piattaforma per effettuare il matching studente-tutor e supportare sia gli studenti che i tutor per le attività educative online. Questo lavoro nasce dall'esperienza acquisita dalla progettazione e sviluppo di un'applicazione mobile esistente per la raccomandazione di tutor e dalla necessità di migliorare l'algoritmo di matching dei tutor. Questa tesi indaga un approccio basato su text embedding per la rappresentazione di studenti e tutor e sulla similarità del coseno per ordinare i tutor sulla base del profilo dello studente. Inoltre, la piattaforma include un sistema di gestione delle lezioni, integrazione di video-lezioni e sfrutta un modello generativo multimodale per la generazione automatica di riassunti e quiz.