{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5296786"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5296786","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Έμφυλες μεροληψίες στην ελληνική γλώσσα και μεγάλα γλωσσικά μοντέλα: H περίπτωση της επίλυσης αναφοράς αντωνυμιών","abstract":"Στόχος της παρούσας διπλωματικής εργασίας είναι η δημιουργία ενός συνόλου δεδομένων στην ελληνική, το οποίο θα επιτρέπει την αξιολόγηση μεγάλων γλωσσικών μοντέλων ως προς την ύπαρξη (ή μη) έμφυλων μεροληψιών (gender bias) κατά τη διαδικασία επίλυσης της αναφοράς (anaphora resolution), και, πιο συγκεκριμένα, της αναφοράς αντωνυμιών (pronoun resolution) της ελληνικής. Δευτερευόντως, επιχειρείται η διερεύνηση τυχόν προτιμήσεων των μεγάλων γλωσσικών μοντέλων (LLM), είτε ελληνικών (Llama-Krikri), είτε μη ελληνικών (Claude, ChatGPT, Llama), για επίλυση των αντωνυμιών υπέρ συγκεκριμένων ουσιαστικών, χρησιμοποιώντας τεχνικές ανίχνευσης (chi-square) και τεχνικές ποσοτικοποίησης των μεροληψιών (Cohen’s d). Ως υλικό της έρευνας χρησιμοποιήθηκαν 900 περίπου προτάσεις σε δυάδες, οι οποίες αποτελούνται από δύο αντικείμενα αναφοράς στην κύρια πρόταση (ένα επαγγελματικό και ένα μη- επαγγελματικό/συμμετέχον ουσιαστικό), και από μία αντωνυμία, αρσενικού και θηλυκού, στη δευτερεύουσα. Για το σχεδιασμό των δεδομένων, αξιοποιήθηκε το γεγονός ότι η ελληνική κωδικοποιεί το γραμματικό γένος (grammatical gender) τόσο στο κλιτικό επίθημα, όσο και στο οριστικό/αόριστο άρθρο μπροστά από τα ουσιαστικά. Για να μην κατευθύνουμε, λοιπόν, τα μεγάλα γλωσσικά μοντέλα ως προς την επίλυση των αντωνυμιών της δευτερεύουσας πρότασης, αφαιρέθηκαν τα άρθρα μπροστά από τα αντικείμενα αναφοράς της κύριας πρότασης, καθώς χρησιμοποιήθηκαν στην κύρια πρόταση ουσιαστικά/αντικείμενα αναφοράς που έχουν ακριβώς τις ίδιες καταλήξεις σε αρσενικό και θηλυκό και, συνεπώς, η κωδικοποίηση του γένους καθορίζεται μόνο από το άρθρο που τα προσδιορίζει. Όσον αφορά τη συντακτική θέση των αντικειμένων αναφοράς, αυτή είναι διαφορετική σε κάθε δυάδα προτάσεων, καθώς στη μία περίπτωση η οντότητα 1, για παράδειγμα, έχει θέση υποκειμένου, ενώ, στην επόμενη δυάδα, βρίσκεται σε θέση μη υποκειμένου. Οι αντωνυμίες που χρησιμοποιούνται στις δευτερεύουσες προτάσεις είναι ισότιμα κατανεμημένες, αφού στη μία πρόταση μιας δυάδας χρησιμοποιείται αντωνυμία αρσενικού και, στην άλλη, αντωνυμία θηλυκού γένους. Αυτή η «δίκαιη» κατανομή των δεδομένων μας βοηθά, αφενός, να τεστάρουμε τις προτιμήσεις των μεγάλων γλωσσικών μοντέλων (LLM) ως προς την επίλυση της αναφοράς των αντωνυμιών, χρησιμοποιώντας διάφορες τεχνικές προτροπής, και αφετέρου, να μελετήσουμε όλες τις παραμέτρους από τις οποίες επηρεάζονται οι προτιμήσεις τους (το είδος, η εγγύτητα και η συντακτική θέση των αντικειμένων αναφοράς, καθώς και το είδος των τεχνικών προτροπής που εφαρμόζονται). Η έρευνα ανέδειξε σημαντικά αποτελέσματα ως προς τη συμβολή τόσο των μεγάλων γλωσσικών μοντέλων (κυρίως του ελληνικού Llama-Krikri), όσο και των τεχνικών προτροπής στην επίλυση της αναφοράς των αντωνυμιών, τονίζοντας, παράλληλα, τη συμβολή της συντακτικής θέσης των