Τζούμας Χ.-Ρ., Ιωσηφίδης Γ., Γιάκι Ι., Στεφανίδου Α., Κωνσταντίνου Σ., Ταμανάς Ά., Καμπέρογλου Λ.
email: makedosb@sparmatseto.gr
Λέξεις-κλειδιά: Ποιότητα Αέρα, Βιο-ρομποτική, Τεχνητή Νοημοσύνη, Explainable AI, Ευεξία Μαθητών.
Το Πρόβλημα που Αντιμετωπίζουμε
Το πρόβλημα που πρόκειται να αντιμετωπίσει η κατασκευή αφορά την «αόρατη» σημαντικότατη υποβάθμιση της ποιότητας του αέρα στις σχολικές αίθουσες και την έλλειψη αντικειμενικής πληροφόρησης για τις επιπτώσεις της στην ευεξία και τη συγκέντρωση των μαθητών. Το βασικό ερώτημα που διερευνά η εργασία είναι κατά πόσο ένα αυτόνομο ρομποτικό σύστημα μπορεί να υποστηρίξει την παρακολούθηση της ποιότητας αέρα και την ευεξία των μαθητών σε πραγματικές σχολικές συνθήκες.
Στην καθημερινή σχολική ζωή, ο αερισμός των αιθουσών βασίζεται κυρίως στη διαίσθηση και όχι σε πραγματικά δεδομένα. Αυξημένα επίπεδα , αιωρούμενων σωματιδίων (PM2.5) και πτητικών οργανικών ενώσεων (TVOCs) δεν είναι αντιληπτά άμεσα, αλλά μπορούν να επηρεάσουν τη γνωστική απόδοση και να προκαλέσουν κόπωση, γεγονός που επιδρά σημαντικά στην συγκέντρωση των σκληρά εργαζόμενων μαθητών.
Παράλληλα, οι περισσότερες μετρήσεις είναι, δυστυχώς, στατικές και δεν αποτυπώνουν τη δυναμική του χώρου. Ως μαθητές αναγνωρίζουμε το πρόβλημα αφορά άμεσα τη σχολική κοινότητα, καθώς επηρεάζει την καθημερινή εμπειρία μαθητών και εκπαιδευτικών σε πραγματικές συνθήκες διδασκαλίας. Η ομάδα εντόπισε την ανάγκη για ένα χαμηλού κόστους, αξιόπιστο και εκπαιδευτικά χρησιμότατο σύστημα που θα καταγράφει σε πραγματικό χρόνο την ποιότητα του αέρα και θα συνδέει τα δεδομένα αυτά με δείκτες ευεξίας των μαθητών, χωρίς παρεμβατικό ή ιατρικό χαρακτήρα.
Περιγραφή της Ιδέας και της Προτεινόμενης Λύσης
Κατασκευάσαμε ένα αυτόνομο βιο-ρομποτικό σύστημα για τη συνεχή παρακολούθηση της ποιότητας αέρα και της ευεξίας των μαθητών σε σχολικές αίθουσες. Το σύστημα συνδυάζει ρομποτική, φορετή τεχνολογία και τεχνητή νοημοσύνη, λειτουργώντας ως «τεχνητό αισθητηριακό σύστημα» που επεκτείνει τις ανθρώπινες δυνατότητες αντίληψης.
Το σύστημα αποτελείται από δύο συνεργαζόμενες μονάδες:
- Φορητή και φορετή μονάδα μαθητή (wearable): Με χρήση Beetle ESP32-C3, συλλέγει ανώνυμα βιομετρικούς δείκτες (καρδιακό ρυθμό και κορεσμό οξυγόνου).
- Κινητή ρομποτική μονάδα περιβάλλοντος: Εξοπλισμένη με Arduino Uno Q που ελέγχει αισθητήρες , PM2.5, TVOCs λειτουργώντας, παράλληλα, και ως κεντρική μονάδα επεξεργασίας AI και ένα Arduino Uno που ελέγχει τον υπερηχητικό αισθητήρα και την κίνηση του ρομπότ.
