論文の概要: ALIGNAgent: Adaptive Learner Intelligence for Gap Identification and Next-step guidance

• arxiv url: http://arxiv.org/abs/2601.15551v1
• Date: Thu, 22 Jan 2026 00:45:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.456838
• Title: ALIGNAgent: Adaptive Learner Intelligence for Gap Identification and Next-step guidance
• Title（参考訳）: ALIGNAgent: ギャップ識別と次段階指導のための適応型学習知能
• Authors: Bismack Tokoli, Luis Jaimes, Ayesha S. Dina,
• Abstract要約: 本稿では,知識の総合的推定,スキルギャップの同定,対象とするリソースの推薦を通じて,パーソナライズされた学習を実現するためのALIGNAgentを提案する。 AlIGNAgentは、特定の誤解や知識不足を識別するために概念レベルの診断推論を利用するスキルギャップエージェントを使用して、トピックレベルの熟練度推定を生成する。 スキルギャップを特定した後、Learner Recommender Agentは、診断された欠陥に対応する嗜好認識学習材料を検索する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalized learning systems have emerged as a promising approach to enhance student outcomes by tailoring educational content, pacing, and feedback to individual needs. However, most existing systems remain fragmented, specializing in either knowledge tracing, diagnostic modeling, or resource recommendation, but rarely integrating these components into a cohesive adaptive cycle. In this paper, we propose ALIGNAgent (Adaptive Learner Intelligence for Gap Identification and Next-step guidance), a multi-agent educational framework designed to deliver personalized learning through integrated knowledge estimation, skill-gap identification, and targeted resource recommendation.ALIGNAgent begins by processing student quiz performance, gradebook data, and learner preferences to generate topic-level proficiency estimates using a Skill Gap Agent that employs concept-level diagnostic reasoning to identify specific misconceptions and knowledge deficiencies. After identifying skill gaps, the Recommender Agent retrieves preference-aware learning materials aligned with diagnosed deficiencies, implementing a continuous feedback loop where interventions occur before advancing to subsequent topics. Extensive empirical evaluation on authentic datasets from two undergraduate computer science courses demonstrates ALIGNAgent's effectiveness, with GPT-4o-based agents achieving precision of 0.87-0.90 and F1 scores of 0.84-0.87 in knowledge proficiency estimation validated against actual exam performance.
• Abstract（参考訳）: パーソナライズド・ラーニング・システムは、教育内容の調整、ペアリング、個人のニーズへのフィードバックによって、学生の成果を高めるための有望なアプローチとして現れてきた。 しかし、既存のシステムの多くは断片化されており、知識追跡、診断モデリング、リソースレコメンデーションのいずれかに特化しているが、これらのコンポーネントを結合的な適応サイクルに統合することは滅多にない。 本稿では,総合的な知識推定,スキルギャップ識別,目標とするリソースレコメンデーションを通じてパーソナライズされた学習を提供するためのマルチエージェント教育フレームワークであるALIGNAgentを提案する。 スキルギャップを特定した後、Recommender Agentは、診断された欠陥に対応する嗜好認識学習教材を検索し、その後のトピックに進む前に介入が発生する継続的フィードバックループを実装する。 GPT-4oをベースとしたエージェントは、実際の試験成績に対して評価された知識能力の0.87-0.90とF1スコアの0.84-0.87を精度で達成し、ALIGNAgentの有効性を示す。

関連論文リスト

• SIGMA: Search-Augmented On-Demand Knowledge Integration for Agentic Mathematical Reasoning [0.054619385369457214]
  SIGMA(Search-Augmented On-Demand Knowledge Integration for AGentic Mathematical reAsoning)は、特殊エージェントを編成する統合フレームワークである。 各エージェントは仮説パスを生成し、分析的な視点で検索を最適化し、知識統合が文脈に敏感で計算効率が良いことを保証する。 その結果,多エージェントのオンデマンド知識統合は推論精度と効率性の両方を著しく向上させ,複雑で知識集約的な問題解決にスケーラブルなアプローチを提供することを示した。
  論文  参考訳（メタデータ） (2025-10-31T15:51:00Z)
• A Closed-Loop Personalized Learning Agent Integrating Neural Cognitive Diagnosis, Bounded-Ability Adaptive Testing, and LLM-Driven Feedback [5.190121417265426]
  本稿では,ニューラル認知診断モデル(NCD),境界能力コンピュータ適応テスト戦略(BECAT),大規模言語モデル(LLM)を統合するエンド・ツー・エンドの個別学習エージェントを提案する。 ASSISTmentsデータセットの実験では、NCDモジュールは解釈可能なマスタリーアセスメントを出力しながら応答予測において高い性能を達成する。 全体としては,提案した設計は効果的かつ実用的に展開可能であることを示唆している。
  論文  参考訳（メタデータ） (2025-10-26T07:32:31Z)
• KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [73.34893326181046]
  本稿では,効率的なモデル適応によりRAGシステムを強化する自己教師型フレームワークKBAlignを提案する。 私たちのキーとなる洞察は、2つの革新的なメカニズムを通じて、モデルの本質的な能力を知識の整合性に活用することです。 KBAlign は GPT-4 による適応によって得られる性能向上の90%を達成できることを示した。
  論文  参考訳（メタデータ） (2024-11-22T08:21:03Z)
• XAL: EXplainable Active Learning Makes Classifiers Better Low-resource Learners [71.8257151788923]
  低リソーステキスト分類のための新しい説明可能なアクティブラーニングフレームワーク(XAL)を提案する。 XALは分類器に対して、推論を正当化し、合理的な説明ができないラベルのないデータを掘り下げることを推奨している。 6つのデータセットの実験では、XALは9つの強いベースラインに対して一貫した改善を達成している。
  論文  参考訳（メタデータ） (2023-10-09T08:07:04Z)
• UIILD: A Unified Interpretable Intelligent Learning Diagnosis Framework for Intelligent Tutoring Systems [8.354034992258482]
  深層学習の強力な表現学習能力と心理メトリクスの解釈可能性から,統合的解釈可能な知的学習診断(UIILD)フレームワークが有用である。 本稿では,2チャンネル学習診断機構 LDM-ID と3チャンネル学習診断機構 LDM-HMI を提案する。
  論文  参考訳（メタデータ） (2022-07-07T07:04:22Z)

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。