論文の概要: SmartCourse: A Contextual AI-Powered Course Advising System for Undergraduates
- arxiv url: http://arxiv.org/abs/2507.22946v1
- Date: Sat, 26 Jul 2025 13:49:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:08.322309
- Title: SmartCourse: A Contextual AI-Powered Course Advising System for Undergraduates
- Title（参考訳）: SmartCourse: 大学生のためのコンテキストAIによるコースアドバイスシステム
- Authors: Yixuan Mi, Yiduo Yu, Yiyi Zhao,
- Abstract要約: SmartCourseは、学生固有のコンテキストのための書き起こしと計画情報を統合することで、従来のアドバイスツールの制限に対処する。
このシステムは、インストラクターと学生のためのコマンドラインインターフェース(CLI)とGradio Web GUIを組み合わせて、ユーザーアカウント、コースの登録、卒業、4年間のプランを管理し、パーソナライズされたコースレコメンデーションのために、ローカルにホストされた大きな言語モデル(Ollama経由で)を統合する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present SmartCourse, an integrated course management and AI-driven advising system for undergraduate students (specifically tailored to the Computer Science (CPS) major). SmartCourse addresses the limitations of traditional advising tools by integrating transcript and plan information for student-specific context. The system combines a command-line interface (CLI) and a Gradio web GUI for instructors and students, manages user accounts, course enrollment, grading, and four-year degree plans, and integrates a locally hosted large language model (via Ollama) for personalized course recommendations. It leverages transcript and major plan to offer contextual advice (e.g., prioritizing requirements or retakes). We evaluated the system on 25 representative advising queries and introduced custom metrics: PlanScore, PersonalScore, Lift, and Recall to assess recommendation quality across different context conditions. Experiments show that using full context yields substantially more relevant recommendations than context-omitted modes, confirming the necessity of transcript and plan information for personalized academic advising. SmartCourse thus demonstrates how transcript-aware AI can enhance academic planning.
- Abstract（参考訳）: We present SmartCourse, a integrated course management and AI-driven advising system for senior students (特にコンピュータサイエンス専攻に合わせた)。
SmartCourseは、学生固有のコンテキストのための書き起こしと計画情報を統合することで、従来のアドバイスツールの制限に対処する。
このシステムは、インストラクターと学生のためのコマンドラインインターフェース(CLI)とGradio Web GUIを組み合わせて、ユーザーアカウント、コースの登録、卒業、4年間のプランを管理し、パーソナライズされたコースレコメンデーションのために、ローカルにホストされた大きな言語モデル(Ollama経由で)を統合する。
トランスクリプトと主要なプランを活用して、コンテキストアドバイス(例えば、要求の優先順位付けや再取り込みなど)を提供する。
提案手法は25種類のクエリに対して評価を行い、PlanScore、PersonalScore、Lift、Recallといったカスタムメトリクスを導入し、異なるコンテキスト条件における推奨品質を評価した。
実験結果から, コンテクストの完全使用は, コンテクスト省略モードよりも相当に関連性の高いレコメンデーションが得られ, パーソナライズされた学術的助言のための書き起こしと計画情報の必要性が確認された。
そこでSmartCourseは、転写認識AIが学術計画を強化する方法を示す。
関連論文リスト
- Graph Retrieval-Augmented LLM for Conversational Recommendation Systems [52.35491420330534]
G-CRS(Graph Retrieval-Augmented Large Language Model for Conversational Recommender Systems)は、グラフ検索強化世代とテキスト内学習を組み合わせた学習自由フレームワークである。
G-CRSは、タスク固有のトレーニングを必要とせず、既存の手法よりも優れたレコメンデーション性能を達成する。
論文 参考訳（メタデータ） (2025-03-09T03:56:22Z) - Recommending the right academic programs: An interest mining approach using BERTopic [46.133648730062035]
本稿では,プログラムの内容と個人の嗜好の両方に基づいて,学生に効果的なレコメンデーションを提供する最初の情報システムを提案する。
BERTopicは、テキスト埋め込み技術を利用してトピック表現を生成する強力なトピックモデリングアルゴリズムである。
後中等学校におけるケーススタディでは,システムが即時かつ効果的な意思決定支援を提供することを示す。
論文 参考訳（メタデータ） (2025-01-11T16:34:10Z) - From Interests to Insights: An LLM Approach to Course Recommendations Using Natural Language Queries [0.0]
本稿では,新しいLarge Language Model (LLM) コースレコメンデーションシステムについて述べる。
コース記述のコーパスにRAG(Retrieval Augmented Generation)法を適用する。
システムはまず、ユーザのクエリに基づいて「理想」のコース記述を生成する。
この記述は埋め込みを用いて検索ベクトルに変換され、類似したコンテンツを持つ実際のコースを見つけるのに使用される。
論文 参考訳（メタデータ） (2024-12-26T18:19:53Z) - CourseAssist: Pedagogically Appropriate AI Tutor for Computer Science Education [1.052788652996288]
このポスターでは、コンピュータサイエンス教育用に作られた新しいLLMベースのチューターシステムであるCourseAssistを紹介している。
一般的なLLMシステムとは異なり、CourseAssistは検索強化生成、ユーザ意図分類、質問分解を使用して、AI応答を特定のコース材料や学習目標と整合させる。
論文 参考訳（メタデータ） (2024-05-01T20:43:06Z) - Helping university students to choose elective courses by using a hybrid
multi-criteria recommendation system with genetic optimization [0.0]
本稿では、協調フィルタリング(CF)とコンテンツベースフィルタリング(CBF)を組み合わせたハイブリッドRSを提案する。
遺伝的アルゴリズム(GA)は最適なRS構成を自動的に発見するために開発された。
実験結果から, コース推薦における最も関連性の高い基準について検討した。
論文 参考訳（メタデータ） (2024-02-13T11:02:12Z) - Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。
KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。
KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-12-18T06:41:23Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
KnowledgeCheckRに統合された推奨アプローチの概要を提供します。
その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
論文 参考訳（メタデータ） (2021-02-15T20:06:28Z) - UniNet: Next Term Course Recommendation using Deep Learning [0.0]
本稿では,コースの時系列順が成功の確率にどのように影響するかを表現するための深層学習手法を提案する。
成績情報のみを用いて,AUC測定値の81.10%の性能が得られることを示した。
これは、異なる学生のGPAレベルとコースの難易度で有意義であることが示されている。
論文 参考訳（メタデータ） (2020-09-20T00:07:45Z) - Attentional Graph Convolutional Networks for Knowledge Concept
Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。
学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。
そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-23T18:28:08Z)
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。