- MSc thesis
- Γλωσσική Εκπαίδευση για πρόσφυγες και μετανάστες (LRM)
- 09 Μαρτίου 2025
- Αγγλικά
- 116
- Vasiliki Oikonomidou
- Emmanouil Fokidis | Karanikola Zoe
- Adaptive Learning Tools, Refugee Education, Second Language Acquisition, AI-Based Instruction, Teacher Perspectives
- LRM 64
- 4
- 100
- tables, chart, pictures included
-
-
This dissertation analyses the way Artificial Intelligence (AI)-driven adaptive learning tools (ALTs) can enhance the language education for refugees and migrants. Initially, the unique needs of these learners are addressed. Placing as a stepping stone the unique needs of these student groups, the ways in which ALTs can support key linguistic competencies are drawn -such as vocabulary development, pronunciation and comprehension- if combined with well-established theories in second language acquisition (SLA) and sociocultural learning. Methodologically, followed by the literature review, the research employs a mixed-methods survey administered to educators in Greece who work with refugee and migrant learners. Quantitative components include Likert-scale questions measuring teachers’ perceptions of AI’s effectiveness, the frequency of tool usage, and reported improvements in students’ communicative abilities. Concurrently, qualitative data from open-ended questions offer insights into the psychosocial, infrastructural, and cultural challenges encountered in real-world classrooms in Greece. These combined perspectives illuminate both the promise and the complexity of adopting AI-driven ALTs in contexts which are constrained by limited resources and shifting policy environments.
Findings reveal that AI-enhanced instruction can boost motivation, expand language proficiency, and promote social inclusion-particularly when tools are thoughtfully integrated with culturally responsive materials and mindful teacher facilitation. The systemic obstacles are noted; many educators lack training or institutional support, encounter infrastructural shortfalls, and grapple with ethical or data-privacy uncertainties. The study also stresses the need for more advanced, culturally adaptable AI content, stronger evaluation frameworks to measure language gains over time, and well-defined policies on ethical implementation.
Overall, this dissertation presents the potential of ALTs as a valuable supplement, rather than a standalone remedy, for migrant and refugee education. By integrating current language theories with teacher experiences on the ground, it provides a roadmap for policymakers, developers, and educators to leverage AI responsibly, ensuring that these technologies serve as bridges to both academic progress and social empowerment for displaced learners.
-
Η παρούσα διατριβή αναλύει τον τρόπο με τον οποίο εργαλεία προσαρμοστικής μάθησης (ALTs) τα οποία βασίζονται στην τεχνητή νοημοσύνη (AI) μπορούν να βελτιώσουν τη γλωσσική εκπαίδευση για πρόσφυγες και μετανάστες. Τοποθετώντας στη βάση τις μοναδικές ανάγκες των μαθητών αυτών, επιχειρείται η ανάδειξη των τρόπων με τους οποίους τα ALTs μπορούν να υποστηρίξουν βασικές γλωσσικές δεξιότητες -όπως η ανάπτυξη λεξιλογίου, η προφορά και η κατανόηση- εφόσον συνδυαστούν με καθιερωμένες θεωρίες απόκτησης δεύτερης γλώσσας και της κοινωνικοπολιτισμικής μάθηση. Μεθοδολογικά, ακολουθούμενη από τη βιβλιογραφική ανασκόπηση, χρησιμοποιείται μια έρευνα μικτών μεθόδων η οποία χορηγήθηκε σε Έλληνες εκπαιδευτικούς, οι οποίοι εργάζονται με μαθητές προσφυγικού ή μεταναστευτικού υποβάθρου. Τα ποσοτικά στοιχεία περιλαμβάνουν ερωτήσεις κλίμακας Likert που μετρούν τις αντιλήψεις των δασκάλων για την αποτελεσματικότητα της τεχνητής νοημοσύνης, τη συχνότητα χρήσης εργαλείων και τις αναφερόμενες βελτιώσεις στις επικοινωνιακές ικανότητες των μαθητών. Ταυτόχρονα, τα ποιοτικά δεδομένα από ερωτήσεις ανοιχτού τύπου προσφέρουν πληροφορίες για τις ψυχοκοινωνικές, τις υποδομές και τις πολιτιστικές προκλήσεις που αντιμετωπίζονται στις πραγματικές τάξεις στην Ελλάδα. Αυτές οι συνδυασμένες προοπτικές φωτίζουν τόσο την υπόσχεση όσο και την πολυπλοκότητα της υιοθέτησης ALTs σε εκπαιδευτικά περιβάλλοντα τα οποία διαθέτουν περιορισμένους πόρους και μεταβαλλόμενες πολιτικές.
