Design and Implementation of Fahim: An AI-First Adaptive Learning Platform for Arabic Learners

Abstract

Traditional educational technology in the MENA region heavily lacks localized, Arabicfirst personalization, while emerging LLM-based tutors face critical challenges regarding factual hallucinations and structural unreliability. This engineering thesis presents the design and implementation of Fahim (􀡲􀡗􀛳􀚣 — Arabic for “one who well understands”), an AI-first adaptive interactive learning platform engineered specifically for the Algerian and MENA Arabic-learners market. Developed as a scalable EdTech startup framework, the system bridges the gap between fluid AI tutoring and strict pedagogical guardrails. The frontend delivers a native right-to-left (RTL) single-page application featuring interactive lesson blocks, a real-time AI tutor panel, and a dynamic per-topic skill map. On the backend, a lightweight REST API manages a subject-agnostic content model with stateless JWT authentication. To ensure educational safety, the AI tutor is orchestrated via an eightlayer agent pipeline powered by advanced large language models and regulated by a custom deterministic verifier gate. This verifier executes five simultaneous structural checks (schema, grounding, scope, mode consistency, and verdict agreement) on every LLM generation, utilizing a retry-then-fallback mechanism that completely isolates the learner from unverified AI output. Furthermore, student personalization is driven by an adaptive diagnostic engine built on a composite-state machine that dynamically routes learners through content paths based on server-side scoring. The platform’s architectural integrity is validated through a comprehensive system catalog of functional requirements and use-case definitions. Finally, the thesis establishes Fahim’s market viability using a Business Model Canvas and a ten-axis future roadmap outlining technical scaling and startup growth trajectories.***

Les technologies éducatives traditionnelles dans la région Moyen-Orient et Afrique du Nord (MENA) souffrent d’un manque significatif de personnalisation locale centrée sur la langue arabe, tandis que les tuteurs basés sur les grands modèles de langage (LLMs) émergents font face à des défis critiques liés aux hallucinations factuelles et à une fiabilité structurelle limitée. Cette thèse d’ingénierie présente la conception et la mise en oeuvre de Fahim (« ฀฀฀฀ » — signifiant « celui qui comprend bien »), une plateforme d’apprentissage interactive et adaptative, axée sur l’intelligence artificielle, spécialement conçue pour le marché des apprenants arabophones en Algérie et dans la région MENA. Développé comme un cadre évolutif pour une startup EdTech, le système comble le fossé entre la flexibilité du tutorat par IA et la rigueur des contraintes pédagogiques. L’interface frontend propose une application monopage (SPA) native en écriture de droite à gauche (RTL), intégrant des modules de cours interactifs, un panneau de tuteur IA en temps réel, ainsi qu’une carte dynamique des compétences par thématique. Côté backend, une API REST légère gère un modèle de contenu agnostique aux disciplines, avec une authentification sans état basée sur les JSON Web Tokens (JWT). Afin de garantir la fiabilité pédagogique, le tuteur IA est orchestré via un pipeline d’agents en huit couches, alimenté par des modèles de langage avancés et contrôlé par un mécanisme de vérification déterministe personnalisé. Ce vérificateur exécute simultanément cinq contrôles structurels (schéma, ancrage factuel, portée, cohérence du mode et concordance du verdict) sur chaque génération du modèle, en s’appuyant sur un mécanisme de reprise avec repli (retry-then-fallback) qui isole totalement l’apprenant de toute sortie non validée. Par ailleurs, la personnalisation de l’apprentissage repose sur un moteur diagnostique adaptatif fondé sur une machine à états composites, orientant dynamiquement les apprenants à travers des parcours pédagogiques en fonction d’un scoring effectué côté serveur. L’intégrité architecturale de la plateforme est validée à travers un catalogue complet des exigences fonctionnelles et des cas d’utilisation. Enfin, la thèse établit la viabilité du projet Fahim à l’aide du Business Model Canvas, ainsi qu’une feuille de route prospective en dix axes décrivant les trajectoires d’évolution technique et de croissance de la startup.