論文の概要: Bias-Aware AI Chatbot for Engineering Advising at the University of Maryland A. James Clark School of Engineering
- arxiv url: http://arxiv.org/abs/2510.09636v1
- Date: Tue, 30 Sep 2025 03:47:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-20 05:23:07.153416
- Title: Bias-Aware AI Chatbot for Engineering Advising at the University of Maryland A. James Clark School of Engineering
- Title（参考訳）: メリーランド大学ジェームズ・クラーク工学部におけるバイアス対応AIチャットボット
- Authors: Prarthana P. Kartholy, Thandi M. Labor, Neil N. Panchal, Sean H. Wang, Hillary N. Owusu,
- Abstract要約: 本研究では,メリーランド大学 (UMD) A. James Clark School of Engineering Program のAIチャットボットの開発を目的とする。
私たちの研究チームは、反応の潜在的なバイアスを分析し、緩和しました。
結果は、慎重にエンジニアリングとバイアス軽減戦略によって、AIは高品質で偏見のない学術的なアドバイスを提供することができることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Selecting a college major is a difficult decision for many incoming freshmen. Traditional academic advising is often hindered by long wait times, intimidating environments, and limited personalization. AI Chatbots present an opportunity to address these challenges. However, AI systems also have the potential to generate biased responses, prejudices related to race, gender, socioeconomic status, and disability. These biases risk turning away potential students and undermining reliability of AI systems. This study aims to develop a University of Maryland (UMD) A. James Clark School of Engineering Program-specific AI chatbot. Our research team analyzed and mitigated potential biases in the responses. Through testing the chatbot on diverse student queries, the responses are scored on metrics of accuracy, relevance, personalization, and bias presence. The results demonstrate that with careful prompt engineering and bias mitigation strategies, AI chatbots can provide high-quality, unbiased academic advising support, achieving mean scores of 9.76 for accuracy, 9.56 for relevance, and 9.60 for personalization with no stereotypical biases found in the sample data. However, due to the small sample size and limited timeframe, our AI model may not fully reflect the nuances of student queries in engineering academic advising. Regardless, these findings will inform best practices for building ethical AI systems in higher education, offering tools to complement traditional advising and address the inequities faced by many underrepresented and first-generation college students.
- Abstract（参考訳）: 大学長を選ぶことは、多くの入ってくる新入生にとって難しい決断だ。
伝統的な学術的な助言は、長い待ち時間、威圧的な環境、限られたパーソナライゼーションによって妨げられることが多い。
AIチャットボットは、これらの課題に対処する機会を提供する。
しかし、AIシステムは、偏見のある反応、人種、性別、社会経済状態、障害に関連する偏見を生成する可能性がある。
これらのバイアスは、潜在的な学生を排除し、AIシステムの信頼性を損なうリスクがある。
本研究では,メリーランド大学 (UMD) A. James Clark School of Engineering Program のAIチャットボットの開発を目的とする。
私たちの研究チームは、反応の潜在的なバイアスを分析し、緩和しました。
多様な学生クエリでチャットボットをテストすることで、応答は正確性、妥当性、パーソナライゼーション、バイアスの有無のメトリクスに基づいて評価される。
その結果、AIチャットボットは、慎重にエンジニアリングとバイアスを緩和する戦略により、高品質でバイアスのない学術的助言支援を提供し、精度は9.76点、妥当性は9.56点、個人化は9.60点、サンプルデータにはステレオタイプバイアスがないことが示された。
しかし、サンプルのサイズが小さく、時間枠が限られているため、我々のAIモデルは、工学的なアドバイスをする学生の質問のニュアンスを完全に反映していないかもしれない。
いずれにせよ、これらの発見は高等教育における倫理的AIシステム構築のベストプラクティスを示唆し、従来の助言を補完し、多くの過小評価された第一世代の大学生が直面する不平等に対処するためのツールを提供する。
関連論文リスト
- Can AI Chatbots Provide Coaching in Engineering? Beyond Information Processing Toward Mastery [1.4837859618020621]
エンジニアリング教育は、二重の破壊に直面している。判断と暗黙のスキルを養う伝統的な見習いモデルは、非公式のコーチングパートナーとして生成AIが出現するのと同じように、浸食している。
この収束は、AIの哲学と計算の限界、具体的合理性の性質、情報処理と知恵の区別に関する認知に関する長年の疑問を再燃させる。
我々は、専門知識、暗黙の知識、人間と機械の相互作用に関する何十年もの奨学金から批判的な視点を合成し、現代のAI駆動教育の文脈にそれらを置く。
本稿では,ループモデルに人間の知恵を組み込んだマルチプレックスコーチングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-07T08:28:47Z) - Excited, Skeptical, or Worried? A Multi-Institutional Study of Student Views on Generative AI in Computing Education [1.1433339874669624]
我々は,23の教育機関のコンピュータプログラムに登録された410名の学生を対象に,多施設調査の結果を報告する。
あらゆる種類の学生が、元内に対する興奮、楽観、感謝を表明している。
論文 参考訳（メタデータ） (2025-10-03T15:34:44Z) - A roadmap for AI in robotics [55.87087746398059]
AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。
この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
論文 参考訳（メタデータ） (2025-07-26T15:18:28Z) - Artificial Intelligence in Sports: Insights from a Quantitative Survey among Sports Students in Germany about their Perceptions, Expectations, and Concerns regarding the Use of AI Tools [0.0]
この写本は、ドイツのすべての学区のスポーツ学生による定量的調査の結果を提示している。
学生は、AIの普及が批判的な思考スキルを損なうことはないと自信を表明している。
学生は、盗作、講師の準備、彼らのスキルと将来のスキル開発に懸念を持っている。
論文 参考訳（メタデータ） (2025-02-27T05:37:53Z) - Auto-assessment of assessment: A conceptual framework towards fulfilling the policy gaps in academic assessment practices [4.770873744131964]
英国、アラブ首長国連邦、イラクの3カ国から117人の学者を対象に調査を行った。
我々は、ほとんどの学者が、教育におけるAIについて肯定的な意見を持っていることを確認した。
学生の働きを自律的に評価する新しいAIフレームワークを初めて提案する。
論文 参考訳（メタデータ） (2024-10-28T15:22:37Z) - Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [176.39275404745098]
我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。
GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。
この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
論文 参考訳（メタデータ） (2024-08-07T12:11:49Z) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Developing generative AI chatbots conceptual framework for higher education [0.0]
本研究は, 高等教育におけるAI生成物の影響を解明し, 効果的に実施するための重要な要素を明らかにすることを目的とする。
結果は、AIチャットボットが学生のエンゲージメントを改善し、教育プロセスを合理化し、管理と研究の業務をサポートするためにどれだけのことができるかを実証する。
しかし、不愉快な学生の感情、AIが生み出す素材の正確性への疑念、新しい技術への不安と神経質さなど、明らかな困難もある。
論文 参考訳（メタデータ） (2024-03-28T10:40:26Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。
次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。
模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
論文 参考訳（メタデータ） (2022-11-23T16:16:52Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z)
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。