{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5325997"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5325997","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"“Συγκριτική Αξιολόγηση της Ανθρώπινης και της Τεχνητής Νοημοσύνης στην Αξιολόγηση του Γραπτού Λόγου στην Πρώιμη Πρωτοβάθμια Εκπαίδευση”","abstract":"Η παρούσα μεταπτυχιακή διατριβή διερευνά τον τρόπο με τον οποίο η τεχνητή νοημοσύνη (ΑΙ) και οι εκπαιδευτικοί διαφοροποιούνται στην αξιολόγηση και την ανατροφοδότηση του πρώιμου γραπτού λόγου στην Α΄ Δημοτικού. Εστιάζοντας σε μαθητές ηλικίας 6–7 ετών, όπου η αξιολόγηση είναι κυρίως περιγραφική και όχι αριθμητική, η μελέτη εξετάζει κατά πόσο η ανατροφοδότηση που παράγεται από συστήματα ΑΙ μπορεί να υποστηρίξει ουσιαστικά τη διαμορφωτική αξιολόγηση χωρίς να υπονομεύει τον παιδαγωγικό και σχεσιακό ρόλο του εκπαιδευτικού. Σε εμπειρικό επίπεδο, η έρευνα βασίζεται σε 63 σύντομα γραπτά κείμενα μαθητών της Α΄ Δημοτικού, τα οποία προέκυψαν από μια δραστηριότητα γραφής βασισμένη σε εικόνες (τέσσερις διαδοχικές εικόνες → τέσσερις προτάσεις που συνθέτουν μια σύντομη ιστορία). Κάθε γραπτό έλαβε δύο ανεξάρτητες μορφές ανατροφοδότησης: μία περιγραφική αξιολόγηση από έναν δάσκαλο της πρωτοβάθμιας και μία από το γλωσσικό μοντέλο (LLM) ChatGPT-5. Πέντε εκπαιδευτικοί με εμπειρία στη διδασκαλία της Α΄ Δημοτικού συμμετείχαν ως ανθρώπινοι αξιολογητές. Τα ζεύγη σχολίων που προέκυψαν αναλύθηκαν μέσω ποιοτικής θεματικής ανάλυσης, με επαγωγικά διαμορφωμένες κατηγορίες που αποτυπώνουν την εστίαση της ανατροφοδότησης (π.χ. γραμματική, ορθογραφία, συνοχή, δημιουργικότητα), τον τόνο και τα συναισθηματικά χαρακτηριστικά της, καθώς και το παιδαγωγικό βάθος. Τα ευρήματα δείχνουν ότι η ανθρώπινη ανατροφοδότηση ήταν γενικά πιο ποικιλόμορφη, συγκεκριμένη και διαμορφωτική. Οι εκπαιδευτικοί συνδύαζαν τη διόρθωση με ρητές οδηγίες βελτίωσης («τι να βελτιωθεί» και «πώς»), συχνά αναφερόμενοι σε συγκεκριμένα σημεία του μαθητικού κειμένου, και ενσωμάτωναν έπαινο, ενθάρρυνση και αναφορές στην προσπάθεια, την εικόνα του γραπτού και την πρόοδο. Αντίθετα, η ανατροφοδότηση του ΑΙ ήταν πιο συνεπής και ομοιόμορφη δομικά, αλλά και πιο γενική: έδινε έμφαση σε επιφανειακά γλωσσικά χαρακτηριστικά (γραμματική, ορθογραφία, βασική δομή), εντόπιζε σπάνια συγκεκριμένα λάθη και παρείχε περιορισμένη διδακτική καθοδήγηση. Ακόμη και όταν δόθηκε η εντολή να «απαντήσει ως εκπαιδευτικός», το ΑΙ παρήγαγε μεν πιο φιλικές διατυπώσεις, αλλά παρέμεινε σε μεγάλο βαθμό τυποποιημένο και απρόσωπο. Η μελέτη καταλήγει ότι, στο πλαίσιο της πρώιμης γραπτής έκφρασης, η ανατροφοδότηση που παράγεται από την τεχνητή νοημοσύνη μπορεί να αποτελέσει ένα χρήσιμο συμπληρωματικό εργαλείο για γρήγορα, τυποποιημένα σχόλια σε βασικές γλωσσικές πτυχές, αλλά δεν μπορεί να υποκαταστήσει τις παιδαγωγικές, σχεσιακές και συναισθηματικές διαστάσεις της ανθρώπινης διαμορφωτικής αξιολόγησης. Τέλος, διατυπώνονται προτάσεις για προσεκτική ενσωμάτωση του ΑΙ στην αξιολόγηση του γραπτού