論文の概要: PAPPL: Personalized AI-Powered Progressive Learning Platform
- arxiv url: http://arxiv.org/abs/2508.14109v1
- Date: Mon, 18 Aug 2025 00:35:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-21 16:52:41.193926
- Title: PAPPL: Personalized AI-Powered Progressive Learning Platform
- Title（参考訳）: PAPPL: パーソナライズされたAIによるプログレッシブラーニングプラットフォーム
- Authors: Shayan Bafandkar, Sungyong Chung, Homa Khosravian, Alireza Talebpour,
- Abstract要約: 本稿では,工学教育に特化した高度知能学習システムであるPAPPL(Personalized AI-Powered Progressive Learning)について紹介する。
PAPPLは、エキスパートモジュール、学生モジュール、チューターモジュール、ユーザーインターフェースを含むコアITSコンポーネントを統合し、洗練された大規模言語モデル(LLM)であるGPT-4oを利用する。
このシステムは、学生の試行を独自に記録し、繰り返し行われる誤解を検知し、段階的に目標とするフィードバックを生成し、各生徒の学習プロファイルに動的に適応するパーソナライズされた支援を提供する。
- 参考スコア（独自算出の注目度）: 4.427312315598971
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Engineering education has historically been constrained by rigid, standardized frameworks, often neglecting students' diverse learning needs and interests. While significant advancements have been made in online and personalized education within K-12 and foundational sciences, engineering education at both undergraduate and graduate levels continues to lag in adopting similar innovations. Traditional evaluation methods, such as exams and homework assignments, frequently overlook individual student requirements, impeding personalized educational experiences. To address these limitations, this paper introduces the Personalized AI-Powered Progressive Learning (PAPPL) platform, an advanced Intelligent Tutoring System (ITS) designed specifically for engineering education. It highlights the development of a scalable, data-driven tutoring environment leveraging cutting-edge AI technology to enhance personalized learning across diverse academic disciplines, particularly in STEM fields. PAPPL integrates core ITS components including the expert module, student module, tutor module, and user interface, and utilizes GPT-4o, a sophisticated large language model (LLM), to deliver context-sensitive and pedagogically sound hints based on students' interactions. The system uniquely records student attempts, detects recurring misconceptions, and generates progressively targeted feedback, providing personalized assistance that adapts dynamically to each student's learning profile. Additionally, PAPPL offers instructors detailed analytics, empowering evidence-based adjustments to teaching strategies. This study provides a fundamental framework for the progression of Generative ITSs scalable to all education levels, delivering important perspectives on personalized progressive learning and the wider possibilities of Generative AI in the field of education.
- Abstract（参考訳）: 工学教育は歴史的に、厳格で標準化された枠組みによって制約され、しばしば学生の多様な学習ニーズや関心を無視してきた。
K-12のオンライン・パーソナライズされた教育や基礎科学の分野では大きな進歩があったが、大学院・大学院の両方の工学教育は、同様のイノベーションの採用に遅れを取っている。
試験や宿題といった従来の評価手法は、個々の学生の要求をよく見落とし、パーソナライズされた教育経験を妨げる。
これらの制約に対処するために,工学教育に特化した高度知能学習システムであるPAPPL(Personalized AI-Powered Progressive Learning)プラットフォームを紹介する。
最先端のAI技術を活用して、さまざまな学術分野、特にSTEM分野におけるパーソナライズされた学習を強化する、スケーラブルでデータ駆動型チューリング環境の開発を強調している。
PAPPLは、エキスパートモジュール、学生モジュール、チューターモジュール、ユーザインターフェースを含む中核のITSコンポーネントを統合し、洗練された大規模言語モデル(LLM)であるGPT-4oを使用して、学生のインタラクションに基づいて、文脈に敏感で教育的に音のヒントを提供する。
このシステムは、学生の試行を独自に記録し、繰り返し行われる誤解を検知し、段階的に目標とするフィードバックを生成し、各生徒の学習プロファイルに動的に適応するパーソナライズされた支援を提供する。
さらに、PAPPLはインストラクターに詳細な分析を提供し、エビデンスに基づく指導戦略の調整を強化する。
本研究は、すべての教育レベルにスケーラブルで、パーソナライズされたプログレッシブ・ラーニングと、教育分野におけるジェネレーティブ・AIの幅広い可能性について重要な視点を提供する。
関連論文リスト
- Bridging MOOCs, Smart Teaching, and AI: A Decade of Evolution Toward a Unified Pedagogy [4.943165921136573]
本稿では,MOOCのスケーラビリティ,スマート教育の応答性,AIの適応性を組み合わせた3層指導フレームワークを提案する。
この結果は、学習者のエンゲージメントを高め、インストラクターをサポートし、パーソナライズされながらスケーラブルな学習を可能にするフレームワークの可能性を強調している。
論文 参考訳（メタデータ） (2025-07-18T14:57:20Z) - AI-Powered Math Tutoring: Platform for Personalized and Adaptive Education [0.0]
本稿では,適応的およびパーソナライズされたフィードバック,構造化コース生成,教科書知識検索を組み合わせた,新しいマルチエージェントAI学習プラットフォームを提案する。
このシステムにより、学生は新しいトピックを学習し、弱点を特定し、ターゲティングし、試験を効果的に修正し、無制限にパーソナライズされたエクササイズを実践することができる。
論文 参考訳（メタデータ） (2025-07-14T20:35:16Z) - INSIGHT: Bridging the Student-Teacher Gap in Times of Large Language Models [0.7499722271664147]
INSIGHTは、さまざまなAIツールを組み合わせて、エクササイズを解決する過程において、スタッフと学生を教えることを支援する概念実証である。
我々は,学生の質問からFAQを動的に構築するキーワードを抽出することで,学生の質問をLLMに解析する。
論文 参考訳（メタデータ） (2025-04-24T15:47:20Z) - LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System [54.71619734800526]
GenMentorは、ITS内で目標指向でパーソナライズされた学習を提供するために設計されたマルチエージェントフレームワークである。
学習者の目標を、カスタムのゴール・トゥ・スキルデータセットでトレーニングされた微調整LDMを使用して、必要なスキルにマッピングする。
GenMentorは、個々の学習者のニーズに合わせて探索・描画・統合機構で学習内容を調整する。
論文 参考訳（メタデータ） (2025-01-27T03:29:44Z) - From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - GPTutor: Great Personalized Tutor with Large Language Models for Personalized Learning Content Generation [10.751387570878531]
GPTutorは、パーソナライズされた学習に革命をもたらすように設計された先駆的なWebアプリケーションである。
個々の学生の興味やキャリアの目標に合わせるために、教育内容と実践演習を適応させる。
論文 参考訳（メタデータ） (2024-05-16T07:13:14Z) - A Review of Data Mining in Personalized Education: Current Trends and
Future Prospects [30.033926908231297]
本稿では,教育推薦,認知診断,知識追跡,学習分析の4つのシナリオに焦点をあてる。
教育プラットフォームにおけるAIの統合は、学術的パフォーマンス、学習の好み、行動に関する洞察を提供し、個人の学習プロセスを最適化する。
論文 参考訳（メタデータ） (2024-02-27T06:09:48Z) - 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) - Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。
私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
論文 参考訳（メタデータ） (2021-04-15T20:40:24Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z)
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。