論文の概要: Faculty Perspectives on the Potential of RAG in Computer Science Higher Education
- arxiv url: http://arxiv.org/abs/2408.01462v1
- Date: Sun, 28 Jul 2024 14:55:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 04:49:14.292089
- Title: Faculty Perspectives on the Potential of RAG in Computer Science Higher Education
- Title（参考訳）: コンピュータサイエンス高等教育におけるRAGの可能性に関する学部の展望
- Authors: Sagnik Dakshit,
- Abstract要約: 仮想教示アシスタントと教示アシスタントの2つのタスクに対する検索補助(RAG)アプリケーションを開発した。
本研究は,LLMに基づくRAGの教育への応用に関する教員のフィードバックを収集した初めてのものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The emergence of Large Language Models (LLMs) has significantly impacted the field of Natural Language Processing and has transformed conversational tasks across various domains because of their widespread integration in applications and public access. The discussion surrounding the application of LLMs in education has raised ethical concerns, particularly concerning plagiarism and policy compliance. Despite the prowess of LLMs in conversational tasks, the limitations of reliability and hallucinations exacerbate the need to guardrail conversations, motivating our investigation of RAG in computer science higher education. We developed Retrieval Augmented Generation (RAG) applications for the two tasks of virtual teaching assistants and teaching aids. In our study, we collected the ratings and opinions of faculty members in undergraduate and graduate computer science university courses at various levels, using our personalized RAG systems for each course. This study is the first to gather faculty feedback on the application of LLM-based RAG in education. The investigation revealed that while faculty members acknowledge the potential of RAG systems as virtual teaching assistants and teaching aids, certain barriers and features are suggested for their full-scale deployment. These findings contribute to the ongoing discussion on the integration of advanced language models in educational settings, highlighting the need for careful consideration of ethical implications and the development of appropriate safeguards to ensure responsible and effective implementation.
- Abstract（参考訳）: 大規模言語モデル(LLM)の出現は、自然言語処理の分野に大きな影響を与え、アプリケーションへの広範な統合とパブリックアクセスのために、様々な領域にわたる会話タスクを変換した。
教育におけるLLMの適用に関する議論は、特に盗作と政策遵守に関する倫理的懸念を提起している。
会話タスクにおけるLLMの進歩にもかかわらず、信頼性と幻覚の限界は、会話を守る必要性を増し、コンピュータサイエンス高等教育におけるRAGの調査の動機となった。
仮想教示アシスタントと教示アシスタントの2つのタスクに対する検索補助(RAG)アプリケーションを開発した。
本研究では,学部・大学院コンピュータサイエンス科の教員の評価と意見を,各科目ごとに個別のRAGシステムを用いて,様々なレベルで収集した。
本研究は,LLMに基づくRAGの教育への応用に関する教員のフィードバックを収集した初めてのものである。
調査の結果、教員はRAGシステムの可能性を仮想的な教示アシスタントや教示援助として認める一方で、フルスケール展開にはある種の障壁や特徴が示唆されることがわかった。
これらの知見は、倫理的含意を慎重に検討することの必要性と、責任と効果的な実装を確保するための適切な安全対策の開発について、先進的な言語モデルの統合に関する継続的な議論に寄与している。
関連論文リスト
- Towards Knowledge Checking in Retrieval-augmented Generation: A Representation Perspective [48.40768048080928]
Retrieval-Augmented Generation (RAG) システムは,Large Language Models (LLM) の性能向上を約束している。
本研究の目的は,RAGシステムにおける知識チェックに関する体系的研究を提供することである。
