Ανάπτυξη μεθοδολογίας κοινωνικής και συναισθηματικής μάθησης με αξιοποίηση τεχνολογιών ανάλυσης κοινωνικών δικτύων, γράφων γνώσης και παραγωγικής τεχνητής νοημοσύνης

Ελένη, Φωτοπούλου; Eleni, Fotopoulou

dc.contributor.author	Ελένη, Φωτοπούλου	el
dc.contributor.author	Eleni, Fotopoulou	en
dc.date.accessioned	2026-07-17T07:17:46Z
dc.date.available	2026-07-17T07:17:46Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/65535
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.33229
dc.rights	Default License
dc.subject	Μεθοδολογία Κοινωνικής και Συναισθηματικής Μάθησης	el
dc.subject	Ανάλυση Κοινωνικών Δικτύων	el
dc.subject	Γράφος Γνώσης	el
dc.subject	Σύστημα Σύστασης με Ενισχυτική Μάθηση	el
dc.subject	Παραγωγική Τεχνητή Νοημοσύνη	el
dc.subject	Social and Emotional Learning	en
dc.subject	Social Network Analysis	en
dc.subject	Knowledge Graph	en
dc.subject	Reinforcement Learning driven Recommendation System	en
dc.subject	Generative Agentic AI,	en
dc.title	Ανάπτυξη μεθοδολογίας κοινωνικής και συναισθηματικής μάθησης με αξιοποίηση τεχνολογιών ανάλυσης κοινωνικών δικτύων, γράφων γνώσης και παραγωγικής τεχνητής νοημοσύνης	el
dc.contributor.department	NETMODE - Network Management and Optimal Design Laboratory	el
heal.type	doctoralThesis
heal.secondaryTitle	A Social and Emotional Learning Methodology leveraging Social Network Analysis, Knowledge Graphs and Generative Artificial Intelligence	en
heal.classification	κοινωνική και συναισθηματική μάθηση, γράφοι γνώσης, ανάλυση κοινωνικών δικτύων, παραγωγική τεχνητή νοημοσύνη, ενισχυτική μάθηση	el
heal.classification	social and emotional learning, knowledge graphs, social network analysis, generative artificial intelligence, reinforcement learning	en
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2026-06-11
heal.abstract	Στόχος της παρούσας διατριβής είναι η ανάπτυξη μιας ολοκληρωμένης, υποστηριζόμενης από Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) μεθοδολογίας για την αξιολόγηση και βελτίωση των κοινωνικο-συναισθηματικών ικανοτήτων μαθητών πρωτοβάθμιας και δευτεροβάθμιας εκπαίδευσης, σε ένα διεπιστημονικό πλαίσιο που συνδυάζει αρχές Συναισθηματικής Νοημοσύνης, Επιστημών της Εκπαίδευσης και Τεχνητής Νοημοσύνης. Συγκεκριμένα, η προτεινόμενη μεθοδολογία Κοινωνικής και Συναισθηματικής Μάθησης (ΚΣΜ) υποστηρίζεται από ένα σύνολο διασυνδεδεμένων εργαλείων ανοιχτού κώδικα, τα οποία καλύπτουν το σύνολο του κύκλου ζωής ενός προγράμματος ΚΣΜ. Αρχικά, αναπτύσσεται ένα σημασιολογικά εμπλουτισμένο μοντέλο Συναισθηματικής Νοημοσύνης, το οποίο ενσωματώνει τόσο συναισθηματικές όσο και κοινωνιομετρικές διαστάσεις σε ατομικό και ομαδικό επίπεδο, και τεκμηριώνεται μέσω αναλύσεων συγκλίνουσας και αποκλίνουσας εγκυρότητας για διαφορετικές ηλικιακές ομάδες. Στη συνέχεια, παρουσιάζεται ένα ανοιχτού κώδικα ψυχομετρικό εργαλείο αξιολόγησης που αξιοποιεί τεχνικές ανάλυσης γράφων και διαδραστικές απεικονίσεις, ενώ ενσωματώνει λειτουργίες έξυπνης σύστασης κατάτμησης ομάδων με ιδιαίτερη έμφαση στην προστασία ευαίσθητων δεδομένων. Για τη διαμόρφωση των ομάδων αυτών, αναπτύσσεται ο ένας αλγόριθμος, ο οποίος ακολουθεί μια πολυκριτηριακή προσέγγιση που μοντελοποιεί συνδυαστικά κοινωνιομετρικές σχέσεις, προφίλ συναισθηματικών ικανοτήτων και παιδαγωγικούς περιορισμούς, δίνοντας προτεραιότητα στην ένταξη κοινωνικά και συναισθηματικά ευάλωτων μαθητών σε ισορροπημένες ομάδες. Συμπληρωματικά, αναπτύσσεται διαδικτυακό αποθετήριο δραστηριοτήτων ΚΣΜ, οργανωμένο ανά αναπτυξιακό στάδιο και συναισθηματικές δεξιότητες, το οποίο ενσωματώνει μηχανισμό Ενισχυτικής Μάθησης για την έξυπνη σύσταση δραστηριοτήτων. Το σύνολο των παραγόμενων δεδομένων φιλοξενείται σε έναν Γράφου Γνώσης που εξασφαλίζει ανωνυμοποίηση, σημασιολογική ευθυγράμμιση και ποιοτικό έλεγχο των δεδομένων σε ετήσια βάση. Τέλος, αναπτύσσεται ένας Ψηφιακός Βοηθός πολλαπλών πρακτόρων που αξιοποιεί τεχνικές παραγωγικής Τεχνητής Νοημοσύνης και τεχνικές παραγωγής περιεχομένου με επαυξημένη ανάκτηση πληροφορίας βασισμένης σε Γράφους Γνώσης, υποστηρίζοντας την ενδυνάμωση των εκπαιδευτικών, την ερμηνεία των αποτελεσμάτων αξιολόγησης και τον σχεδιασμό εξατομικευμένων προγραμμάτων ΚΣΜ. Η εγκυρότητα και ο αντίκτυπος της προτεινόμενης μεθοδολογίας τεκμηριώνεται μέσω εμπειρικής εφαρμογής σε ένα ευρύ σύνολο σχολείων πρωτοβάθμιας και δευτεροβάθμιας εκπαίδευσης.	el
