{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5312573"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5312573","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"\"TheraBot\" : Ανάπτυξη και Αξιολόγηση Ελληνόγλωσσου Chatbot Ψυχικής Υγείας","abstract":"Στην παρούσα διπλωματική παρουσιάζεται το TheraBot, ένας ελληνόγλωσσος συνομιλιακός βοηθός ψυχικής υγείας που βασίζεται στο Llama-Krikri, το ελληνικό Μεγάλο Γλωσσικό Μοντέλο (LLM) προσβάσιμο μέσω OpenAI. Κίνητρο της εργασίας αποτελεί η έλλειψη ώριμων ελληνικών πόρων για υποστηρικτικό διάλογο, καθώς και η ανάγκη αξιολόγησης συστημάτων με έμφαση στην ενσυναίσθηση και την κατανόηση των καθημερινών προβλημάτων των χρηστών που συνδέονται άμεσα με τα συναισθήματά τους. Στο πλαίσιο αυτό, αναπτύχθηκε μια εφαρμογή που παρέχει ψυχολογική υποστήριξη στους χρήστες και προσφέρει επιπλέον λειτουργίες, όπως ημερολόγιο συναισθημάτων και φωνητική καταγραφή μέσω συστήματος αυτόματης αναγνώρισης ομιλίας (ASR). Η υλοποίηση βασίζεται σε ένα πρακτικό pipeline: «μετάφραση δεδομένων από αγγλικά σε ελληνικά → προσαρμογή Μεγάλου Γλωσσικού Μοντέλου (LoRA) → αξιολόγηση → εφαρμογή». Αρχικά, μεταφράστηκαν στα ελληνικά σύνολα δεδομένων για συναισθηματικό και υποστηρικτικό διάλογο, χρησιμοποιώντας παραμετροποιημένες εκδόσεις του \"Llama-Krikri\". Η μηχανική μετάφραση αξιολογήθηκε με COMET. Στη συνέχεια, το Krikri προσαρμόστηκε με LoRA/QLoRA για το αντικείμενο της εργασίας, με τεκμηρίωση υπερπαραμέτρων, υποδομής και σημείων ελέγχου. Παρουσιάζονται επίσης οι καμπύλες εκπαίδευσης και ο σχεδιασμός prompt/system-role, που επιβάλλει την αποφυγή «θεραπευτικών» ισχυρισμών και τη χρήση σαφών αποποιήσεων. Η αξιολόγηση του \"TheraBot\" πραγματοποιήθηκε μέσω του πλαισίου GEval, με κριτή το krikri-dpo-context, σε test splits των συνόλων Empathetic Dialogues και CBT-Bench. Τα αποτελέσματα δείχνουν οριακές αλλά συνεπείς διαφοροποιήσεις υπέρ του fine-tuned μοντέλου, με ήπια βελτίωση σε δείκτες ενσυναίσθησης και χρησιμότητας, ενώ η απόδοση σε πτυχές όπως η ασφάλεια και η συνοχή παρέμεινε σταθερή. Συνολικά, το TheraBot φαίνεται να διατηρεί την αξιοπιστία του baseline μοντέλου, επιτυγχάνοντας παράλληλα πιο φυσικό και προσαρμοσμένο ύφος επικοινωνίας στο θεραπευτικό πλαίσιο. Η εργασία συνεισφέρει με την παροχή ελληνικοποιημένων συνόλων δεδομένων με τεκμηριωμένους ελέγχους ποιότητας, την ανάπτυξη προσαρμοσμένου LLaMA-Krikri μεγάλου γλωσσικού μοντέλου για υποστηρικτικούς διαλόγους στα ελληνικά, την εισαγωγή υβριδικού πρωτοκόλλου αξιολόγησης που συνδυάζει GEval με έμφαση στην ενσυναίσθηση και τη φυσικότητα, καθώς και την υλοποίηση λειτουργικής εφαρμογής με φωνητική διεπαφή και μηχανισμούς ασφαλείας (guardrails). Παράλληλα, καταγράφονται οι περιορισμοί της προσέγγισης, όπως οι προκαταλήψεις που μπορεί να ενσωματώνονται στις μεταφράσεις, η αξιοπιστία του LLM-κριτή και η μη κλινική χρήση του συστήματος. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, όπως η διεύρυνση των δεδομένων, η ενσωμάτωση ισχυρότερων μηχανισμών ασφάλειας (safety suites) για περαιτέρω επέκταση των δυνατοτήτων του συστήματος.","abstract_html":"Στην παρούσα διπλωματική παρουσιάζεται το TheraBot, ένας ελληνόγλωσσος συνομιλιακός βοηθός ψυχικής υγείας που βασίζεται στο Llama-Krikri, το ελληνικό Μεγάλο Γλωσσικό Μοντέλο (LLM) προσβάσιμο μέσω OpenAI. Κίνητρο της εργασίας αποτελεί η έλλειψη ώριμων ελληνικών πόρων για υποστηρικτικό διάλογο, καθώς και η ανάγκη αξιολόγησης συστημάτων με έμφαση στην ενσυναίσθηση και την κατανόηση των καθημερινών προβλημάτων των χρηστών που συνδέονται άμεσα με τα συναισθήματά τους. Στο πλαίσιο αυτό, αναπτύχθηκε μια εφαρμογή που παρέχει ψυχολογική υποστήριξη στους χρήστες και