λόγου στην πρωτοβάθμια εκπαίδευση και για μελλοντική έρευνα σχετικά με υβριδικά μοντέλα ανατροφοδότησης εκπαιδευτικού–ΑΙ.","abstract_html":"Η παρούσα μεταπτυχιακή διατριβή διερευνά τον τρόπο με τον οποίο η τεχνητή νοημοσύνη (ΑΙ) και οι εκπαιδευτικοί διαφοροποιούνται στην αξιολόγηση και την ανατροφοδότηση του πρώιμου γραπτού λόγου στην Α΄ Δημοτικού. Εστιάζοντας σε μαθητές ηλικίας 6–7 ετών, όπου η αξιολόγηση είναι κυρίως περιγραφική και όχι αριθμητική, η μελέτη εξετάζει κατά πόσο η ανατροφοδότηση που παράγεται από συστήματα ΑΙ μπορεί να υποστηρίξει ουσιαστικά τη διαμορφωτική αξιολόγηση χωρίς να υπονομεύει τον παιδαγωγικό και σχεσιακό ρόλο του εκπαιδευτικού. Σε εμπειρικό επίπεδο, η έρευνα βασίζεται σε 63 σύντομα γραπτά κείμενα μαθητών της Α΄ Δημοτικού, τα οποία προέκυψαν από μια δραστηριότητα γραφής βασισμένη σε εικόνες (τέσσερις διαδοχικές εικόνες → τέσσερις προτάσεις που συνθέτουν μια σύντομη ιστορία). Κάθε γραπτό έλαβε δύο ανεξάρτητες μορφές ανατροφοδότησης: μία περιγραφική αξιολόγηση από έναν δάσκαλο της πρωτοβάθμιας και μία από το γλωσσικό μοντέλο (LLM) ChatGPT-5. Πέντε εκπαιδευτικοί με εμπειρία στη διδασκαλία της Α΄ Δημοτικού συμμετείχαν ως ανθρώπινοι αξιολογητές. Τα ζεύγη σχολίων που προέκυψαν αναλύθηκαν μέσω ποιοτικής θεματικής ανάλυσης, με επαγωγικά διαμορφωμένες κατηγορίες που αποτυπώνουν την εστίαση της ανατροφοδότησης (π.χ. γραμματική, ορθογραφία, συνοχή, δημιουργικότητα), τον τόνο και τα συναισθηματικά χαρακτηριστικά της, καθώς και το παιδαγωγικό βάθος. Τα ευρήματα δείχνουν ότι η ανθρώπινη ανατροφοδότηση ήταν γενικά πιο ποικιλόμορφη, συγκεκριμένη και διαμορφωτική. Οι εκπαιδευτικοί συνδύαζαν τη διόρθωση με ρητές οδηγίες βελτίωσης («τι να βελτιωθεί» και «πώς»), συχνά αναφερόμενοι σε συγκεκριμένα σημεία του μαθητικού κειμένου, και ενσωμάτωναν έπαινο, ενθάρρυνση και αναφορές στην προσπάθεια, την εικόνα του γραπτού και την πρόοδο. Αντίθετα, η ανατροφοδότηση του ΑΙ ήταν πιο συνεπής και ομοιόμορφη δομικά, αλλά και πιο γενική: έδινε έμφαση σε επιφανειακά γλωσσικά χαρακτηριστικά (γραμματική, ορθογραφία, βασική δομή), εντόπιζε σπάνια συγκεκριμένα λάθη και παρείχε περιορισμένη διδακτική καθοδήγηση. Ακόμη και όταν δόθηκε η εντολή να «απαντήσει ως εκπαιδευτικός», το ΑΙ παρήγαγε μεν πιο φιλικές διατυπώσεις, αλλά παρέμεινε σε μεγάλο βαθμό τυποποιημένο και απρόσωπο. Η μελέτη καταλήγει ότι, στο πλαίσιο της πρώιμης γραπτής έκφρασης, η ανατροφοδότηση που παράγεται από την τεχνητή νοημοσύνη μπορεί να αποτελέσει ένα χρήσιμο συμπληρωματικό εργαλείο για γρήγορα, τυποποιημένα σχόλια σε βασικές γλωσσικές πτυχές, αλλά δεν μπορεί να υποκαταστήσει τις παιδαγωγικές, σχεσιακές και συναισθηματικές διαστάσεις της ανθρώπινης διαμορφωτικής αξιολόγησης. Τέλος, διατυπώνονται προτάσεις για προσεκτική ενσωμάτωση του ΑΙ στην αξιολόγηση του γραπτού λόγου στην πρωτοβάθμια εκπαίδευση και για μελλοντική έρευνα σχετικά με υβριδικά μοντέλα ανατροφοδότησης εκπαιδευτικού–ΑΙ.","abstract_has_math":false,"creators":["ΜΑΥΡΕΛΗ ΕΥΑΓΓΕΛΙΑ ΜΑΡΚΕΛΛΑ","MAVRELI EVANGELIA MARKELLA"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:17:49Z","subjects":["Γλώσσα – Λογοτεχνία","Language – Literature"],"languages":["Ελληνικά","Greek","English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325997"],"render_values":[{"text":"uoadl:5325997","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325997","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5325997","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%3A5325997","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΜΑΥΡΕΛΗ ΕΥΑΓΓΕΛΙΑ ΜΑΡΚΕΛΛΑ","MAVRELI EVANGELIA MARKELLA"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"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":["Γλώσσα – Λογοτεχνία","Language – Literature"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek","English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5325997","https://pergamos.lib.uoa.gr/uoa/dl/object/5325997"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα μεταπτυχιακή διατριβή διερευνά τον τρόπο με τον οποίο η τεχνητή νοημοσύνη (ΑΙ) και οι εκπαιδευτικοί διαφοροποιούνται στην αξιολόγηση και την ανατροφοδότηση του πρώιμου γραπτού λόγου στην Α΄ Δημοτικού. Εστιάζοντας σε μαθητές ηλικίας 6–7 ετών, όπου η αξιολόγηση είναι κυρίως περιγραφική και όχι αριθμητική, η μελέτη εξετάζει κατά πόσο η ανατροφοδότηση που παράγεται από συστήματα ΑΙ μπορεί να υποστηρίξει ουσιαστικά τη διαμορφωτική αξιολόγηση χωρίς να υπονομεύει τον παιδαγωγικό και σχεσιακό ρόλο του εκπαιδευτικού. Σε εμπειρικό επίπεδο, η έρευνα βασίζεται σε 63 σύντομα γραπτά κείμενα μαθητών της Α΄ Δημοτικού, τα οποία προέκυψαν από μια δραστηριότητα γραφής βασισμένη σε εικόνες (τέσσερις διαδοχικές εικόνες → τέσσερις προτάσεις που συνθέτουν μια σύντομη ιστορία). Κάθε γραπτό έλαβε δύο ανεξάρτητες μορφές ανατροφοδότησης: μία περιγραφική αξιολόγηση από έναν δάσκαλο της πρωτοβάθμιας και μία από το γλωσσικό μοντέλο (LLM) ChatGPT-5. Πέντε εκπαιδευτικοί με εμπειρία στη διδασκαλία της Α΄ Δημοτικού συμμετείχαν ως ανθρώπινοι αξιολογητές. Τα ζεύγη σχολίων που προέκυψαν αναλύθηκαν μέσω ποιοτικής θεματικής ανάλυσης, με επαγωγικά διαμορφωμένες κατηγορίες που αποτυπώνουν την εστίαση της ανατροφοδότησης (π.χ. γραμματική, ορθογραφία, συνοχή, δημιουργικότητα), τον τόνο και τα συναισθηματικά χαρακτηριστικά της, καθώς και το παιδαγωγικό βάθος. Τα ευρήματα δείχνουν ότι η ανθρώπινη ανατροφοδότηση ήταν γενικά πιο ποικιλόμορφη, συγκεκριμένη και διαμορφωτική. Οι εκπαιδευτικοί συνδύαζαν τη διόρθωση με ρητές οδηγίες βελτίωσης («τι να βελτιωθεί» και «πώς»), συχνά αναφερόμενοι σε συγκεκριμένα σημεία του μαθητικού κειμένου, και ενσωμάτωναν έπαινο, ενθάρρυνση και αναφορές στην προσπάθεια, την εικόνα του γραπτού και την πρόοδο. Αντίθετα, η ανατροφοδότηση του ΑΙ ήταν πιο συνεπής και ομοιόμορφη δομικά, αλλά και πιο γενική: έδινε έμφαση σε επιφανειακά γλωσσικά χαρακτηριστικά (γραμματική, ορθογραφία, βασική δομή), εντόπιζε σπάνια συγκεκριμένα λάθη και παρείχε περιορισμένη διδακτική