Το ρομπότ κινείται αυτόνομα με βιομιμητικό αλγόριθμο Run and Tumble, εμπνευσμένο από το βακτήριο E. coli.
Πολυεπίπεδη Τεχνητή Νοημοσύνη
Το πρώτο μοντέλο ταξινομεί την κατάσταση (ασφαλής / επικίνδυνη / επηρεασμός μαθητών). Το δεύτερο μετατρέπει το αποτέλεσμα σε κατανοητό κείμενο (Explainable AI). Εκπαιδεύτηκαν με DecisionTreeClassifier και RandomForestClassifier για διαφάνεια και ερμηνευσιμότητα.
Σύγκριση προσέγγισης με και χωρίς τη χρήση AI
| ΧΩΡΙΣ ΤΗ ΧΡΗΣΗ AI | ΜΕ ΤΗ ΧΡΗΣΗ AI |
| Απλά όρια | Συνδυαστική αξιολόγηση 5 παραμέτρων |
| Χειροκίνητη ερμηνεία | Αυτόματη ταξινόμηση |
| Μη κατανοητή ειδοποίηση | Explainable ειδοποιήσεις |
Αποτελέσματα Δοκιμών
Το σύστημα δοκιμάστηκε σε σχολική αίθουσα. Παράδειγμα: σε διδακτική ώρα με κλειστά παράθυρα, το αυξήθηκε από 420 ppm σε 1.150 ppm μέσα σε 40 λεπτά, ενώ ο μέσος καρδιακός ρυθμός αυξήθηκε κατά 7 bpm. Το σύστημα ταξινόμησε την κατάσταση ως «επηρεασμός μαθητών» and έδωσε την ειδοποίηση: «Η αυξημένη συγκέντρωση μπορεί να επηρεάζει τη συγκέντρωση. Προτείνεται άμεσος αερισμός.» Τα μοντέλα AI εκπαιδεύτηκαν με συνθετικά δεδομένα βασισμένα στις μετρήσεις και τη βιβλιογραφία, επιτυγχάνοντας υψηλή ακρίβεια.
Σχήμα 1. Χρονοσειρά Σχολικής Ημέρας — Συγκέντρωση CO_2 (ppm) ανά ώρα της ημέρας
Η προσέγγιση ακολουθεί κύκλο μηχανικού σχεδιασμού: εντοπισμός προβλήματος κατασκευή συλλογή δεδομένων ανάλυση βελτιστοποίηση. Το σύστημα έχει εκπαιδευτικό χαρακτήρα, με πλήρη ανωνυμία και χωρίς διαγνωστική χρήση, συνδέοντας επιστήμη και τεχνολογία με μετρήσιμο αντίκτυπο.
Αντίκτυπος της Κατασκευής στην Κοινότητα
Η προτεινόμενη λύση έχει άμεσο θετικό αντίκτυπο στη σχολική κοινότητα, ενισχύοντας την περιβαλλοντική επίγνωση και την καλή κατάσταση μαθητών και εκπαιδευτικών. Μέσα από αντικειμενικά δεδομένα, το σύστημα βοηθά στην κατανόηση της σημασίας της ποιότητας του αέρα και στη λήψη τεκμηριωμένων αποφάσεων για τον αερισμό των αιθουσών.
Παράλληλα, συνδέει την επιστήμη με την κοινωνική προσφορά, καθώς αξιοποιεί τεχνολογίες αιχμής (ρομποτική, αισθητήρες, τεχνητή νοημοσύνη) για την επίλυση ενός πραγματικού προβλήματος που αφορά την υγεία και την καθημερινότητα των μαθητών. Η χαμηλού κόστους και αναπαραγώγιμη φύση του συστήματος επιτρέπει την εφαρμογή του και σε άλλα σχολεία. Επιπλέον, το έργο λειτουργεί εκπαιδευτικά, ενισχύοντας τον επιστημονικό γραμματισμό, την υπευθυνότητα και τη συμμετοχή των μαθητών σε ζητήματα που αφορούν το κοινό καλό.