προσφέρει επιπλέον λειτουργίες, όπως ημερολόγιο συναισθημάτων και φωνητική καταγραφή μέσω συστήματος αυτόματης αναγνώρισης ομιλίας (ASR). Η υλοποίηση βασίζεται σε ένα πρακτικό pipeline: «μετάφραση δεδομένων από αγγλικά σε ελληνικά → προσαρμογή Μεγάλου Γλωσσικού Μοντέλου (LoRA) → αξιολόγηση → εφαρμογή». Αρχικά, μεταφράστηκαν στα ελληνικά σύνολα δεδομένων για συναισθηματικό και υποστηρικτικό διάλογο, χρησιμοποιώντας παραμετροποιημένες εκδόσεις του &quot;Llama-Krikri&quot;. Η μηχανική μετάφραση αξιολογήθηκε με COMET. Στη συνέχεια, το Krikri προσαρμόστηκε με LoRA/QLoRA για το αντικείμενο της εργασίας, με τεκμηρίωση υπερπαραμέτρων, υποδομής και σημείων ελέγχου. Παρουσιάζονται επίσης οι καμπύλες εκπαίδευσης και ο σχεδιασμός prompt/system-role, που επιβάλλει την αποφυγή «θεραπευτικών» ισχυρισμών και τη χρήση σαφών αποποιήσεων. Η αξιολόγηση του &quot;TheraBot&quot; πραγματοποιήθηκε μέσω του πλαισίου GEval, με κριτή το krikri-dpo-context, σε test splits των συνόλων Empathetic Dialogues και CBT-Bench. Τα αποτελέσματα δείχνουν οριακές αλλά συνεπείς διαφοροποιήσεις υπέρ του fine-tuned μοντέλου, με ήπια βελτίωση σε δείκτες ενσυναίσθησης και χρησιμότητας, ενώ η απόδοση σε πτυχές όπως η ασφάλεια και η συνοχή παρέμεινε σταθερή. Συνολικά, το TheraBot φαίνεται να διατηρεί την αξιοπιστία του baseline μοντέλου, επιτυγχάνοντας παράλληλα πιο φυσικό και προσαρμοσμένο ύφος επικοινωνίας στο θεραπευτικό πλαίσιο. Η εργασία συνεισφέρει με την παροχή ελληνικοποιημένων συνόλων δεδομένων με τεκμηριωμένους ελέγχους ποιότητας, την ανάπτυξη προσαρμοσμένου LLaMA-Krikri μεγάλου γλωσσικού μοντέλου για υποστηρικτικούς διαλόγους στα ελληνικά, την εισαγωγή υβριδικού πρωτοκόλλου αξιολόγησης που συνδυάζει GEval με έμφαση στην ενσυναίσθηση και τη φυσικότητα, καθώς και την υλοποίηση λειτουργικής εφαρμογής με φωνητική διεπαφή και μηχανισμούς ασφαλείας (guardrails). Παράλληλα, καταγράφονται οι περιορισμοί της προσέγγισης, όπως οι προκαταλήψεις που μπορεί να ενσωματώνονται στις μεταφράσεις, η αξιοπιστία του LLM-κριτή και η μη κλινική χρήση του συστήματος. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, όπως η διεύρυνση των δεδομένων, η ενσωμάτωση ισχυρότερων μηχανισμών ασφάλειας (safety suites) για περαιτέρω επέκταση των δυνατοτήτων του συστήματος.","abstract_has_math":false,"creators":["Βαβάτση Ευαγγελία","Vavatsi Evangelia"],"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":"2026-11-19T06:40:51Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5312573"],"render_values":[{"text":"uoadl:5312573","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5312573","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5312573","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%3A5312573","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βαβάτση Ευαγγελία","Vavatsi Evangelia"]}]},{"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":["Τεχνολογία – Πληροφορική","Technology - Computer 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:5312573","https://pergamos.lib.uoa.gr/uoa/dl/object/5312573"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στην παρούσα διπλωματική παρουσιάζεται το TheraBot, ένας ελληνόγλωσσος συνομιλιακός βοηθός ψυχικής υγείας που βασίζεται στο Llama-Krikri, το ελληνικό Μεγάλο Γλωσσικό Μοντέλο (LLM) προσβάσιμο μέσω OpenAI. Κίνητρο της εργασίας αποτελεί η έλλειψη ώριμων ελληνικών πόρων για υποστηρικτικό διάλογο, καθώς και η ανάγκη αξιολόγησης συστημάτων με έμφαση στην ενσυναίσθηση και την κατανόηση των καθημερινών προβλημάτων των χρηστών που συνδέονται άμεσα με τα συναισθήματά τους. Στο πλαίσιο αυτό, αναπτύχθηκε μια εφαρμογή που παρέχει ψυχολογική υποστήριξη στους χρήστες και προσφέρει