καθοδήγηση. Ακόμη και όταν δόθηκε η εντολή να «απαντήσει ως εκπαιδευτικός», το ΑΙ παρήγαγε μεν πιο φιλικές διατυπώσεις, αλλά παρέμεινε σε μεγάλο βαθμό τυποποιημένο και απρόσωπο. Η μελέτη καταλήγει ότι, στο πλαίσιο της πρώιμης γραπτής έκφρασης, η ανατροφοδότηση που παράγεται από την τεχνητή νοημοσύνη μπορεί να αποτελέσει ένα χρήσιμο συμπληρωματικό εργαλείο για γρήγορα, τυποποιημένα σχόλια σε βασικές γλωσσικές πτυχές, αλλά δεν μπορεί να υποκαταστήσει τις παιδαγωγικές, σχεσιακές και συναισθηματικές διαστάσεις της ανθρώπινης διαμορφωτικής αξιολόγησης. Τέλος, διατυπώνονται προτάσεις για προσεκτική ενσωμάτωση του ΑΙ στην αξιολόγηση του γραπτού λόγου στην πρωτοβάθμια εκπαίδευση και για μελλοντική έρευνα σχετικά με υβριδικά μοντέλα ανατροφοδότησης εκπαιδευτικού–ΑΙ.","This thesis investigates how artificial intelligence (AI) and human teachers differ in the way they evaluate and respond to early writing in the first year of primary school. Focusing on pupils in Grade 1 (ages 6–7), where assessment is predominantly descriptive rather than numerical, the study explores whether AI-generated feedback can meaningfully support formative assessment without undermining the relational and pedagogical role of the teacher. Empirically, the research draws on 63 short written texts produced by Grade 1 pupils in response to a picture-based writing task (writing four sentences based on four sequential images, forming a brief story). Each script received two independent forms of feedback: one descriptive comment from a primary teacher and one from the large language model (LLM) ChatGPT-5. Five teachers with experience teaching Grade 1 participated as human evaluators. The resulting pairs of comments were analysed using qualitative thematic analysis, with inductively derived categories capturing focus of feedback (e.g. grammar, spelling, coherence, creativity), tone and emotional quality, and pedagogical depth. The findings show that teachers’ feedback was generally more varied, specific and formative. Teachers tended to combine correction with explicit guidance (“what to improve” and “how”), often anchored in concrete parts of the pupil’s text, and to integrate praise, encouragement and references to effort, presentation and progress. By contrast, AI feedback was more consistent and structurally uniform, but also more generic: it emphasised surface-level linguistic features (grammar, spelling, basic structure), rarely targeted specific errors, and offered limited instructional guidance. Even when prompted to “respond as a teacher”, the AI produced friendlier phrasing but remained largely formulaic and impersonal. The study concludes that, in the context of early writing, AI-generated feedback may function as a useful complementary tool for rapid, standardised comments on basic language features, but it cannot replace the pedagogical, relational and affective dimensions of human formative assessment. Implications are drawn for the cautious integration of AI into primary literacy assessment and for future research on hybrid teacher–AI feedback models."]