論文の概要: Transforming Mentorship: An AI Powered Chatbot Approach to University Guidance

• arxiv url: http://arxiv.org/abs/2511.04172v1
• Date: Thu, 06 Nov 2025 08:24:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.362399
• Title: Transforming Mentorship: An AI Powered Chatbot Approach to University Guidance
• Title（参考訳）: AIを駆使したチャットボットが大学の指導に役立てられる
• Authors: Mashrur Rahman, Mantaqa abedin, Monowar Zamil Abir, Faizul Islam Ansari, Adib Reza, Farig Yousuf Sadeque, Niloy Farhan,
• Abstract要約: 本稿では,BRAC大学の学生のためのメンターとして,AIを活用したロボットを提案する。 主なコンポーネントは、さまざまなソースからの情報を効率的に処理し、更新するデータ取り込みパイプラインである。 生成したテキストは意味的に非常に関連性が高く、BERTScoreは0.831、METEORスコアは0.809である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: University students face immense challenges during their undergraduate lives, often being deprived of personalized on-demand guidance that mentors fail to provide at scale. Digital tools exist, but there is a serious lack of customized coaching for newcomers. This paper presents an AI-powered chatbot that will serve as a mentor for the students of BRAC University. The main component is a data ingestion pipeline that efficiently processes and updates information from diverse sources, such as CSV files and university webpages. The chatbot retrieves information through a hybrid approach, combining BM25 lexical ranking with ChromaDB semantic retrieval, and uses a Large Language Model, LLaMA-3.3-70B, to generate conversational responses. The generated text was found to be semantically highly relevant, with a BERTScore of 0.831 and a METEOR score of 0.809. The data pipeline was also very efficient, taking 106.82 seconds for updates, compared to 368.62 seconds for new data. This chatbot will be able to help students by responding to their queries, helping them to get a better understanding of university life, and assisting them to plan better routines for their semester in the open-credit university.
• Abstract（参考訳）: 大学生は、学生の生活の中で大きな課題に直面しており、しばしば、メンターが大規模に提供できないパーソナライズされたオンデマンドガイダンスを奪われる。 デジタルツールは存在するが、新参者向けにカスタマイズされたコーチングがまったくない。 本稿では,BRAC大学学生のメンターとして機能するAIを利用したチャットボットを提案する。 主なコンポーネントはデータ取り込みパイプラインで、CSVファイルや大学のWebページなど、さまざまなソースからの情報を効率的に処理し、更新する。 このチャットボットは、BM25語彙ランキングとChromaDB意味検索を組み合わせたハイブリッドアプローチで情報を検索し、LLaMA-3.3-70Bという大言語モデルを用いて会話応答を生成する。 生成したテキストは意味的に非常に関連性が高く、BERTScoreは0.831、METEORスコアは0.809である。 データパイプラインも非常に効率的で、更新に106.82秒、新しいデータに368.62秒を要した。 このチャットボットは、学生が質問に応答し、大学生活をよりよく理解し、オープンクレディット大学の学期のためのより良いルーチンを計画するのを助ける。

関連論文リスト

• A Transformer-based Approach for Augmenting Software Engineering Chatbots Datasets [4.311626046942916]
  ソフトウェアエンジニアリングデータセットを拡張するための自動トランスフォーマーベースのアプローチを提案する。 3つのソフトウェアエンジニアリングデータセットを用いて,拡張アプローチがRasa NLUの性能に与える影響を評価する。
  論文  参考訳（メタデータ） (2024-07-16T17:48:44Z)
• Analyzing Chat Protocols of Novice Programmers Solving Introductory Programming Tasks with ChatGPT [0.12289361708127876]
  大規模なドイツの大学の学生は、ChatGPTの助けを借りてプログラミング演習の解決に動機づけられた。 データは、プロンプト、頻度、チャットの進行状況、内容、その他の利用パターンについて分析された。
  論文  参考訳（メタデータ） (2024-05-29T14:38:32Z)
• Language Models as Science Tutors [79.73256703631492]
  本研究では,LMの現実的なユーザビリティを科学的アシスタントとして測定するTutorEvalとTutorChatを紹介する。 既存の対話データセットを用いた微調整ベースモデルがTutorEvalの性能を低下させることを示す。 我々はTutorChatを用いて、7Bパラメータと34Bパラメータを持つLlemmaモデルを微調整する。これらのLMチューターは32Kのコンテキストウィンドウを持ち、GSM8KとMATHに強く依存しながらTutorEvalで優れている。
  論文  参考訳（メタデータ） (2024-02-16T22:24:13Z)
• Deep Learning Based Amharic Chatbot for FAQs in Universities [0.0]
  本稿では,アムハラ語の質問(FAQ)に頻繁に答えるモデルを提案する。 提案プログラムでは, トークン化, 停止語除去, ステーミングを用いて, アムハラ語入力文の分析と分類を行う。 このモデルはFacebook Messengerに統合され、Herokuサーバに24時間のアクセシビリティとしてデプロイされた。
  論文  参考訳（メタデータ） (2024-01-26T18:37:21Z)
• AutoConv: Automatically Generating Information-seeking Conversations with Large Language Models [74.10293412011455]
  合成会話生成のためのAutoConvを提案する。 具体的には,会話生成問題を言語モデリングタスクとして定式化する。 我々は、情報探索プロセスの特徴を捉えるために、人間同士の会話でLLMを微調整する。
  論文  参考訳（メタデータ） (2023-08-12T08:52:40Z)
• Enhancing Chat Language Models by Scaling High-quality Instructional Conversations [91.98516412612739]
  まず,UltraChatという,体系的に設計され,多様で,情報的,大規模な会話データセットを提供する。 我々の目標は、人間がAIアシスタントで持つであろう対話の幅を捉えることです。 我々はLLaMAモデルを微調整し、強力な対話モデルであるUltraLLaMAを作成する。
  論文  参考訳（メタデータ） (2023-05-23T16:49:14Z)
• Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
  我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。 自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2021-10-15T21:46:39Z)
• Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
  ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。 現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。 グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
  論文  参考訳（メタデータ） (2021-10-15T14:36:45Z)
• Developing FB Chatbot Based on Deep Learning Using RASA Framework for University Enquiries [0.0]
  この研究は、かなり十分なシミュレートデータの中での第1段階の開発である。 この概念は、最近の技術で発展している社会では、新しいものではない。 これはFB利用者がインドネシア全人口の60.8%に達しているためである。
  論文  参考訳（メタデータ） (2020-09-25T17:01:19Z)

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。