επιπλέον λειτουργίες, όπως ημερολόγιο συναισθημάτων και φωνητική καταγραφή μέσω συστήματος αυτόματης αναγνώρισης ομιλίας (ASR). Η υλοποίηση βασίζεται σε ένα πρακτικό pipeline: «μετάφραση δεδομένων από αγγλικά σε ελληνικά → προσαρμογή Μεγάλου Γλωσσικού Μοντέλου (LoRA) → αξιολόγηση → εφαρμογή». Αρχικά, μεταφράστηκαν στα ελληνικά σύνολα δεδομένων για συναισθηματικό και υποστηρικτικό διάλογο, χρησιμοποιώντας παραμετροποιημένες εκδόσεις του \"Llama-Krikri\". Η μηχανική μετάφραση αξιολογήθηκε με COMET. Στη συνέχεια, το Krikri προσαρμόστηκε με LoRA/QLoRA για το αντικείμενο της εργασίας, με τεκμηρίωση υπερπαραμέτρων, υποδομής και σημείων ελέγχου. Παρουσιάζονται επίσης οι καμπύλες εκπαίδευσης και ο σχεδιασμός prompt/system-role, που επιβάλλει την αποφυγή «θεραπευτικών» ισχυρισμών και τη χρήση σαφών αποποιήσεων. Η αξιολόγηση του \"TheraBot\" πραγματοποιήθηκε μέσω του πλαισίου GEval, με κριτή το krikri-dpo-context, σε test splits των συνόλων Empathetic Dialogues και CBT-Bench. Τα αποτελέσματα δείχνουν οριακές αλλά συνεπείς διαφοροποιήσεις υπέρ του fine-tuned μοντέλου, με ήπια βελτίωση σε δείκτες ενσυναίσθησης και χρησιμότητας, ενώ η απόδοση σε πτυχές όπως η ασφάλεια και η συνοχή παρέμεινε σταθερή. Συνολικά, το TheraBot φαίνεται να διατηρεί την αξιοπιστία του baseline μοντέλου, επιτυγχάνοντας παράλληλα πιο φυσικό και προσαρμοσμένο ύφος επικοινωνίας στο θεραπευτικό πλαίσιο. Η εργασία συνεισφέρει με την παροχή ελληνικοποιημένων συνόλων δεδομένων με τεκμηριωμένους ελέγχους ποιότητας, την ανάπτυξη προσαρμοσμένου LLaMA-Krikri μεγάλου γλωσσικού μοντέλου για υποστηρικτικούς διαλόγους στα ελληνικά, την εισαγωγή υβριδικού πρωτοκόλλου αξιολόγησης που συνδυάζει GEval με έμφαση στην ενσυναίσθηση και τη φυσικότητα, καθώς και την υλοποίηση λειτουργικής εφαρμογής με φωνητική διεπαφή και μηχανισμούς ασφαλείας (guardrails). Παράλληλα, καταγράφονται οι περιορισμοί της προσέγγισης, όπως οι προκαταλήψεις που μπορεί να ενσωματώνονται στις μεταφράσεις, η αξιοπιστία του LLM-κριτή και η μη κλινική χρήση του συστήματος. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, όπως η διεύρυνση των δεδομένων, η ενσωμάτωση ισχυρότερων μηχανισμών ασφάλειας (safety suites) για περαιτέρω επέκταση των δυνατοτήτων του συστήματος.","This thesis presents TheraBot, a Greek-speaking conversational assistant for mental health support, built upon Llama-Krikri, the Greek Large Language Model (LLM) accessible via the OpenAI API. The motivation behind this work stems from the lack of mature Greek-language resources for supportive dialogue, as well as from the need to evaluate systems emphasizing empathy and understanding of users’ everyday emotional experiences. Within this context, an application was developed that provides psychological support to users while offering additional functionalities, such as an emotion diary and voice recording through an Automatic Speech Recognition (ASR) system. The implementation follows a practical pipeline: data translation from English to Greek → fine-tuning of a Large Language Model (LoRA) → evaluation → application. Initially, datasets related to emotional and supportive dialogue were translated into Greek using customized versions of Krikri. The machine translation quality was evaluated with COMET. Subsequently, the Krikri model was fine-tuned with LoRA/QLoRA for the purpose of this work, with detailed documentation of hyperparameters, infrastructure, and checkpoints. The training curves and the design of prompt/system roles are also presented, ensuring the avoidance of “therapeutic” claims and the inclusion of clear disclaimers. The evaluation of TheraBot was conducted through the GEval