論文 参考訳（メタデータ） (2024-11-21T20:39:13Z) - Utilizing ChatGPT in a Data Structures and Algorithms Course: A Teaching Assistant's Perspective [1.0650780147044159]
この研究は、データ構造とアルゴリズム(DSA)コースにおけるChatGPTの使用について、特にTAの監督と組み合わせて検討している。
その結果,ChatGPTを構造化プロンプトとアクティブTAガイダンスに組み込むことで,複雑なアルゴリズム概念の理解,エンゲージメントの向上,学業成績の向上が図られた。
この研究は、学生がAI生成コンテンツへの依存を減らし、全体的な教育的影響を増幅する上で、活発なTA関与の重要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2024-10-11T15:18:48Z) - SPL: A Socratic Playground for Learning Powered by Large Language Model [5.383689446227398]
ソクラティック・プレイグラウンド・フォー・ラーニング (SPL) は GPT-4 をベースとした対話型プレイグラウンドである。
SPLは、個人のニーズに合わせてパーソナライズされた適応的な学習体験を強化することを目的としている。
論文 参考訳（メタデータ） (2024-06-20T01:18:52Z) - Exploring the Capabilities of Prompted Large Language Models in Educational and Assessment Applications [0.4857223913212445]
生成人工知能(AI)の時代、大規模言語モデル(LLM)の融合は、近代教育の分野で革新の先例のない機会を提供する。
学校レベルの教科書からオープンエンド質問を生成するためのプロンプトベースの手法の有効性について検討し,学部レベルの技術教科書からオープンエンド質問を生成する際の効率を評価し,言語に依存しない多段階質問(MCQ)生成のためのチェーン・オブ・インスパイアされたマルチステージ・プロンプト・アプローチの適用可能性について検討した。
論文 参考訳（メタデータ） (2024-05-19T15:13:51Z) - A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models [71.25225058845324]
大規模言語モデル(LLM)は、言語理解と生成において革命的な能力を示している。
Retrieval-Augmented Generation (RAG)は、信頼性と最新の外部知識を提供する。
RA-LLMは、モデルの内部知識に頼るのではなく、外部および権威的な知識ベースを活用するために登場した。
論文 参考訳（メタデータ） (2024-05-10T02:48:45Z) - RAG and RAU: A Survey on Retrieval-Augmented Language Model in Natural Language Processing [0.2302001830524133]
本稿では,検索言語モデル (RALM) に関する総合的な概要の欠如について論じる。
本稿では、Retrievers、Language Models、Augmentationsなど、ALMの本質的なコンポーネントについて論じる。
RALMは、翻訳や対話システムから知識集約アプリケーションまで、様々なタスクにおいて有用性を示す。
論文 参考訳（メタデータ） (2024-04-30T13:14:51Z) - Large Language Models for Education: A Survey and Outlook [69.02214694865229]
各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。
本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
論文 参考訳（メタデータ） (2024-03-26T21:04:29Z) - Rethinking Machine Unlearning for Large Language Models [85.92660644100582]
大規模言語モデル(LLM)の領域における機械学習の研究
このイニシアチブは、望ましくないデータの影響(機密情報や違法情報など)と関連するモデル機能を排除することを目的としている。
論文 参考訳（メタデータ） (2024-02-13T20:51:58Z) - DIALIGHT: Lightweight Multilingual Development and Evaluation of
Task-Oriented Dialogue Systems with Large Language Models [76.79929883963275]
DIALIGHTは多言語タスク指向対話(ToD)システムの開発と評価のためのツールキットである。
ローカル発話レベルとグローバル対話レベルの両方において、人間のきめ細かい評価のためのセキュアでユーザフレンドリーなWebインターフェースを備えている。
評価の結果, PLMの微調整により精度とコヒーレンスが向上する一方, LLMベースのシステムは多様で類似した応答を生成するのに優れていた。
論文 参考訳（メタデータ） (2024-01-04T11:27:48Z) - Taking the Next Step with Generative Artificial Intelligence: The Transformative Role of Multimodal Large Language Models in Science Education [13.87944568193996]
MLLM(Multimodal Large Language Models)は、テキスト、音声、視覚入力を含むマルチモーダルデータを処理できる。
本稿では,科学教育の中心的な側面におけるMLLMの変革的役割について,模範的な革新的な学習シナリオを提示することによって考察する。
論文 参考訳（メタデータ） (2024-01-01T18:11:43Z) - Curriculum Learning for Reinforcement Learning Domains: A Framework and
Survey [53.73359052511171]
強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。
本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
論文 参考訳（メタデータ） (2020-03-10T20:41:24Z)
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。