論文の概要: Small Language Models Reshape Higher Education: Courses, Textbooks, and Teaching

• arxiv url: http://arxiv.org/abs/2512.06001v1
• Date: Tue, 02 Dec 2025 01:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.136984
• Title: Small Language Models Reshape Higher Education: Courses, Textbooks, and Teaching
• Title（参考訳）: 小言語モデルによる高等教育の改革--コース,教科書,教育
• Authors: Jian Zhang, Jia Shao,
• Abstract要約: この研究は「大気物理学」を例に挙げる。 私たちは、地球と環境科学の130以上の国際的に尊敬されているジャーナルから、550,000以上の全文PDFを集めました。 これらのリソースはMiniLMを用いて,高精度な検索を行うための高次元ベクトルライブラリに編成された。
• 参考スコア（独自算出の注目度）: 4.628173451969016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While large language models (LLMs) have introduced novel paradigms in science and education, their adoption in higher education is constrained by inherent limitations. These include a tendency to produce inaccuracies and high computational requirements, which compromise the strict demands for accurate and reliable knowledge essential in higher education. Small language models (MiniLMs), by contrast, offer distinct advantages in professional education due to their lightweight nature and precise retrieval capabilities. This research takes "Atmospheric Physics" as an example. We established a specialized corpus and image repository by gathering over 550,000 full-text PDFs from over 130 international well-respected journals in Earth and environmental science. From this collection, we extracted over 100 million high-quality sentence-level corpus and more than 3 million high-resolution academic images. Using MiniLMs, these resources were organized into a high-dimensional vector library for precise retrieval and efficient utilization of extensive educational content. Consequently, we systematically redesigned the courses, textbooks, and teaching strategies for "Atmospheric Physics" based on MiniLMs. The course is designed as a "interdisciplinary-frontier" system, breaking down traditional boundaries between atmospheric science, space science, hydrology, and remote sensing. Teaching materials are transformed from static, lagging text formats into a dynamic digital resource library powered by MiniLM. For teaching methods, we have designed a question-based learning pathway. This paradigm promotes a shift from passive knowledge transfer to active cognitive development. Consequently, this MiniLM-driven "Atmospheric Physics" course demonstrates a specific avenue for "AI for education".
• Abstract（参考訳）: 大規模言語モデル(LLM)は科学と教育に新しいパラダイムを導入してきたが、高等教育への導入は固有の制限によって制限されている。 これらは不正確さと高い計算要求を生み出す傾向があり、高等教育に不可欠な正確で信頼性の高い知識に対する厳格な要求を損なう。 対照的に、小さな言語モデル(MiniLM)は、その軽量さと正確な検索能力のために、プロの教育において明確なアドバンテージを提供する。 この研究は「大気物理学」を例に挙げる。 我々は,地球環境科学における130以上の国際雑誌から550,000件以上の全文PDFを収集し,専門コーパスと画像リポジトリを構築した。 このコレクションから1億以上の高品質な文レベルコーパスと300万以上の高解像度の学術画像を抽出した。 これらの資源は,MiniLMを用いて高次元ベクトルライブラリに編成され,広範囲な教育コンテンツの正確な検索と効率的な利用が可能となった。 その結果,MiniLMをベースとした「大気物理学」のコース,教科書,教育戦略を体系的に再設計した。 このコースは「学際的最前線」システムとして設計され、大気科学、宇宙科学、水文学、リモートセンシングの伝統的な境界を画定している。 教材は、静的で遅延するテキスト形式から、MiniLMを動力とする動的デジタルリソースライブラリに変換される。 教示方法として,質問に基づく学習経路を設計した。 このパラダイムは、受動的知識伝達からアクティブな認知発達への移行を促進する。 その結果、このMiniLM駆動のAtmospheric Physicsコースは、"AI for Education"の具体的な道筋を示している。

関連論文リスト

• Continual Learning for Generative AI: From LLMs to MLLMs and Beyond [56.29231194002407]
  本稿では,主流生成型AIモデルに対する連続学習手法の総合的な調査を行う。 これらのアプローチをアーキテクチャベース、正規化ベース、リプレイベースという3つのパラダイムに分類する。 我々は、トレーニング目標、ベンチマーク、コアバックボーンを含む、異なる生成モデルに対する連続的な学習設定を分析する。
  論文  参考訳（メタデータ） (2025-06-16T02:27:25Z)
• Bridging the Digital Divide: Small Language Models as a Pathway for Physics and Photonics Education in Underdeveloped Regions [0.0]
  この記事では、低消費電力デバイス上でオフラインで実行できる、Small Language Models(SLM)互換のAIツールが、スケーラブルなソリューションを提供する方法について説明する。 仮想チューターとして機能し、ネイティブ言語の教育を可能にし、インタラクティブな学習をサポートすることで、SLMは訓練された教育者の不足と実験室へのアクセスに対処するのに役立つ。
  論文  参考訳（メタデータ） (2025-06-14T08:41:05Z)
• Atomic Learning Objectives Labeling: A High-Resolution Approach for Physics Education [2.6771924284364452]
  本稿では,物理学習のための高分解能マップを作成するための新しいアプローチを提案する。 物理問題の自動ラベル付けには,大規模言語モデルを用いる。 我々の研究は、学習目標を質問にマッピングするより粒度の細かいアプローチを提案することによって、学習分析の分野に貢献する。
  論文  参考訳（メタデータ） (2024-12-13T07:05:31Z)
• SciInstruct: a Self-Reflective Instruction Annotated Dataset for Training Scientific Language Models [57.96527452844273]
  我々はSciInstructを紹介した。SciInstructは、大学レベルの科学的推論が可能な科学言語モデルを訓練するための科学指導スイートである。 我々は、物理学、化学、数学、公式な証明を含む多種多様な高品質なデータセットをキュレートした。 SciInstructの有効性を検証するため、SciInstruct、すなわちChatGLM3(6Bと32B)、Llama3-8B-Instruct、Mistral-7B: MetaMathを用いて言語モデルを微調整した。
  論文  参考訳（メタデータ） (2024-01-15T20:22:21Z)
• Taking the Next Step with Generative Artificial Intelligence: The Transformative Role of Multimodal Large Language Models in Science Education [13.87944568193996]
  MLLM(Multimodal Large Language Models)は、テキスト、音声、視覚入力を含むマルチモーダルデータを処理できる。 本稿では,科学教育の中心的な側面におけるMLLMの変革的役割について,模範的な革新的な学習シナリオを提示することによって考察する。
  論文  参考訳（メタデータ） (2024-01-01T18:11:43Z)
• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• SimLM: Can Language Models Infer Parameters of Physical Systems? [56.38608628187024]
  物理系におけるパラメータ推論におけるLarge Language Models (LLM) の性能について検討する。 実験の結果,単純なシステムであっても,本課題には適していないことが示唆された。 物理シミュレータを用いてLLMのコンテキストを拡大する探索の有望な方向を提案する。
  論文  参考訳（メタデータ） (2023-12-21T12:05:19Z)

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。