},{"key":"dc:title","label":"Title","values":["“Συγκριτική Αξιολόγηση της Ανθρώπινης και της Τεχνητής Νοημοσύνης στην Αξιολόγηση του Γραπτού Λόγου στην Πρώιμη Πρωτοβάθμια Εκπαίδευση”"]}]}],"canonical_facts":{"dc:creator":["ΜΑΥΡΕΛΗ ΕΥΑΓΓΕΛΙΑ ΜΑΡΚΕΛΛΑ","MAVRELI EVANGELIA MARKELLA"],"dc:date":["2026"],"dc:description":["Η παρούσα μεταπτυχιακή διατριβή διερευνά τον τρόπο με τον οποίο η τεχνητή νοημοσύνη (ΑΙ) και οι εκπαιδευτικοί διαφοροποιούνται στην αξιολόγηση και την ανατροφοδότηση του πρώιμου γραπτού λόγου στην Α΄ Δημοτικού. Εστιάζοντας σε μαθητές ηλικίας 6–7 ετών, όπου η αξιολόγηση είναι κυρίως περιγραφική και όχι αριθμητική, η μελέτη εξετάζει κατά πόσο η ανατροφοδότηση που παράγεται από συστήματα ΑΙ μπορεί να υποστηρίξει ουσιαστικά τη διαμορφωτική αξιολόγηση χωρίς να υπονομεύει τον παιδαγωγικό και σχεσιακό ρόλο του εκπαιδευτικού. Σε εμπειρικό επίπεδο, η έρευνα βασίζεται σε 63 σύντομα γραπτά κείμενα μαθητών της Α΄ Δημοτικού, τα οποία προέκυψαν από μια δραστηριότητα γραφής βασισμένη σε εικόνες (τέσσερις διαδοχικές εικόνες → τέσσερις προτάσεις που συνθέτουν μια σύντομη ιστορία). Κάθε γραπτό έλαβε δύο ανεξάρτητες μορφές ανατροφοδότησης: μία περιγραφική αξιολόγηση από έναν δάσκαλο της πρωτοβάθμιας και μία από το γλωσσικό μοντέλο (LLM) ChatGPT-5. Πέντε εκπαιδευτικοί με εμπειρία στη διδασκαλία της Α΄ Δημοτικού συμμετείχαν ως ανθρώπινοι αξιολογητές. Τα ζεύγη σχολίων που προέκυψαν αναλύθηκαν μέσω ποιοτικής θεματικής ανάλυσης, με επαγωγικά διαμορφωμένες κατηγορίες που αποτυπώνουν την εστίαση της ανατροφοδότησης (π.χ. γραμματική, ορθογραφία, συνοχή, δημιουργικότητα), τον τόνο και τα συναισθηματικά χαρακτηριστικά της, καθώς και το παιδαγωγικό βάθος. Τα ευρήματα δείχνουν ότι η ανθρώπινη ανατροφοδότηση ήταν γενικά πιο ποικιλόμορφη, συγκεκριμένη και διαμορφωτική. Οι εκπαιδευτικοί συνδύαζαν τη διόρθωση με ρητές οδηγίες βελτίωσης («τι να βελτιωθεί» και «πώς»), συχνά αναφερόμενοι σε συγκεκριμένα σημεία του μαθητικού κειμένου, και ενσωμάτωναν έπαινο, ενθάρρυνση και αναφορές στην προσπάθεια, την εικόνα του γραπτού και την πρόοδο. Αντίθετα, η ανατροφοδότηση του ΑΙ ήταν πιο συνεπής και ομοιόμορφη δομικά, αλλά και πιο γενική: έδινε έμφαση σε επιφανειακά γλωσσικά χαρακτηριστικά (γραμματική, ορθογραφία, βασική δομή), εντόπιζε σπάνια συγκεκριμένα λάθη και παρείχε περιορισμένη διδακτική καθοδήγηση. Ακόμη και όταν δόθηκε η εντολή να «απαντήσει ως εκπαιδευτικός», το ΑΙ παρήγαγε μεν πιο φιλικές διατυπώσεις, αλλά παρέμεινε σε μεγάλο βαθμό τυποποιημένο και απρόσωπο. Η μελέτη καταλήγει ότι, στο πλαίσιο της πρώιμης γραπτής έκφρασης, η ανατροφοδότηση που παράγεται από την τεχνητή νοημοσύνη μπορεί να αποτελέσει ένα χρήσιμο συμπληρωματικό εργαλείο για γρήγορα, τυποποιημένα σχόλια σε βασικές γλωσσικές πτυχές, αλλά δεν μπορεί να υποκαταστήσει τις παιδαγωγικές, σχεσιακές και συναισθηματικές διαστάσεις της ανθρώπινης