αντικειμένων αναφοράς στην όλη διαδικασία. Η μελλοντική έρευνα καλείται να εμβαθύνει ως προς τη διερεύνηση της επίλυσης της αναφοράς αντωνυμιών της ελληνικής σε μη-δυαδικό επίπεδο και σε περισσότερα και, ιδανικά, επισημειωμένα δεδομένα.","abstract_html":"Στόχος της παρούσας διπλωματικής εργασίας είναι η δημιουργία ενός συνόλου δεδομένων στην ελληνική, το οποίο θα επιτρέπει την αξιολόγηση μεγάλων γλωσσικών μοντέλων ως προς την ύπαρξη (ή μη) έμφυλων μεροληψιών (gender bias) κατά τη διαδικασία επίλυσης της αναφοράς (anaphora resolution), και, πιο συγκεκριμένα, της αναφοράς αντωνυμιών (pronoun resolution) της ελληνικής. Δευτερευόντως, επιχειρείται η διερεύνηση τυχόν προτιμήσεων των μεγάλων γλωσσικών μοντέλων (LLM), είτε ελληνικών (Llama-Krikri), είτε μη ελληνικών (Claude, ChatGPT, Llama), για επίλυση των αντωνυμιών υπέρ συγκεκριμένων ουσιαστικών, χρησιμοποιώντας τεχνικές ανίχνευσης (chi-square) και τεχνικές ποσοτικοποίησης των μεροληψιών (Cohen’s d). Ως υλικό της έρευνας χρησιμοποιήθηκαν 900 περίπου προτάσεις σε δυάδες, οι οποίες αποτελούνται από δύο αντικείμενα αναφοράς στην κύρια πρόταση (ένα επαγγελματικό και ένα μη- επαγγελματικό/συμμετέχον ουσιαστικό), και από μία αντωνυμία, αρσενικού και θηλυκού, στη δευτερεύουσα. Για το σχεδιασμό των δεδομένων, αξιοποιήθηκε το γεγονός ότι η ελληνική κωδικοποιεί το γραμματικό γένος (grammatical gender) τόσο στο κλιτικό επίθημα, όσο και στο οριστικό/αόριστο άρθρο μπροστά από τα ουσιαστικά. Για να μην κατευθύνουμε, λοιπόν, τα μεγάλα γλωσσικά μοντέλα ως προς την επίλυση των αντωνυμιών της δευτερεύουσας πρότασης, αφαιρέθηκαν τα άρθρα μπροστά από τα αντικείμενα αναφοράς της κύριας πρότασης, καθώς χρησιμοποιήθηκαν στην κύρια πρόταση ουσιαστικά/αντικείμενα αναφοράς που έχουν ακριβώς τις ίδιες καταλήξεις σε αρσενικό και θηλυκό και, συνεπώς, η κωδικοποίηση του γένους καθορίζεται μόνο από το άρθρο που τα προσδιορίζει. Όσον αφορά τη συντακτική θέση των αντικειμένων αναφοράς, αυτή είναι διαφορετική σε κάθε δυάδα προτάσεων, καθώς στη μία περίπτωση η οντότητα 1, για παράδειγμα, έχει θέση υποκειμένου, ενώ, στην επόμενη δυάδα, βρίσκεται σε θέση μη υποκειμένου. Οι αντωνυμίες που χρησιμοποιούνται στις δευτερεύουσες προτάσεις είναι ισότιμα κατανεμημένες, αφού στη μία πρόταση μιας δυάδας χρησιμοποιείται αντωνυμία αρσενικού και, στην άλλη, αντωνυμία θηλυκού γένους. Αυτή η «δίκαιη» κατανομή των δεδομένων μας βοηθά, αφενός, να τεστάρουμε τις προτιμήσεις των μεγάλων γλωσσικών μοντέλων (LLM) ως προς την επίλυση της αναφοράς των αντωνυμιών, χρησιμοποιώντας διάφορες τεχνικές προτροπής, και αφετέρου, να μελετήσουμε όλες τις παραμέτρους από τις οποίες επηρεάζονται οι προτιμήσεις τους (το είδος, η εγγύτητα και η συντακτική θέση των αντικειμένων αναφοράς, καθώς και το είδος των τεχνικών προτροπής που εφαρμόζονται). Η έρευνα ανέδειξε σημαντικά αποτελέσματα ως προς τη συμβολή τόσο των μεγάλων γλωσσικών μοντέλων (κυρίως του ελληνικού Llama-Krikri), όσο και των τεχνικών προτροπής στην επίλυση της αναφοράς των αντωνυμιών, τονίζοντας, παράλληλα, τη συμβολή της συντακτικής θέσης των αντικειμένων αναφοράς στην όλη διαδικασία. Η μελλοντική