論文の概要: Personalizing Education through an Adaptive LMS with Integrated LLMs

• arxiv url: http://arxiv.org/abs/2502.08655v1
• Date: Fri, 24 Jan 2025 22:42:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-16 05:04:37.563522
• Title: Personalizing Education through an Adaptive LMS with Integrated LLMs
• Title（参考訳）: 統合LLMを用いた適応型LMSによる教育のパーソナライズ
• Authors: Kyle Spriggs, Meng Cheng Lau, Kalpdrum Passi,
• Abstract要約: 本稿では,学習管理システム (LMS) における大規模言語モデル (LLM) の統合について検討し,様々な教育段階の学習者を対象とした適応型学習管理システム (ALMS) を開発した。 提案システムは、AIの柔軟性を活用して、各ユーザの進化するニーズに合わせてカスタマイズ可能な学習環境を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The widespread adoption of large language models (LLMs) marks a transformative era in technology, especially within the educational sector. This paper explores the integration of LLMs within learning management systems (LMSs) to develop an adaptive learning management system (ALMS) personalized for individual learners across various educational stages. Traditional LMSs, while facilitating the distribution of educational materials, fall short in addressing the nuanced needs of diverse student populations, particularly in settings with limited instructor availability. Our proposed system leverages the flexibility of AI to provide a customizable learning environment that adjusts to each user's evolving needs. By integrating a suite of general-purpose and domain-specific LLMs, this system aims to minimize common issues such as factual inaccuracies and outdated information, characteristic of general LLMs like OpenAI's ChatGPT. This paper details the development of an ALMS that not only addresses privacy concerns and the limitations of existing educational tools but also enhances the learning experience by maintaining engagement through personalized educational content.
• Abstract（参考訳）: 大規模言語モデル(LLM)の普及は、特に教育分野における技術革新の時代を象徴している。 本稿では、学習管理システム(LMS)におけるLLMの統合について検討し、様々な教育段階の学習者を対象とした適応学習管理システム(ALMS)を開発した。 従来のLMSは、教育資料の配布を促進する一方で、様々な学生のニーズ、特にインストラクターの可用性が制限された環境では、不足している。 提案システムは、AIの柔軟性を活用して、各ユーザの進化するニーズに合わせてカスタマイズ可能な学習環境を提供する。 汎用LLMとドメイン固有LLMの統合により,OpenAIのChatGPTのような汎用LLMの特徴である,事実的不正確な情報や時代遅れ情報などの共通問題を最小化することを目的としている。 本稿では、プライバシー問題や既存の教育ツールの限界に対処するだけでなく、パーソナライズされた教育コンテンツを通じてエンゲージメントを維持することで学習体験を向上させるALMSの開発について詳述する。

関連論文リスト

• Personalization of Large Language Models: A Survey [131.00650432814268]
  大規模言語モデル(LLM)のパーソナライゼーションは、最近、広範囲のアプリケーションでますます重要になっている。 パーソナライズ LLM に関する既存の研究の多くは、(a)パーソナライズされたテキスト生成、または(b)レコメンデーションシステムのようなパーソナライズに関連する下流アプリケーションに LLM を活用することに集中している。 パーソナライズされたLSM使用のための分類を導入し、主要な違いと課題を要約する。
  論文  参考訳（メタデータ） (2024-10-29T04:01:11Z)
• "Flipped" University: LLM-Assisted Lifelong Learning Environment [1.0742675209112622]
  本稿では,Large Language Models (LLM) が支援する自己構築型生涯学習環境の概念的枠組みを提案する。 提案する枠組みは、制度化された教育からパーソナライズされた自己駆動型学習への転換を強調する。 この論文は、グローバルな知識の整合性を支援することに焦点を当て、教育機関の「華やかな」大学への進化を構想している。
  論文  参考訳（メタデータ） (2024-09-02T13:27:36Z)
• Empirical Guidelines for Deploying LLMs onto Resource-constrained Edge Devices [32.61693246340064]
  資源制約のある計算環境がパーソナライズされたLLMの設計選択にどのように影響するかを検討する。 いくつかの重要な設計要因のトレードオフと、学習効率と正確性に対するそれらの相互干渉の影響を考察する。
  論文  参考訳（メタデータ） (2024-06-06T06:41:53Z)
• The Life Cycle of Large Language Models: A Review of Biases in Education [3.8757867335422485]
  大規模言語モデル(LLM)は、学生や教師にパーソナライズされたサポートを提供するために、教育の文脈でますます採用されている。 教育技術におけるLLMの統合は、教育的不平等を悪化させる可能性のあるアルゴリズムバイアスに対して、新たな懸念を抱いている。 本論は,LLMアプリケーションにおける偏見の複雑な性質を明らかにすることを目的として,その評価のための実践的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-06-03T18:00:28Z)
• Analysis, Modeling and Design of Personalized Digital Learning Environment [12.248184406275405]
  本研究は、革新的なプライベート・ラーニング・インテリジェンス(PLI)フレームワークによって強化された新しいデジタル・ラーニング・環境(DLE)を分析し、モデル化し、開発する。 我々のアプローチは、DLE能力の進歩において重要なものであり、学習者がパーソナライズされたリアルタイム学習体験に積極的に参加できるようにする。
  論文  参考訳（メタデータ） (2024-05-17T00:26:16Z)
• Personalized Wireless Federated Learning for Large Language Models [75.22457544349668]
  大規模言語モデル(LLM)は自然言語処理タスクに革命をもたらした。 無線ネットワークへの展開は、プライバシとセキュリティ保護機構の欠如など、依然として課題に直面している。 通信オーバーヘッドの少ない2つのパーソナライズされた無線フェデレーションファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2024-04-20T02:30:21Z)
• 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)
• LLMs as On-demand Customizable Service [8.440060524215378]
  階層型分散大言語モデル(LLM)の概念を導入する。 階層型アプローチを導入することで、LLMをカスタマイズ可能なサービスとしてオンデマンドでアクセスできるようにする。 階層型 LLM の概念は,LLM の能力を活用するために,広範かつクラウドソースのユーザ基盤を向上すると考えられる。
  論文  参考訳（メタデータ） (2024-01-29T21:24:10Z)
• A Comprehensive Study of Knowledge Editing for Large Language Models [82.65729336401027]
  大規模言語モデル(LLM)は、人間のコミュニケーションを忠実に反映したテキストの理解と生成の素晴らしい能力を示している。 本稿では,知識編集の問題を定義し,最先端アプローチの包括的レビューを行う。 我々は,代表的知識編集アプローチの総合的評価のための新しいベンチマークであるKnowEditを紹介した。
  論文  参考訳（メタデータ） (2024-01-02T16:54:58Z)
• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
  本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。 また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
  論文  参考訳（メタデータ） (2021-08-17T17:44:38Z)

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。