framework, using krikri-dpo-context as the judging model, across the test splits of Empathetic Dialogues, CBT-Bench, and Psychology 10K. The results indicate marginal yet consistent improvements in favor of the fine-tuned model, showing mild gains in empathy and usefulness, while maintaining stable performance in safety and coherence. Overall, TheraBot preserves the reliability of the baseline model while achieving a more natural and contextually adapted communication style within therapeutic dialogues. This work contributes by providing Greek-localized dialogue datasets with documented quality control, the development of a customized LLaMA-Krikri model for supportive conversation in Greek, the introduction of a hybrid evaluation protocol combining GEval metrics with emphasis on empathy and naturalness, and the implementation of a functional application featuring voice interaction and safety mechanisms (guardrails). Limitations of the current approach are also discussed, including potential biases in machine-translated data, the reliability of LLM-based evaluation, and the non-clinical nature of the system. Finally, future directions are proposed, such as expanding the datasets, integrating advanced safety suites, and extending the system’s capabilities further."]},{"key":"dc:title","label":"Title","values":["\"TheraBot\" : Ανάπτυξη και Αξιολόγηση Ελληνόγλωσσου Chatbot Ψυχικής Υγείας"]}]}],"canonical_facts":{"dc:creator":["Βαβάτση Ευαγγελία","Vavatsi Evangelia"],"dc:date":["2025"],"dc:description":["Στην παρούσα διπλωματική παρουσιάζεται το TheraBot, ένας ελληνόγλωσσος συνομιλιακός βοηθός ψυχικής υγείας που βασίζεται στο Llama-Krikri, το ελληνικό Μεγάλο Γλωσσικό Μοντέλο (LLM) προσβάσιμο μέσω OpenAI. Κίνητρο της εργασίας αποτελεί η έλλειψη ώριμων ελληνικών πόρων για υποστηρικτικό διάλογο, καθώς και η ανάγκη αξιολόγησης συστημάτων με έμφαση στην ενσυναίσθηση και την κατανόηση των καθημερινών προβλημάτων των χρηστών που συνδέονται άμεσα με τα συναισθήματά τους. Στο πλαίσιο αυτό, αναπτύχθηκε μια εφαρμογή που παρέχει ψυχολογική υποστήριξη στους χρήστες και προσφέρει επιπλέον λειτουργίες, όπως ημερολόγιο συναισθημάτων και φωνητική καταγραφή μέσω συστήματος αυτόματης αναγνώρισης ομιλίας (ASR). Η υλοποίηση βασίζεται σε ένα πρακτικό pipeline: «μετάφραση δεδομένων από αγγλικά σε ελληνικά → προσαρμογή Μεγάλου Γλωσσικού Μοντέλου (LoRA) → αξιολόγηση → εφαρμογή». Αρχικά, μεταφράστηκαν στα ελληνικά σύνολα δεδομένων για συναισθηματικό και υποστηρικτικό διάλογο, χρησιμοποιώντας παραμετροποιημένες εκδόσεις του \"Llama-Krikri\". Η μηχανική μετάφραση αξιολογήθηκε με COMET. Στη συνέχεια, το Krikri προσαρμόστηκε με LoRA/QLoRA για το αντικείμενο της εργασίας, με τεκμηρίωση υπερπαραμέτρων, υποδομής και σημείων ελέγχου. Παρουσιάζονται επίσης οι καμπύλες εκπαίδευσης και ο σχεδιασμός prompt/system-role, που επιβάλλει την αποφυγή «θεραπευτικών» ισχυρισμών και τη χρήση σαφών αποποιήσεων. Η αξιολόγηση του \"TheraBot\" πραγματοποιήθηκε μέσω του πλαισίου GEval, με κριτή το krikri-dpo-context, σε test splits των συνόλων Empathetic Dialogues και CBT-Bench. Τα αποτελέσματα δείχνουν οριακές αλλά συνεπείς διαφοροποιήσεις υπέρ του fine-tuned μοντέλου, με ήπια βελτίωση σε δείκτες ενσυναίσθησης και χρησιμότητας, ενώ η απόδοση σε πτυχές όπως η ασφάλεια και η συνοχή παρέμεινε σταθερή. Συνολικά, το TheraBot φαίνεται να διατηρεί την αξιοπιστία του baseline μοντέλου, επιτυγχάνοντας παράλληλα πιο φυσικό και προσαρμοσμένο ύφος επικοινωνίας στο θεραπευτικό πλαίσιο. Η εργασία συνεισφέρει με την παροχή ελληνικοποιημένων συνόλων δεδομένων με τεκμηριωμένους ελέγχους ποιότητας, την ανάπτυξη προσαρμοσμένου LLaMA-Krikri μεγάλου