έρευνα καλείται να εμβαθύνει ως προς τη διερεύνηση της επίλυσης της αναφοράς αντωνυμιών της ελληνικής σε μη-δυαδικό επίπεδο και σε περισσότερα και, ιδανικά, επισημειωμένα δεδομένα.","abstract_has_math":false,"creators":["Διαμαντόπουλος Κωνσταντίνος","Diamantopoulos Konstantinos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:33:03Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5296786"],"render_values":[{"text":"uoadl:5296786","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5296786","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5296786","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5296786","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Διαμαντόπουλος Κωνσταντίνος","Diamantopoulos Konstantinos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5296786","https://pergamos.lib.uoa.gr/uoa/dl/object/5296786"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στόχος της παρούσας διπλωματικής εργασίας είναι η δημιουργία ενός συνόλου δεδομένων στην ελληνική, το οποίο θα επιτρέπει την αξιολόγηση μεγάλων γλωσσικών μοντέλων ως προς την ύπαρξη (ή μη) έμφυλων μεροληψιών (gender bias) κατά τη διαδικασία επίλυσης της αναφοράς (anaphora resolution), και, πιο συγκεκριμένα, της αναφοράς αντωνυμιών (pronoun resolution) της ελληνικής. Δευτερευόντως, επιχειρείται η διερεύνηση τυχόν προτιμήσεων των μεγάλων γλωσσικών μοντέλων (LLM), είτε ελληνικών (Llama-Krikri), είτε μη ελληνικών (Claude, ChatGPT, Llama), για επίλυση των αντωνυμιών υπέρ συγκεκριμένων ουσιαστικών, χρησιμοποιώντας τεχνικές ανίχνευσης (chi-square) και τεχνικές ποσοτικοποίησης των μεροληψιών (Cohen’s d). Ως υλικό της έρευνας χρησιμοποιήθηκαν 900 περίπου προτάσεις σε δυάδες, οι οποίες αποτελούνται από δύο αντικείμενα αναφοράς στην κύρια πρόταση (ένα επαγγελματικό και ένα μη- επαγγελματικό/συμμετέχον ουσιαστικό), και από μία αντωνυμία, αρσενικού και θηλυκού, στη δευτερεύουσα. Για το σχεδιασμό των δεδομένων, αξιοποιήθηκε το γεγονός ότι η ελληνική κωδικοποιεί το γραμματικό γένος (grammatical gender) τόσο στο κλιτικό επίθημα, όσο και στο οριστικό/αόριστο άρθρο μπροστά από τα ουσιαστικά. Για να μην κατευθύνουμε, λοιπόν, τα μεγάλα γλωσσικά μοντέλα ως προς την επίλυση των αντωνυμιών της δευτερεύουσας πρότασης, αφαιρέθηκαν τα άρθρα μπροστά από τα αντικείμενα αναφοράς της κύριας πρότασης, καθώς χρησιμοποιήθηκαν στην κύρια πρόταση ουσιαστικά/αντικείμενα αναφοράς που έχουν ακριβώς τις ίδιες καταλήξεις σε αρσενικό και θηλυκό και, συνεπώς, η κωδικοποίηση του γένους καθορίζεται μόνο από το άρθρο που τα προσδιορίζει. Όσον αφορά τη συντακτική θέση των αντικειμένων αναφοράς, αυτή είναι διαφορετική σε κάθε δυάδα προτάσεων, καθώς στη μία περίπτωση η οντότητα 1, για παράδειγμα, έχει θέση υποκειμένου, ενώ, στην επόμενη δυάδα, βρίσκεται σε θέση μη υποκειμένου. Οι αντωνυμίες που χρησιμοποιούνται στις δευτερεύουσες προτάσεις είναι ισότιμα κατανεμημένες, αφού στη μία πρόταση μιας δυάδας χρησιμοποιείται αντωνυμία αρσενικού και, στην άλλη, αντωνυμία θηλυκού γένους. Αυτή η «δίκαιη» κατανομή των δεδομένων μας βοηθά, αφενός, να τεστάρουμε τις προτιμήσεις των μεγάλων γλωσσικών