論文の概要: AdvisingWise: Supporting Academic Advising in Higher Educations Through a Human-in-the-Loop Multi-Agent Framework

• arxiv url: http://arxiv.org/abs/2511.05706v1
• Date: Fri, 07 Nov 2025 20:55:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.538553
• Title: AdvisingWise: Supporting Academic Advising in Higher Educations Through a Human-in-the-Loop Multi-Agent Framework
• Title（参考訳）: AdvisingWise:Human-in-the-Loop Multi-Agent Frameworkによる高等教育におけるアカデミックアドバイス支援
• Authors: Wendan Jiang, Shiyuan Wang, Hiba Eltigani, Rukhshan Haroon, Abdullah Bin Faisal, Fahad Dogar,
• Abstract要約: 高い学生と管理者の比率は、タイムリーなサポートを提供するためのアドバイザーの能力を制限する。 大規模言語モデル(LLM)の最近の進歩は、助言プロセスを強化する機会を提供する。 本稿では,情報検索や応答のドラフト作成など,時間を要するタスクを自動化するマルチエージェントシステムであるAdvisingWiseを紹介する。
• 参考スコア（独自算出の注目度）: 8.037437041741901
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Academic advising is critical to student success in higher education, yet high student-to-advisor ratios limit advisors' capacity to provide timely support, particularly during peak periods. Recent advances in Large Language Models (LLMs) present opportunities to enhance the advising process. We present AdvisingWise, a multi-agent system that automates time-consuming tasks, such as information retrieval and response drafting, while preserving human oversight. AdvisingWise leverages authoritative institutional resources and adaptively prompts students about their academic backgrounds to generate reliable, personalized responses. All system responses undergo human advisor validation before delivery to students. We evaluate AdvisingWise through a mixed-methods approach: (1) expert evaluation on responses of 20 sample queries, (2) LLM-as-a-judge evaluation of the information retrieval strategy, and (3) a user study with 8 academic advisors to assess the system's practical utility. Our evaluation shows that AdvisingWise produces accurate, personalized responses. Advisors reported increasingly positive perceptions after using AdvisingWise, as their initial concerns about reliability and personalization diminished. We conclude by discussing the implications of human-AI synergy on the practice of academic advising.
• Abstract（参考訳）: 高等教育における学生の成功には学術的助言が不可欠であるが、特にピーク期間中は、高い生徒と管理者の比率がアドバイザーの能力を制限する。 大規模言語モデル(LLM)の最近の進歩は、助言プロセスを強化する機会を提供する。 本稿では,情報検索や応答のドラフト作成などの時間的作業を自動化するマルチエージェントシステムであるAdvisingWiseを紹介する。 AdvisingWiseは権威ある機関リソースを活用し、学生に学術的背景について適応的に促し、信頼性がありパーソナライズされた応答を生成する。 すべてのシステム応答は、学生に届ける前に人間のアドバイザ・バリデーションを受けます。 提案手法は,(1)20個のサンプルクエリの応答に関する専門家評価,(2)情報検索戦略のLCM-as-a-judge評価,(3)システム実用性を評価するための8人の学者によるユーザスタディである。 評価の結果,AdvisingWiseは正確でパーソナライズされた応答を生成することがわかった。 アドバイザは、信頼性とパーソナライゼーションに関する最初の懸念が薄れていったため、アドバイザリングワイズを使用した後、次第に肯定的な認識が薄れていった。 我々は,人間とAIのシナジーが学術的助言の実践に与える影響について論じる。

関連論文リスト

• Ψ-Arena: Interactive Assessment and Optimization of LLM-based Psychological Counselors with Tripartite Feedback [51.26493826461026]
  大規模言語モデル(LLM)の総合的評価と最適化のための対話型フレームワークであるPsi-Arenaを提案する。 アリーナは、心理学的にプロファイルされたNPCクライアントとの多段階対話を通じて現実世界のカウンセリングをシミュレートする現実的なアリーナ相互作用を特徴としている。 8つの最先端のLLM実験は、異なる実世界のシナリオと評価の観点で大きなパフォーマンス変化を示す。
  論文  参考訳（メタデータ） (2025-05-06T08:22:51Z)
• Learning Analytics Dashboards for Advisors -- A Systematic Literature Review [0.0]
  Learning Analytics Dashboard for Advisorsは、データ駆動による洞察と視覚化を提供して、アドバイザの意思決定を支援するように設計されている。 本研究は,分析ダッシュボードの学習における技術の現状を考察し,アドバイザの要求に焦点をあてる。
  論文  参考訳（メタデータ） (2024-01-17T19:34:55Z)
• Helping the Helper: Supporting Peer Counselors via AI-Empowered Practice and Feedback [46.70617195649979]
  CAREはAIベースのツールで、実践とフィードバックを通じて同僚のカウンセラーを力づけ、訓練する。 CAREは、特定の状況で必要なカウンセリング戦略の診断を支援し、実践セッション中にカウンセラーにサンプル応答を提案する。
  論文  参考訳（メタデータ） (2023-05-15T19:48:59Z)
• MADDM: Multi-Advisor Dynamic Binary Decision-Making by Maximizing the Utility [8.212621730577897]
  逐次二元決定設定において,助言者の集合を最適に選択するための新しい戦略を提案する。 我々は、根拠となる真実にアクセスできず、助言者の信頼性に関する事前の知識もないと仮定する。
  論文  参考訳（メタデータ） (2023-05-15T14:13:47Z)
• Ask-AC: An Initiative Advisor-in-the-Loop Actor-Critic Framework [41.04606578479283]
  本稿では,Ask-ACと呼ばれる新しいアドバイザリ・イン・ザ・ループアクター・クリティカル・フレームワークを提案する。 Ask-ACの中心には2つの補完的なコンポーネント、すなわちアクションリクエスタとアダプティブステートセレクタがある。 定常環境および非定常環境における実験結果から,提案手法はエージェントの学習効率を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2022-07-05T10:58:11Z)
• Are Akpans Trick or Treat: Unveiling Helpful Biases in Assistant Systems [55.09907990139756]
  情報探索型AIアシスタントシステムは,ユーザの知識に関する質問に対して,タイムリーに回答することを目的としている。 本稿では,有用性の計算測度について検討する。 最先端の対話システムを用いた実験により、既存のシステムは高度開発途上国の概念に関する質問に役立っていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-05-25T07:58:38Z)
• Doubting AI Predictions: Influence-Driven Second Opinion Recommendation [92.30805227803688]
  我々は,補完的な意見を提供する可能性のある専門家を識別する,共通の組織的実践に基づいて,人間とAIのコラボレーションを強化する方法を提案する。 提案手法は、一部の専門家がアルゴリズムによる評価に異を唱えるかどうかを特定することによって、生産的な不一致を活用することを目的としている。
  論文  参考訳（メタデータ） (2022-04-29T20:35:07Z)
• FEBR: Expert-Based Recommendation Framework for beneficial and personalized content [77.86290991564829]
  推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。 このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。 ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
  論文  参考訳（メタデータ） (2021-07-17T18:21:31Z)
• 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)
• Human Engagement Providing Evaluative and Informative Advice for Interactive Reinforcement Learning [2.5799044614524664]
  この研究は、評価的または情報的という2つのアプローチのどちらが人間にとって好ましい指導的アプローチであるかを答えることに焦点を当てている。 結果は、ユーザーにより正確なアドバイスを提供し、学習者エージェントを長く支援し、エピソード毎により多くのアドバイスを提供することを示す。
  論文  参考訳（メタデータ） (2020-09-21T02:14:02Z)
• Understanding the Advisor-advisee Relationship via Scholarly Data Analysis [32.63446608170046]
  高い学術レベルのアドバイザーによって指導される助言は、他のものよりも優れた学術的パフォーマンスを持つ。 高等教育レベルの高いアドバイザーが指導する助言者は、助言者のh-indexランキングを上げることができる。 本研究は、助言者の学術的特徴と助言者の業績との関係の理解を促進するための新たな洞察を提供する。
  論文  参考訳（メタデータ） (2020-08-20T02:57:25Z)

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。