heal.abstract	Quite a lot of effort has been put into developing Social and Emotional Learning (SEL) programs in K-12 schools (from kindergarten to high school). However, there are many challenges that hamper the wide adoption of SEL methodologies, starting from the existence of a plethora of heterogeneous frameworks that apply SEL in many different ways, the lack of open Emotional Intelligence (EI) models, the high workload among teachers, and the difficulty of implementing holistic methodologies that simultaneously integrate assessment, planning, implementation, and monitoring. Information and Communication Technologies (ICT) can help teachers with this task by automating routine tasks such as secure data collection, continuous progress tracking, planning of SEL activities, and real-time feedback, freeing up their time and energy for more meaningful student participation and personalized learning during the implementation of the SEL program. By simplifying workflows, ICT not only reduces administrative burden, but also empowers teachers with focused knowledge in the domain of social and emotional learning, enhancing at the same time their technological skills. The objective of this dissertation is to propose a comprehensive ICT-enabled SEL methodology that covers the entire lifecycle of a SEL program in primary and secondary schools.Unlike existing approaches that focus on specific phases, the proposed methodology spans from teacher training and student assessment to the design of targeted interventions, the formation of working subgroups, and the analysis of program impact, providing for each phase both a theoretical foundation and practical open-source digital tools to support educators and students. Specifically, it combines concepts from the field of Emotional Intelligence and sociometry for student assessment, Social Network Analysis techniques for the visualization and interpretation of classroom social dynamics, multi-criteria partitioning algorithms for the formation of working subgroups that take into account students’ emotional profiles and social relationships, and Reinforcement Learning techniques for the recommendation of SEL activities. Furthermore, a Knowledge Graph is developed to store and interconnect anonymized data from real classrooms under a common semantic framework. This includes student assessment results, records of the SEL activities implemented, and data on their impact on classroom climate and socio-emotional competences. This Knowledge Graph serves as the foundation for an agentic digital assistant that leverages Generative AI and Graph Retrieval-Augmented Generation (GraphRAG) techniques to provide educators with evidence-based answers to theoretical SEL questions, personalized interpretation of classroom assessment results, and targeted activity recommendations and learning pathways tailored to the identified needs of students at both individual and collective level. The main research challenges this dissertation aims to address include the need for safe and ethically responsible management of sensitive personal data collected during student assessment, the absence of open and semantically enriched Emotional Intelligence models covering all age groups from early childhood to adulthood, and the need to integrate state-of-the-art technologies in a way that ensures usability for educators without specialized technical knowledge. Finally, the dissertation aims to empirically demonstrate the effectiveness of the proposed methodology through evidence-based outcomes in a wide set of primary and secondary schools, acknowledging that its broad adoption depends largely on the trust that educators develop toward the tools and the methodology. Based on the above, it can be concluded that effective design of SEL programs requires knowledge and collaboration across multiple scientific disciplines. The present dissertation is built on the intersection of three distinct research domains, namely Emotional Intelligence, Education Sciences, and Information and Communication Technologies. The core contribution of this dissertation lies in the integration of these domains into a coherent and pedagogicallygrounded methodology that is both theoretically sound and practically applicable in real school settings.	en
heal.advisorName	Παπαβασιλείου, Συμεών	el
heal.advisorName	Papavassiliou, Symeon	en
heal.committeeMemberName	Nikolaos, Mitrou	en
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Papavassiliou, Symeon	en
heal.committeeMemberName	Ρουσσάκη, Ιωάννα	el
heal.committeeMemberName	Roussaki, Ioanna	en
heal.committeeMemberName	Καντερέ, Βασιλική	el
heal.committeeMemberName	Kantere, Vasiliki	en
heal.committeeMemberName	Στάη, Ελένη	el
heal.committeeMemberName	Stai, Eleni	en
heal.committeeMemberName	Καρυώτης, Βασίλειος	el
heal.committeeMemberName	Karyotis, Vasileios	en
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Matsopoulos, George	en
heal.committeeMemberName	Μήτρου, Νικόλαος	el
heal.committeeMemberName	Mitrou, Nikolaos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	160 σ.	el
heal.fullTextAvailability	false