Το σύστημα δεν λέει απλώς τιμές· αλλάζει συμπεριφορά στη σχολική αίθουσα και οδηγεί σε άμεσες, απλές παρεμβάσεις με μετρήσιμο αποτέλεσμα. Τέλος το project μας συνδυάζει υπεύθυνη τεχνητή νοημοσύνη, βιομιμητική ρομποτική και εκπαιδευτικό σχεδιασμό για την επίλυση ενός καθημερινού προβλήματος με μετρήσιμο κοινωνικό αντίκτυπο. Η χαμηλού κόστους και αναπαραγώγιμη φύση του συστήματος επιτρέπει την ευρύτερη αξιοποίησή του, ενώ η ιδέα θα μπορούσε να εξελιχθεί σε εκπαιδευτικό ή κοινωνικό εργαλείο για σχολεία, συνδυάζοντας STEM, καινοτομία και κοινωνική προσφορά.
Μελλοντική Εξέλιξη της Ιδέας
Η μελλοντική εξέλιξη της ιδέας περιλαμβάνει την επέκταση του συστήματος με επιπλέον αισθητήρες περιβάλλοντος, όπως θερμοκρασία, υγρασία και θόρυβο, ώστε να αποτυπώνεται συνολικά η ποιότητα του σχολικού χώρου. Παράλληλα, σχεδιάζεται μακροχρόνια συλλογή δεδομένων για τη μελέτη εποχικών και ημερήσιων μεταβολών. Σε τεχνολογικό επίπεδο, το σύστημα θα μπορούσε να συνδεθεί με αυτοματοποιημένους μηχανισμούς αερισμού ή ειδοποίησης, διατηρώντας πάντα τον υποστηρικτικό και μη παρεμβατικό χαρακτήρα του.
Σε εκπαιδευτικό επίπεδο, η ιδέα μπορεί να αξιοποιηθεί ως ανοιχτή πλατφόρμα μάθησης STEM, δίνοντας τη δυνατότητα σε μαθητές να πειραματιστούν με δεδομένα, αλγορίθμους και πραγματικά προβλήματα. Παρά τα υψηλά ποσοστά ακρίβειας των μοντέλων μας, αναγνωρίζουμε ότι η χρήση συνθετικών δεδομένων αποτελεί μια αρχική προσέγγιση. Στόχος μας είναι στο μέλλον να τροφοδοτήσουμε το σύστημα με ακόμη μεγαλύτερο όγκο δεδομένων από διαφορετικές σχολικές αίθουσες για να ενισχύσουμε τη γενίκευση (generalization) του αλγορίθμου. Μακροπρόθεσμα, το έργο θα μπορούσε να αποτελέσει πρότυπο για σχολικά δίκτυα παρακολούθησης περιβάλλοντος, ενισχύοντας τη βιωσιμότητα και την υγεία της σχολικής κοινότητας.
Βιβλιογραφία
Alter, Naomi C., et al. “Quantifying the association between PM2.5 air pollution and IQ loss in children: a systematic review and meta-analysis.” Springer Nature Link, 2024, https://link.springer.com/article/10.1186/s12940-024-01122-x. Accessed 02 01 2026.
Khosravi, Sara, et al. “Wearable Sensors for Learning Enhancement in Higher Education.” MDPI, 2022, https://www.mdpi.com/1424-8220/22/19/7633. Accessed 04 01 2026.
Li, Hao, et al. “A Survey on Biomimetic and Intelligent Algorithms with Applications.” National Library Of Medicine, 2024. Accessed 02 01 2025.
Oluyemi, Toyinbo. “Indoor Environmental Quality, Pupils’ Health, and Academic Performance—A Literature Review.” MDPI, 2023, https://www.mdpi.com/2075-5309/13/9/2172. Accessed 02 01 2025.
“Futuristic office with holographic screen and robotic arm in a high-tech environment» prompt. Gemini, Google, 19 Ιαν. 2026.