Τα ευρήματα αποκαλύπτουν ότι η διδασκαλία η οποία ενισχύεται με ΑΙ μπορεί να ενισχύσει τα κίνητρα, να διευρύνει τη γλωσσική επάρκεια και να προάγει την κοινωνική ένταξη - ιδιαίτερα όταν τα εργαλεία ενσωματώνονται προσεκτικά με πολιτιστικά ανταποκρινόμενο υλικό και ενσυνείδητη διευκόλυνση των δασκάλων. Επιπροσθέτως, τα συστημικά εμπόδια σημειώνονται: πολλοί εκπαιδευτικοί στερούνται κατάρτισης ή θεσμικής υποστήριξης, αντιμετωπίζουν ελλείψεις σε υποδομές και αντιμετωπίζουν αναστολές ως προς το ηθικό σκέλος της χρήσης ALTs αλλά και την ασφάλεια της ιδιωτικότητας των δεδομένων. Η μελέτη υπογραμμίζει επίσης την ανάγκη για πιο προηγμένο πολιτισμικά προσαρμόσιμο περιεχόμενο τεχνητής νοημοσύνης, ισχυρότερα πλαίσια αξιολόγησης για τη μέτρηση των γλωσσικών κερδών ως προς το χρόνο και σαφώς καθορισμένες πολιτικές για την εφαρμογή ηθικών τεχνολογικών πλαισίων.
Συνολικά, η διατριβή παρουσιάζει τις δυνατότητες των ALTs ως πολύτιμου συμπληρώματος, παρά ως αυτόνομης πανάκειας, για την εκπαίδευση μεταναστών και προσφύγων. Ενσωματώνοντας τις τρέχουσες γλωσσικές θεωρίες με τις επιτόπιες εμπειρίες των εκπαιδευτικών, παρέχει έναν οδικό χάρτη προς τους υπευθύνους χάραξης πολιτικών, τους προγραμματιστές και τους εκπαιδευτικούς ώστε να αξιοποιήσουν την τεχνητή νοημοσύνη υπεύθυνα διασφαλίζοντας ότι αυτές οι τεχνολογίες λειτουργούν ως γέφυρες τόσο για την ακαδημαϊκή πρόοδο όσο και για την κοινωνική ένταξη των ευάλωτων μαθητών.
-
- Hellenic Open University
- Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
AI-Driven Personalised Language Learning for Refugees and Immigrants: A Study on Adaptive Learning Tools and Their Impact on Migrant and Refugee Integration
Εξατομικευμένη Γλωσσική εκπαίδευση για Πρόσφυγες και Μετανάστες με τη χρήση Τεχνητής Νοημοσύνης: Μια μελέτη επί των Προσαρμοστικών Εργαλείων Μάθησης και της Επίδρασής τους στην Ένταξη Μεταναστών και Προσφύγων (Ελληνική)
Κύρια Αρχεία Διατριβής
- LRM_64_Dissertation_2025_Christos_Koukaras_std_523999
Περιγραφή: LRM_64_Dissertation_2025_Christos_Koukaras_std_523999.pdf (pdf) Book Reader
Μέγεθος: 3.2 MB