論文の概要: A Large-Scale, Open-Domain, Mixed-Interface Dialogue-Based ITS for STEM
- arxiv url: http://arxiv.org/abs/2005.06616v1
- Date: Wed, 6 May 2020 02:45:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 04:49:25.503177
- Title: A Large-Scale, Open-Domain, Mixed-Interface Dialogue-Based ITS for STEM
- Title（参考訳）: STEMのための大規模・オープンドメイン混合対話型ITS
- Authors: Iulian Vlad Serban, Varun Gupta, Ekaterina Kochmar, Dung D. Vu, Robert
Belfer, Joelle Pineau, Aaron Courville, Laurent Charlin, Yoshua Bengio
- Abstract要約: Korbitは、大規模な、オープンドメイン、複合インターフェース、対話ベースのインテリジェントチューリングシステム(ITS)である。
機械学習、自然言語処理、強化学習を利用して、インタラクティブでパーソナライズされた学習をオンラインで提供する。
他のITSとは異なり、教師はKorbitの新しい学習モジュールを数時間で開発することができる。
- 参考スコア（独自算出の注目度）: 84.60813413413402
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Korbit, a large-scale, open-domain, mixed-interface,
dialogue-based intelligent tutoring system (ITS). Korbit uses machine learning,
natural language processing and reinforcement learning to provide interactive,
personalized learning online. Korbit has been designed to easily scale to
thousands of subjects, by automating, standardizing and simplifying the content
creation process. Unlike other ITS, a teacher can develop new learning modules
for Korbit in a matter of hours. To facilitate learning across a widerange of
STEM subjects, Korbit uses a mixed-interface, which includes videos,
interactive dialogue-based exercises, question-answering, conceptual diagrams,
mathematical exercises and gamification elements. Korbit has been built to
scale to millions of students, by utilizing a state-of-the-art cloud-based
micro-service architecture. Korbit launched its first course in 2019 on machine
learning, and since then over 7,000 students have enrolled. Although Korbit was
designed to be open-domain and highly scalable, A/B testing experiments with
real-world students demonstrate that both student learning outcomes and student
motivation are substantially improved compared to typical online courses.
- Abstract（参考訳）: 我々は,大規模なオープンドメイン,複合インタフェース,対話型知的学習システム(ITS)を提案する。
korbitは、機械学習、自然言語処理、強化学習を使用して、インタラクティブでパーソナライズされたオンライン学習を提供する。
Korbitは、コンテンツ作成プロセスの自動化、標準化、簡素化により、何千もの被験者に簡単にスケールできるように設計されている。
他のITSとは異なり、教師はKorbitの新しい学習モジュールを数時間で開発することができる。
幅広いstem科目の学習を容易にするために、korbitはビデオ、対話型対話型エクササイズ、質問応答、概念図、数学的エクササイズ、ゲーミフィケーション要素を含む混合インターフェースを使用している。
korbitは、最先端のクラウドベースのマイクロサービスアーキテクチャを利用することで、数百万の学生にスケールできるように構築されている。
Korbitは2019年に最初のコースを機械学習で立ち上げ、その後7000人以上の学生が入学した。
korbitは、オープンドメインで高度にスケーラブルな設計だが、実世界の学生によるa/bテスト実験では、学生の学習結果と学生のモチベーションの両方が、典型的なオンラインコースと比べて大幅に改善されていることが示されている。
関連論文リスト
- Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System [21.139850269835858]
会話学習システム(CTS)は、自然言語に基づく対話を通じて学習体験を提供する。
大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSについて検討・評価する。
このシステムは、授業テキストから容易に編集可能な教育用スクリプトを自動生成することにより、AI支援コンテンツオーサリングを可能にする。
論文 参考訳（メタデータ） (2024-04-26T14:57:55Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Learning Rate Curriculum [75.98230528486401]
ラーニングレートカリキュラム(LeRaC)と呼ばれる新しいカリキュラム学習手法を提案する。
LeRaCは、ニューラルネットワークの各レイヤ毎に異なる学習率を使用して、最初のトレーニングエポックの間、データに依存しないカリキュラムを作成する。
Smoothing(CBS)によるCurriculum(Curriculum)との比較を行った。
論文 参考訳（メタデータ） (2022-05-18T18:57:36Z) - A New Era: Intelligent Tutoring Systems Will Transform Online Learning
for Millions [41.647427931578335]
AIを活用した学習は、数百万人の学習者に高度にパーソナライズされ、アクティブで実践的な学習体験を提供する。
本稿では,2つのオンライン学習プラットフォームを対象とした学習結果の比較研究の結果を紹介する。
論文 参考訳（メタデータ） (2022-03-03T18:55:33Z) - Federated Reconnaissance: Efficient, Distributed, Class-Incremental
Learning [1.244390243967322]
分散クライアントが独立して新しい概念を学習し、その知識を効率的に伝達する学習問題のクラスについて述べる。
原型ネットワークは,新たな情報を効果的に取り入れつつ,破滅的な忘れ込みを頑健に行うという,強いアプローチであることがわかった。
論文 参考訳（メタデータ） (2021-09-01T01:51:30Z) - Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。
ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
論文 参考訳（メタデータ） (2020-10-11T08:27:07Z) - Towards Learning Convolutions from Scratch [34.71001535076825]
畳み込みはコンピュータビジョンで使用されるアーキテクチャの最も重要な構成要素の1つである。
現在の最先端アーキテクチャ検索アルゴリズムでは、データから学習するのではなく、畳み込みを既存のモジュールの1つとして使用しています。
ローカル接続でアーキテクチャを学習するLASSOアルゴリズムの簡単な変種である$beta$-LASSOを提案する。
論文 参考訳（メタデータ） (2020-07-27T16:13:13Z) - SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine
Teaching [81.45928589522032]
トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。
タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。
実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
論文 参考訳（メタデータ） (2020-05-11T17:58:34Z) - Efficient Crowd Counting via Structured Knowledge Transfer [122.30417437707759]
クラウドカウントはアプリケーション指向のタスクであり、その推論効率は現実世界のアプリケーションにとって不可欠である。
本稿では,学生ネットワークを軽量かつ高効率に構築する構造的知識伝達フレームワークを提案する。
我々のモデルはNvidia 1080 GPUで最低6.5$times$のスピードアップを取得し、最先端のパフォーマンスも達成しています。
論文 参考訳（メタデータ） (2020-03-23T08:05:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。