論文の概要: Arapai: An Offline-First AI Chatbot Architecture for Low-Connectivity Educational Environments

• arxiv url: http://arxiv.org/abs/2603.03339v1
• Date: Sat, 14 Feb 2026 09:53:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 01:20:08.169053
• Title: Arapai: An Offline-First AI Chatbot Architecture for Low-Connectivity Educational Environments
• Title（参考訳）: Arapai: 低接続性教育環境のためのオフラインファーストAIチャットボットアーキテクチャ
• Authors: Joseph Walusimbi, Ann Move Oguti, Joshua Benjamin Ssentongo, Keith Ainebyona,
• Abstract要約: ArapaiはオフラインファーストのAIシステムで、低仕様のCPU専用デバイス上でインターネット接続なしで完全に動作するように設計されている。 システムは、ローカルにホストされた量子化された言語モデルと、自動ハードウェア対応モデル選択と、ペタゴジカルに結合された応答制御を統合している。 限定接続条件下で運用されている第2および第3の機関におけるパイロット展開は、システムを4次元にわたって評価した。 その結果,従来のハードウェア上での安定した動作,標準命令クエリに対する許容応答時間,自己指導型学習支援に関する肯定的な学習者および教師の認識が示唆された。
• 参考スコア（独自算出の注目度）: 0.6749750044497732
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid global expansion of large language models (LLMs) has created new opportunities for personalised and inquiry-driven learning. However, most AI chatbot systems for education rely on continuous internet connectivity, cloud infrastructure, and modern hardware. These requirements reinforce digital inequalities and limit the practical deployment of AI-supported learning in bandwidth-constrained and resource-limited environments worldwide. This paper presents Arapai, an offline-first AI chatbot architecture designed to operate entirely without internet connectivity on low-specification, CPU-only devices. The system integrates locally hosted, quantised language models with automatic hardware-aware model selection and pedagogically tiered response control. By performing inference fully on-device and maintaining models resident in memory for performance optimisation, Arapai delivers curriculum-aligned explanations, structured problem-solving support, and differentiated instructional depth without reliance on cloud services. A pilot deployment in secondary and tertiary institutions operating under limited-connectivity conditions evaluated the system across four dimensions: technical performance, usability, perceived answer quality, and educational impact. Results indicate stable operation on legacy hardware, acceptable response times for standard instructional queries, and positive learner and teacher perceptions regarding self-directed learning support. Rather than replacing cloud-based AI systems, this work proposes a complementary deployment paradigm for infrastructure-constrained education systems. The study contributes a hardware-aware architectural framework for decentralised AI tutoring and highlights the role of offline-first design in advancing digital inclusion and infrastructure-resilient educational technology.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速なグローバル展開は、パーソナライズされた調査駆動学習の新しい機会を生み出した。 しかし、教育用AIチャットボットシステムの多くは、継続的なインターネット接続、クラウドインフラストラクチャ、現代的なハードウェアに依存している。 これらの要件は、デジタル不平等を強化し、世界中の帯域制限およびリソース制限された環境におけるAI支援学習の実践的展開を制限する。 Arapaiは、オフラインファーストのAIチャットボットアーキテクチャで、低仕様のCPU専用デバイス上で、インターネット接続なしで完全に動作するように設計されている。 このシステムは、ローカルにホストされた量子化された言語モデルと、自動ハードウェア対応モデル選択と、ペタゴジカルに結合された応答制御を統合している。 完全にオンデバイスで実行し、パフォーマンス最適化のためにメモリに常駐するモデルを維持することで、Arapaiはカリキュラムに準拠した説明、構造化された問題解決サポート、クラウドサービスに依存しない指導深度を区別する。 限定接続条件下で運用されている中等機関と第三級機関のパイロット展開は、技術的性能、ユーザビリティ、応答品質の知覚、教育的影響の4つの側面でシステムを評価した。 その結果,従来のハードウェア上での安定した動作,標準命令クエリに対する許容応答時間,自己指導型学習支援に関する肯定的な学習者および教師の認識が示唆された。 クラウドベースのAIシステムを置き換えるのではなく、インフラに制約のある教育システムのための補完的なデプロイメントパラダイムを提案する。 この研究は、分散AI学習のためのハードウェア対応アーキテクチャフレームワークに貢献し、デジタル包摂とインフラに耐性のある教育技術の進歩におけるオフラインファーストデザインの役割を強調している。

関連論文リスト

• An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education [4.976713294177978]
  本稿では、RockStartITイニシアチブ内のデジタルプログラミングおよび計算思考コース用に開発されたAIアシスタントであるRockStartIT Tutorの設計とパイロット評価について述べる。 GPT-4をOpenAIのAssistant API経由で提供するこのチューターは、新しいプロンプト戦略と、コンテキスト認識、パーソナライズ、カリキュラムに制約されたサポートを中学生に提供するために、モジュール化されたセマンティックタグ付きナレッジベースを採用している。
  論文  参考訳（メタデータ） (2025-12-08T12:54:37Z)
• A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
  クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。 CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。 本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-26T08:38:01Z)
• AI-Powered Math Tutoring: Platform for Personalized and Adaptive Education [0.0]
  本稿では,適応的およびパーソナライズされたフィードバック,構造化コース生成,教科書知識検索を組み合わせた,新しいマルチエージェントAI学習プラットフォームを提案する。 このシステムにより、学生は新しいトピックを学習し、弱点を特定し、ターゲティングし、試験を効果的に修正し、無制限にパーソナライズされたエクササイズを実践することができる。
  論文  参考訳（メタデータ） (2025-07-14T20:35:16Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• Enhanced FIWARE-Based Architecture for Cyberphysical Systems With Tiny Machine Learning and Machine Learning Operations: A Case Study on Urban Mobility Systems [0.0]
  モビリティコンピューティングは、リアルタイム要求、分散化、および無線ネットワークを介した接続性のために、特定の障壁を提示する。 エッジコンピューティングと小さな機械学習(tinyML)に関する新しい研究は、これらの問題に対処するために、低パフォーマンスデバイス上でAIモデルの実行を調査している。 本稿では、FIWAREソフトウェアコンポーネントに基づく以前のアーキテクチャを拡張し、機械学習操作フローを実装する。
  論文  参考訳（メタデータ） (2024-11-16T13:14:29Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)

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。