μοντέλων (LLM) ως προς την επίλυση της αναφοράς των αντωνυμιών, χρησιμοποιώντας διάφορες τεχνικές προτροπής, και αφετέρου, να μελετήσουμε όλες τις παραμέτρους από τις οποίες επηρεάζονται οι προτιμήσεις τους (το είδος, η εγγύτητα και η συντακτική θέση των αντικειμένων αναφοράς, καθώς και το είδος των τεχνικών προτροπής που εφαρμόζονται). Η έρευνα ανέδειξε σημαντικά αποτελέσματα ως προς τη συμβολή τόσο των μεγάλων γλωσσικών μοντέλων (κυρίως του ελληνικού Llama-Krikri), όσο και των τεχνικών προτροπής στην επίλυση της αναφοράς των αντωνυμιών, τονίζοντας, παράλληλα, τη συμβολή της συντακτικής θέσης των αντικειμένων αναφοράς στην όλη διαδικασία. Η μελλοντική έρευνα καλείται να εμβαθύνει ως προς τη διερεύνηση της επίλυσης της αναφοράς αντωνυμιών της ελληνικής σε μη-δυαδικό επίπεδο και σε περισσότερα και, ιδανικά, επισημειωμένα δεδομένα.","The aim of this master’s thesis is the creation of a Greek dataset designed to enable the evaluation of large language models (LLMs) with regard to the presence (or absence) of gender biases during the process of anaphora resolution—more specifically, pronoun resolution in Greek. A secondary objective is to explore potential preferences of LLMs, both Greek (Llama-Krikri) and non-Greek (Claude, ChatGPT, Llama), for resolving pronouns in favour of particular nouns, using bias detection techniques (chi-square) and bias quantification techniques (Cohen’s d). The dataset comprises approximately 900 sentence pairs, each consisting of two referents in the main clause (an occupational noun and a non-occupational/participant noun) and a masculine or feminine pronoun in the subordinate clause. The data design capitalises on the fact that Greek encodes grammatical gender both via inflectional suffixes and via the definite/indefinite article. To avoid steering the language models toward a particular pronoun resolution, the articles preceding the referents in the main clause were removed. Additionally, the referent nouns were carefully selected so that their masculine and feminine forms share identical suffixes, making grammatical gender distinguishable solely through the article—which was deliberately omitted. As for syntactic position, the two referents appear in alternating roles across each sentence pair: in one, entity 1 occupies the subject position; in the next, a non-subject position. The pronouns in the subordinate clauses are evenly distributed—one sentence uses a masculine pronoun, the other a feminine one. This balanced data construction facilitates the testing of LLM preferences in pronoun resolution, through various prompting techniques, while also allowing for investigation into the parameters that influence these preferences—namely, the type, proximity, and syntactic position of the referents, as well as the nature of the prompting techniques employed. The research yields significant findings regarding the impact of LLMs (particularly the Greek Llama-Krikri) and prompting strategies on pronoun resolution, while also highlighting the importance of the referents’ syntactic position in this process. Future research is encouraged to delve deeper into Greek pronoun resolution beyond binary referent structures and using larger, ideally annotated datasets."]