logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-10172025-121516


Tipo di tesi
Tesi di laurea magistrale
Autore
SCARIOT, ALESSANDRA
URN
etd-10172025-121516
Titolo
Verso la Generazione Semiautomatica di Report Ambientali Accessibili tramite Chatbot basato su LLM
Dipartimento
FILOLOGIA, LETTERATURA E LINGUISTICA
Corso di studi
INFORMATICA UMANISTICA
Relatori
relatore Dott.ssa Lo Duca, Angelica
correlatore Dott.ssa Salvatori, Nicoletta
Parole chiave
  • accessibilità
  • accessibility
  • AI
  • analisi dei dati
  • creazione di report
  • data analysis
  • Data Storytelling
  • environmental monitoring
  • IA
  • LLM
  • monitoraggio ambientale
  • report generation
Data inizio appello
07/11/2025
Consultabilità
Completa
Riassunto
Il monitoraggio dei fenomeni naturali e la gestione delle emergenze sono legati a un’analisi dettagliata dei dati ambientali raccolti nel tempo. A causa della grande quantità di dati disponibili, la produzione manuale di report di alta qualità richiede tempo e risorse considerevoli. Questa tesi presenta MeteoChat, un sistema basato su modelli linguistici di grandi dimensioni (LLM) ottimizzati mediante Fine-Tuning e Retrieval-Augmented Generation (RAG) per automatizzare la generazione di report ambientali. Il sistema opera in due fasi: nella prima, un esperto ambientale definisce domande e risposte applicabili a diverse metriche, come la temperatura e le precipitazioni; nella seconda, il modello ottimizzato è integrato in un chatbot che produce report completi e accessibili. MeteoChat offre un’interfaccia web accessibile, integra elementi di Data Storytelling e genera documenti scaricabili in formato Word con testi, tabelle e grafici. Questo approccio riduce i tempi di produzione, limita le allucinazioni dei LLM e favorisce la creazione di report ambientali di alta qualità, accurati ed inclusivi.

Monitoring natural phenomena and managing emergencies requires detailed analysis of environmental data collected over time. Due to the large amount of data available, manually producing high-quality reports takes considerable time and resources. This thesis presents MeteoChat, a system based on Large Language Models (LLMs) optimised through Fine-tuning and Retrieval-Augmented Generation (RAG) to automate the generation of environmental reports. The system operates in two stages: in the first, an environmental expert defines questions and answers applicable to different metrics, such as temperature and precipitation; in the second, the optimised model is integrated into a chatbot that produces complete and accessible reports. MeteoChat offers an accessible web interface, integrates elements of Data Storytelling, and generates downloadable documents in Word format with text, tables, and graphs. This approach reduces production time, limits LLM hallucinations, and promotes the creation of high-quality, accurate, and inclusive environmental reports.
File