論文の概要: Extracting Research Instruments from Educational Literature Using LLMs

• arxiv url: http://arxiv.org/abs/2505.21855v1
• Date: Wed, 28 May 2025 01:00:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.346029
• Title: Extracting Research Instruments from Educational Literature Using LLMs
• Title（参考訳）: LLMを用いた教育文献からの研究機器の抽出
• Authors: Jiseung Yoo, Curran Mahowald, Meiyu Li, Wei Ai,
• Abstract要約: 大規模言語モデル (LLM) は学術文献から情報を抽出する。 本研究では,教育分野における研究機器の詳細な情報抽出を目的としたLLMシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.5351587535280344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are transforming information extraction from academic literature, offering new possibilities for knowledge management. This study presents an LLM-based system designed to extract detailed information about research instruments used in the education field, including their names, types, target respondents, measured constructs, and outcomes. Using multi-step prompting and a domain-specific data schema, it generates structured outputs optimized for educational research. Our evaluation shows that this system significantly outperforms other approaches, particularly in identifying instrument names and detailed information. This demonstrates the potential of LLM-powered information extraction in educational contexts, offering a systematic way to organize research instrument information. The ability to aggregate such information at scale enhances accessibility for researchers and education leaders, facilitating informed decision-making in educational research and policy.
• Abstract（参考訳）: 大規模言語モデル(LLM)は学術文献から情報を抽出し、知識管理の新しい可能性を提供している。 本研究は, 教育現場で使用される研究機器について, 名称, タイプ, 対象者, 測定構造, 結果などの詳細情報を抽出するLLMに基づくシステムを提案する。 マルチステッププロンプトとドメイン固有のデータスキーマを使用して、教育研究に最適化された構造化出力を生成する。 評価の結果,他の手法,特に楽器名や詳細な情報の同定において,本システムの方が優れていたことが示唆された。 このことは、LLMによる情報抽出の可能性を示し、研究機器情報を組織化するための体系的な方法を提供する。 このような情報を大規模に集約する能力は、研究者や教育指導者のアクセシビリティを高め、教育研究や政策における情報的意思決定を促進する。

関連論文リスト

• From Text to Insight: Large Language Models for Materials Science Data Extraction [4.08853418443192]
  科学知識の大部分は、構造化されていない自然言語に存在する。 構造化データは革新的で体系的な材料設計に不可欠である。 大きな言語モデル(LLM)の出現は、大きな変化を示している。
  論文  参考訳（メタデータ） (2024-07-23T22:23:47Z)
• Large Language Models for Conducting Advanced Text Analytics Information Systems Research [4.913568041651961]
  大規模言語モデル(LLM)は、巨大な構造化されていないテキストデータセットから洞察を処理および抽出できるツールとして登場した。 本稿では,情報システム研究のためのテキスト分析(TAISR)フレームワークを提案し,LLMの運用方法を理解するために情報システムコミュニティを支援する。
  論文  参考訳（メタデータ） (2023-12-27T19:49:00Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)

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。