},{"key":"dc:title","label":"Title","values":["Έμφυλες μεροληψίες στην ελληνική γλώσσα και μεγάλα γλωσσικά μοντέλα: H περίπτωση της επίλυσης αναφοράς αντωνυμιών"]}]}],"canonical_facts":{"dc:creator":["Διαμαντόπουλος Κωνσταντίνος","Diamantopoulos Konstantinos"],"dc:date":["2025"],"dc:description":["Στόχος της παρούσας διπλωματικής εργασίας είναι η δημιουργία ενός συνόλου δεδομένων στην ελληνική, το οποίο θα επιτρέπει την αξιολόγηση μεγάλων γλωσσικών μοντέλων ως προς την ύπαρξη (ή μη) έμφυλων μεροληψιών (gender bias) κατά τη διαδικασία επίλυσης της αναφοράς (anaphora resolution), και, πιο συγκεκριμένα, της αναφοράς αντωνυμιών (pronoun resolution) της ελληνικής. Δευτερευόντως, επιχειρείται η διερεύνηση τυχόν προτιμήσεων των μεγάλων γλωσσικών μοντέλων (LLM), είτε ελληνικών (Llama-Krikri), είτε μη ελληνικών (Claude, ChatGPT, Llama), για επίλυση των αντωνυμιών υπέρ συγκεκριμένων ουσιαστικών, χρησιμοποιώντας τεχνικές ανίχνευσης (chi-square) και τεχνικές ποσοτικοποίησης των μεροληψιών (Cohen’s d). Ως υλικό της έρευνας χρησιμοποιήθηκαν 900 περίπου προτάσεις σε δυάδες, οι οποίες αποτελούνται από δύο αντικείμενα αναφοράς στην κύρια πρόταση (ένα επαγγελματικό και ένα μη- επαγγελματικό/συμμετέχον ουσιαστικό), και από μία αντωνυμία, αρσενικού και θηλυκού, στη δευτερεύουσα. Για το σχεδιασμό των δεδομένων, αξιοποιήθηκε το γεγονός ότι η ελληνική κωδικοποιεί το γραμματικό γένος (grammatical gender) τόσο στο κλιτικό επίθημα, όσο και στο οριστικό/αόριστο άρθρο μπροστά από τα ουσιαστικά. Για να μην κατευθύνουμε, λοιπόν, τα μεγάλα γλωσσικά μοντέλα ως προς την επίλυση των αντωνυμιών της δευτερεύουσας πρότασης, αφαιρέθηκαν τα άρθρα μπροστά από τα αντικείμενα αναφοράς της κύριας πρότασης, καθώς χρησιμοποιήθηκαν στην κύρια πρόταση ουσιαστικά/αντικείμενα αναφοράς που έχουν ακριβώς τις ίδιες καταλήξεις σε αρσενικό και θηλυκό και, συνεπώς, η κωδικοποίηση του γένους καθορίζεται μόνο από το άρθρο που τα προσδιορίζει. Όσον αφορά τη συντακτική θέση των αντικειμένων αναφοράς, αυτή είναι διαφορετική σε κάθε δυάδα προτάσεων, καθώς στη μία περίπτωση η οντότητα 1, για παράδειγμα, έχει θέση υποκειμένου, ενώ, στην επόμενη δυάδα, βρίσκεται σε θέση μη υποκειμένου. Οι αντωνυμίες που χρησιμοποιούνται στις δευτερεύουσες προτάσεις είναι ισότιμα κατανεμημένες, αφού στη μία πρόταση μιας δυάδας χρησιμοποιείται αντωνυμία αρσενικού και, στην άλλη, αντωνυμία θηλυκού γένους. Αυτή η «δίκαιη» κατανομή των δεδομένων μας βοηθά, αφενός, να τεστάρουμε τις προτιμήσεις των μεγάλων γλωσσικών μοντέλων (LLM) ως προς την επίλυση της αναφοράς των αντωνυμιών, χρησιμοποιώντας διάφορες τεχνικές προτροπής, και αφετέρου, να μελετήσουμε όλες τις παραμέτρους από τις οποίες επηρεάζονται οι προτιμήσεις τους (το είδος, η εγγύτητα και η συντακτική θέση των αντικειμένων αναφοράς, καθώς και το είδος των τεχνικών προτροπής που εφαρμόζονται). Η έρευνα ανέδειξε σημαντικά αποτελέσματα ως προς τη συμβολή τόσο των μεγάλων γλωσσικών μοντέλων (κυρίως του ελληνικού