LLM per estrazione e classificazione di esercizi scolastici in PDF: analisi sperimentale ed integrazione in un’applicazione web

Il progetto nasce dall’esigenza di rendere accessibili materiali didattici a bambini della scuola primaria con difficoltà di apprendimento o disturbi specifici, con l’obiettivo di favorire una didattica più inclusiva e personalizzata. La tesi ha come obiettivo la creazione di un sistema in grado di convertire automaticamente file PDF nativi contenenti esercizi scolastici in pagine HTML coerenti e semanticamente corrette tramite LLM. Il lavoro proposto si concentra sulla realizzazione di due pipeline. La prima sfrutta direttamente modelli linguistici multimodali, inviando il documento in forma visiva per ricostruirne struttura, gerarchia e layout, sfruttando librerie di Python per la sola estrazione delle immagini. La seconda integra una fase preliminare di analisi del PDF, strutturazione in JSON e invio al modello. Il test di entrambi flussi mira ad un sistema automatizzato in grado di ricostruire la logica del documento, convertirlo in linguaggio HTML mantenendo il più possibile la fedeltà visiva, la leggibilità del contenuto e riconoscendo e classificando le tipologie di esercizio. L’approccio sperimentale è basato su tecniche di prompt engineering e rappresenta un’alternativa moderna ai metodi maggiormente utilizzati ad oggi di conversione, tipicamente fondati su coordinate e posizionamenti assoluti. Il progetto, sebbene sia sviluppato in un contesto specifico, è pensato in modo flessibile e indirizzato verso l’estensione futura ad altri formati e finalità nel campo della trasformazione semantica di documenti.