Carmine Francesco Benvenuto
Progettazione e Validazione di un Framework di Valutazione Pedagogica per Sistemi Retrieval-Augmented Generation in Ambienti di E-Learning.
Rel. Alessio Sacco. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2026
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
L'integrazione dei Large Language Model (LLM) all'interno di architetture Retrieval-Augmented Generation (RAG) rappresenta una delle direttrici più promettenti per l'evoluzione del tutoring didattico intelligente. Sebbene l'ancoraggio a fonti documentali esterne riduca le allucinazioni fattuali, i paradigmi valutativi correnti si concentrano esclusivamente su metriche lessicali tradizionali (BLEU, ROUGE, Token F1) o sulla classica Triade RAG (Faithfulness, Answer Relevance, Context Precision/Recall). Tali criteri risultano strutturalmente inadeguati in ambito educativo: valutare un tutor unicamente in base alla correttezza immediata premia l'erogazione diretta della soluzione (telling o spoilering), azzerando lo sforzo cognitivo dell'allievo (productive struggle) e violando i principi costruttivisti dello scaffolding e della Zona di Sviluppo Prossimale.
La presente tesi affronta questa lacuna metodologica introducendo rag_eval, un framework software modulare ed asincrono per la valutazione multi-paradigma di sistemi RAG, e formalizzando il Pedagogical Evaluation Score (PES), una metrica composita gerarchica non-lineare a tre livelli
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