Llama-Krikri), όσο και των τεχνικών προτροπής στην επίλυση της αναφοράς των αντωνυμιών, τονίζοντας, παράλληλα, τη συμβολή της συντακτικής θέσης των αντικειμένων αναφοράς στην όλη διαδικασία. Η μελλοντική έρευνα καλείται να εμβαθύνει ως προς τη διερεύνηση της επίλυσης της αναφοράς αντωνυμιών της ελληνικής σε μη-δυαδικό επίπεδο και σε περισσότερα και, ιδανικά, επισημειωμένα δεδομένα.","The aim of this master’s thesis is the creation of a Greek dataset designed to enable the evaluation of large language models (LLMs) with regard to the presence (or absence) of gender biases during the process of anaphora resolution—more specifically, pronoun resolution in Greek. A secondary objective is to explore potential preferences of LLMs, both Greek (Llama-Krikri) and non-Greek (Claude, ChatGPT, Llama), for resolving pronouns in favour of particular nouns, using bias detection techniques (chi-square) and bias quantification techniques (Cohen’s d). The dataset comprises approximately 900 sentence pairs, each consisting of two referents in the main clause (an occupational noun and a non-occupational/participant noun) and a masculine or feminine pronoun in the subordinate clause. The data design capitalises on the fact that Greek encodes grammatical gender both via inflectional suffixes and via the definite/indefinite article. To avoid steering the language models toward a particular pronoun resolution, the articles preceding the referents in the main clause were removed. Additionally, the referent nouns were carefully selected so that their masculine and feminine forms share identical suffixes, making grammatical gender distinguishable solely through the article—which was deliberately omitted. As for syntactic position, the two referents appear in alternating roles across each sentence pair: in one, entity 1 occupies the subject position; in the next, a non-subject position. The pronouns in the subordinate clauses are evenly distributed—one sentence uses a masculine pronoun, the other a feminine one. This balanced data construction facilitates the testing of LLM preferences in pronoun resolution, through various prompting techniques, while also allowing for investigation into the parameters that influence these preferences—namely, the type, proximity, and syntactic position of the referents, as well as the nature of the prompting techniques employed. The research yields significant findings regarding the impact of LLMs (particularly the Greek Llama-Krikri) and prompting strategies on pronoun resolution, while also highlighting the importance of the referents’ syntactic position in this process. Future research is encouraged to delve deeper into Greek pronoun resolution beyond binary referent structures and using larger, ideally annotated datasets."],"dc:identifier":["uoadl:5296786","https://pergamos.lib.uoa.gr/uoa/dl/object/5296786"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Έμφυλες μεροληψίες στην ελληνική γλώσσα και μεγάλα γλωσσικά μοντέλα: H περίπτωση της επίλυσης αναφοράς αντωνυμιών"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:33:03Z"}