論文の概要: PAL: Personal Adaptive Learner

• arxiv url: http://arxiv.org/abs/2604.13017v1
• Date: Tue, 14 Apr 2026 17:54:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.597834
• Title: PAL: Personal Adaptive Learner
• Title（参考訳）: PAL: 個人適応学習者
• Authors: Megha Chakraborty, Darssan L. Eswaramoorthi, Madhur Thareja, