論文の概要: AnveshanaAI: A Multimodal Platform for Adaptive AI/ML Education through Automated Question Generation and Interactive Assessment
- arxiv url: http://arxiv.org/abs/2509.23811v1
- Date: Sun, 28 Sep 2025 11:24:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.463789
- Title: AnveshanaAI: A Multimodal Platform for Adaptive AI/ML Education through Automated Question Generation and Interactive Assessment
- Title（参考訳）: AnveshanaAI: 自動質問生成とインタラクティブアセスメントによる適応型AI/ML教育のためのマルチモーダルプラットフォーム
- Authors: Rakesh Thakur, Diksha Khandelwal, Shreya Tiwari,
- Abstract要約: AnveshanaAIは、人工知能のためのアプリケーションベースの学習プラットフォームである。
学習者には、データサイエンス、機械学習、ディープラーニング、トランスフォーマー、生成AI、大規模言語モデル、マルチモーダルAIといった分野にわたる、ストリーク、レベル、バッジ、構造化されたナビゲーションを備えたパーソナライズされたダッシュボードが提供される。
- 参考スコア（独自算出の注目度）: 13.259219714721242
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose AnveshanaAI, an application-based learning platform for artificial intelligence. With AnveshanaAI, learners are presented with a personalized dashboard featuring streaks, levels, badges, and structured navigation across domains such as data science, machine learning, deep learning, transformers, generative AI, large language models, and multimodal AI, with scope to include more in the future. The platform incorporates gamified tracking with points and achievements to enhance engagement and learning, while switching between Playground, Challenges, Simulator, Dashboard, and Community supports exploration and collaboration. Unlike static question repositories used in existing platforms, AnveshanaAI ensures balanced learning progression through a dataset grounded in Bloom's taxonomy, with semantic similarity checks and explainable AI techniques improving transparency and reliability. Adaptive, automated, and domain-aware assessment methods are also employed. Experiments demonstrate broad dataset coverage, stable fine-tuning with reduced perplexity, and measurable gains in learner engagement. Together, these features illustrate how AnveshanaAI integrates adaptivity, gamification, interactivity, and explainability to support next-generation AI education.
- Abstract（参考訳）: 人工知能のためのアプリケーションベースの学習プラットフォームであるAnveshanaAIを提案する。
AnveshanaAIでは、学習者がパーソナライズされたダッシュボードで、データサイエンス、機械学習、ディープラーニング、トランスフォーマー、生成AI、大規模言語モデル、マルチモーダルAIなどの領域にわたる、ストリーク、レベル、バッジ、構造化されたナビゲーションが提供される。
Playground、Challenges、Simulator、Dashboard、Communityとの切り替えは探索とコラボレーションをサポートする。
既存のプラットフォームで使用されている静的な質問リポジトリとは異なり、AnveshanaAIは、Bloomの分類に基づくデータセットを通じて、セマンティックな類似性チェックと説明可能なAI技術により、透明性と信頼性を改善したバランスの取れた学習進捗を保証する。
適応性、自動化、およびドメイン認識の評価方法も採用されている。
実験では、幅広いデータセットのカバレッジ、パープレキシティの低減による安定した微調整、学習者のエンゲージメントの計測可能な向上が示されている。
これらの特徴は、AnveshanaAIが、次世代AI教育をサポートするために、適応性、ゲーミフィケーション、対話性、説明可能性を統合する方法を示している。
関連論文リスト
- Open TutorAI: An Open-source Platform for Personalized and Immersive Learning with Generative AI [1.440818306216858]
本稿では,LLMと生成技術に基づくオープンソースの教育プラットフォームであるOpen TutorAIについて述べる。
このシステムは自然言語処理とカスタマイズ可能な3Dアバターを統合し、マルチモーダル学習者インタラクションを実現する。
コンテンツを整理し、組み込みのフィードバックを提供し、学習者、教育者、親のために専用のインターフェイスを提供するツールが含まれている。
論文 参考訳（メタデータ） (2026-02-06T20:24:33Z) - Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems [75.78934957242403]
自動運転車とドローンは、マルチモーダル搭載センサーデータから真の空間情報を必要とする。
本稿では,この目標に向かって進む中核的な技術群を同定し,マルチモーダル・プレトレーニングのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-30T17:58:01Z) - AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。
記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。
今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
論文 参考訳（メタデータ） (2025-09-17T11:27:45Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - Transparent Adaptive Learning via Data-Centric Multimodal Explainable AI [0.0]
ほとんどの説明可能なAI(XAI)技術は、技術的なアウトプットに重点を置いているが、ユーザの役割や理解は無視されている。
本稿では,従来のXAI技術と,生成型AIモデルとユーザパーソナライゼーションを統合したハイブリッドフレームワークを提案する。
私たちの目標は、ユーザ中心のエクスペリエンスをサポートしながら透明性を高める、説明可能なAIへの移行です。
論文 参考訳（メタデータ） (2025-08-01T14:36:16Z) - 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) - Deep Learning and Machine Learning, Advancing Big Data Analytics and Management: Unveiling AI's Potential Through Tools, Techniques, and Applications [17.624263707781655]
人工知能(AI)、機械学習、ディープラーニングは、ビッグデータ分析と管理において変革の力となっている。
この記事では、これらの分野における基礎概念と最先端の展開について論じる。
理論的基盤を実行可能な戦略でブリッジすることで、ビッグデータ管理に革命をもたらすAIとLLMの可能性を示す。
論文 参考訳（メタデータ） (2024-10-02T06:24:51Z) - 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) - An Interactive Agent Foundation Model [49.77861810045509]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳（メタデータ） (2024-02-08T18:58:02Z) - Drive Anywhere: Generalizable End-to-end Autonomous Driving with
Multi-modal Foundation Models [114.69732301904419]
本稿では、画像とテキストで検索可能な表現から、運転決定を提供することができる、エンドツーエンドのオープンセット(環境/シーン)自律運転を適用するアプローチを提案する。
当社のアプローチでは, 多様なテストにおいて非並列的な結果を示すと同時に, アウト・オブ・ディストリビューションの状況において, はるかに高いロバスト性を実現している。
論文 参考訳（メタデータ） (2023-10-26T17:56:35Z) - Artificial Intelligence-Enabled Intelligent Assistant for Personalized
and Adaptive Learning in Higher Education [0.2812395851874055]
本稿では,AIIA(Artificial Intelligence-Enabled Intelligent Assistant)という,高等教育におけるパーソナライズおよび適応学習のための新しいフレームワークを提案する。
AIIAシステムは、高度なAIと自然言語処理(NLP)技術を活用して、対話的で魅力的な学習プラットフォームを構築する。
論文 参考訳（メタデータ） (2023-09-19T19:31:15Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。