Μελέτη και υλοποίηση εφαρμογής οργάνωσης προσωπικής άθλησης με αξιοποίηση αθλητικών υποδομών για φορητές συσκευές με αξιοποίηση LLM
| datacite.contributor.RelatedPerson | Χατζηλυγερούδης, Ιωάννης | |
| datacite.contributor.RelatedPerson | Ρήγκου, Μαρία | |
| datacite.contributor.Supervisor | Βογιατζάκη, Ελένη | |
| dc.contributor.author | Γεντεκάκης, Πέτρος | |
| dc.contributor.other | Gentekakis, Petros | |
| dc.date.accessioned | 2026-02-25T07:48:08Z | |
| dc.date.available | 2026-02-25T07:48:08Z | |
| dc.date.issued | 2026-02-20 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η παρούσα εργασία πραγματεύεται τη σχεδίαση και υλοποίηση της πλατφόρμας PatrasBeat, μιας σύγχρονης mobile εφαρμογής που απευθύνεται σε αθλητές και στοχεύει στην παρακολούθηση, ανάλυση και βελτίωση της αθλητικής τους δραστηριότητας. Η εφαρμογή αναπτύχθηκε για το οικοσύστημα iOS και συνδυάζει τεχνολογίες αιχμής, όπως το SwiftUI για το γραφικό περιβάλλον, το Firebase ως Backend-as-a-Service, την ενσωμάτωση δεδομένων από το Apple Health και τη χρήση τεχνητής νοημοσύνης για τη δημιουργία εξατομικευμένων προπονητικών πλάνων. Η PatrasBeat παρέχει λειτουργίες καταγραφής αθλητικών δραστηριοτήτων, προβολής στατιστικών, διαδραστικό χάρτη τοποθεσιών άθλησης, κατατάξεις αθλητών και ενημέρωση για αθλητικές εκδηλώσεις. Ιδιαίτερη έμφαση δίνεται στον εικονικό προπονητή, ο οποίος αξιοποιεί τόσο αλγοριθμικές μεθόδους όσο και το OpenAI API για την παραγωγή προσαρμοσμένων προπονητικών πλάνων, με βάση τα χαρακτηριστικά, τις επιδόσεις και τους στόχους του αθλητή. Παράλληλα, η ενσωμάτωση του Apple Health επιτρέπει την αυτόματη συλλογή αξιόπιστων δεδομένων φυσικής δραστηριότητας, μειώνοντας την ανάγκη χειροκίνητης καταχώρισης. Η αρχιτεκτονική της εφαρμογής βασίζεται στο πρότυπο MVVM, εξασφαλίζοντας σαφή διαχωρισμό αρμοδιοτήτων και επεκτασιμότητα, ενώ η χρήση του Firebase Authentication και του Cloud Firestore διασφαλίζει την ασφαλή διαχείριση χρηστών και δεδομένων. Τέλος, η χρηστικότητα της πλατφόρμας αξιολογήθηκε μέσω ερωτηματολογίων και του δείκτη System Usability Scale, με τα αποτελέσματα να υποδεικνύουν υψηλό επίπεδο ευχρηστίας και θετική αποδοχή από τους χρήστες. Η εργασία καταδεικνύει τη δυνατότητα αξιοποίησης σύγχρονων mobile τεχνολογιών για την ανάπτυξη εφαρμογών που υποστηρίζουν ουσιαστικά την αθλητική δραστηριότητα και την εξατομικευμένη καθοδήγηση. | |
| dc.description.translatedabstract | This thesis presents the design and implementation of PatrasBeat, a modern mobile application aimed at athletes, focusing on monitoring, analyzing, and improving athletic performance. The application was developed for the iOS ecosystem and integrates contemporary technologies, including SwiftUI for the user interface, Firebase as a Backend-as-a-Service solution, Apple Health for activity data collection, and artificial intelligence for personalized training plan generation. PatrasBeat offers a set of core features such as activity tracking, statistical analysis, an interactive map of training locations, athlete leaderboards, and event discovery. A key component of the platform is the virtual coach, which combines algorithmic logic with the OpenAI API to generate customized training plans based on the athlete’s physical characteristics, performance metrics, and personal goals. Additionally, the integration with Apple Health enables automatic and reliable collection of physical activity data, minimizing manual input and improving data accuracy. The application follows the MVVM architectural pattern, ensuring a clear separation of concerns and supporting maintainability and scalability. User authentication and data management are handled securely through Firebase Authentication and Cloud Firestore. Finally, the usability of the platform was evaluated using questionnaires and the System Usability Scale, yielding high usability scores and positive user feedback. The results demonstrate that PatrasBeat constitutes a functional and user-friendly digital platform, highlighting the potential of modern mobile technologies in supporting athletic activity and personalized training guidance. | |
| dc.identifier.uri | https://hdl.handle.net/10889/31409 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | |
| dc.subject | Εφαρμογή κινητού | |
| dc.subject | Μεγάλα γλωσσικά μοντέλα | |
| dc.subject | Αθλητικές εφαρμογές | |
| dc.subject.alternative | Mobile applications | |
| dc.subject.alternative | iOS | |
| dc.subject.alternative | Firebase | |
| dc.subject.alternative | Large language models | |
| dc.subject.alternative | Sport applications | |
| dc.subject.alternative | Apple health | |
| dc.subject.alternative | Patras beat | |
| dc.title | Μελέτη και υλοποίηση εφαρμογής οργάνωσης προσωπικής άθλησης με αξιοποίηση αθλητικών υποδομών για φορητές συσκευές με αξιοποίηση LLM | |
| dc.title.alternative | Study and implementation of a personal fitness management application leveraging sports infrastructure for mobile devices with LLM integration |