διαμορφωτικής αξιολόγησης. Τέλος, διατυπώνονται προτάσεις για προσεκτική ενσωμάτωση του ΑΙ στην αξιολόγηση του γραπτού λόγου στην πρωτοβάθμια εκπαίδευση και για μελλοντική έρευνα σχετικά με υβριδικά μοντέλα ανατροφοδότησης εκπαιδευτικού–ΑΙ.","This thesis investigates how artificial intelligence (AI) and human teachers differ in the way they evaluate and respond to early writing in the first year of primary school. Focusing on pupils in Grade 1 (ages 6–7), where assessment is predominantly descriptive rather than numerical, the study explores whether AI-generated feedback can meaningfully support formative assessment without undermining the relational and pedagogical role of the teacher. Empirically, the research draws on 63 short written texts produced by Grade 1 pupils in response to a picture-based writing task (writing four sentences based on four sequential images, forming a brief story). Each script received two independent forms of feedback: one descriptive comment from a primary teacher and one from the large language model (LLM) ChatGPT-5. Five teachers with experience teaching Grade 1 participated as human evaluators. The resulting pairs of comments were analysed using qualitative thematic analysis, with inductively derived categories capturing focus of feedback (e.g. grammar, spelling, coherence, creativity), tone and emotional quality, and pedagogical depth. The findings show that teachers’ feedback was generally more varied, specific and formative. Teachers tended to combine correction with explicit guidance (“what to improve” and “how”), often anchored in concrete parts of the pupil’s text, and to integrate praise, encouragement and references to effort, presentation and progress. By contrast, AI feedback was more consistent and structurally uniform, but also more generic: it emphasised surface-level linguistic features (grammar, spelling, basic structure), rarely targeted specific errors, and offered limited instructional guidance. Even when prompted to “respond as a teacher”, the AI produced friendlier phrasing but remained largely formulaic and impersonal. The study concludes that, in the context of early writing, AI-generated feedback may function as a useful complementary tool for rapid, standardised comments on basic language features, but it cannot replace the pedagogical, relational and affective dimensions of human formative assessment. Implications are drawn for the cautious integration of AI into primary literacy assessment and for future research on hybrid teacher–AI feedback models."],"dc:identifier":["uoadl:5325997","https://pergamos.lib.uoa.gr/uoa/dl/object/5325997"],"dc:language":["Ελληνικά","Greek","English"],"dc:subject":["Γλώσσα – Λογοτεχνία","Language – Literature"],"dc:title":["“Συγκριτική Αξιολόγηση της Ανθρώπινης και της Τεχνητής Νοημοσύνης στην Αξιολόγηση του Γραπτού Λόγου στην Πρώιμη Πρωτοβάθμια Εκπαίδευση”"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:17:49Z"}