γλωσσικού μοντέλου για υποστηρικτικούς διαλόγους στα ελληνικά, την εισαγωγή υβριδικού πρωτοκόλλου αξιολόγησης που συνδυάζει GEval με έμφαση στην ενσυναίσθηση και τη φυσικότητα, καθώς και την υλοποίηση λειτουργικής εφαρμογής με φωνητική διεπαφή και μηχανισμούς ασφαλείας (guardrails). Παράλληλα, καταγράφονται οι περιορισμοί της προσέγγισης, όπως οι προκαταλήψεις που μπορεί να ενσωματώνονται στις μεταφράσεις, η αξιοπιστία του LLM-κριτή και η μη κλινική χρήση του συστήματος. Τέλος, προτείνονται μελλοντικές κατευθύνσεις, όπως η διεύρυνση των δεδομένων, η ενσωμάτωση ισχυρότερων μηχανισμών ασφάλειας (safety suites) για περαιτέρω επέκταση των δυνατοτήτων του συστήματος.","This thesis presents TheraBot, a Greek-speaking conversational assistant for mental health support, built upon Llama-Krikri, the Greek Large Language Model (LLM) accessible via the OpenAI API. The motivation behind this work stems from the lack of mature Greek-language resources for supportive dialogue, as well as from the need to evaluate systems emphasizing empathy and understanding of users’ everyday emotional experiences. Within this context, an application was developed that provides psychological support to users while offering additional functionalities, such as an emotion diary and voice recording through an Automatic Speech Recognition (ASR) system. The implementation follows a practical pipeline: data translation from English to Greek → fine-tuning of a Large Language Model (LoRA) → evaluation → application. Initially, datasets related to emotional and supportive dialogue were translated into Greek using customized versions of Krikri. The machine translation quality was evaluated with COMET. Subsequently, the Krikri model was fine-tuned with LoRA/QLoRA for the purpose of this work, with detailed documentation of hyperparameters, infrastructure, and checkpoints. The training curves and the design of prompt/system roles are also presented, ensuring the avoidance of “therapeutic” claims and the inclusion of clear disclaimers. The evaluation of TheraBot was conducted through the GEval framework, using krikri-dpo-context as the judging model, across the test splits of Empathetic Dialogues, CBT-Bench, and Psychology 10K. The results indicate marginal yet consistent improvements in favor of the fine-tuned model, showing mild gains in empathy and usefulness, while maintaining stable performance in safety and coherence. Overall, TheraBot preserves the reliability of the baseline model while achieving a more natural and contextually adapted communication style within therapeutic dialogues. This work contributes by providing Greek-localized dialogue datasets with documented quality control, the development of a customized LLaMA-Krikri model for supportive conversation in Greek, the introduction of a hybrid evaluation protocol combining GEval metrics with emphasis on empathy and naturalness, and the implementation of a functional application featuring voice interaction and safety mechanisms (guardrails). Limitations of the current approach are also discussed, including potential biases in machine-translated data, the reliability of LLM-based evaluation, and the non-clinical nature of the system. Finally, future directions are proposed, such as expanding the datasets, integrating advanced safety suites, and extending the system’s capabilities further."],"dc:identifier":["uoadl:5312573","https://pergamos.lib.uoa.gr/uoa/dl/object/5312573"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["\"TheraBot\" : Ανάπτυξη και Αξιολόγηση Ελληνόγλωσσου Chatbot Ψυχικής Υγείας"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:51Z"}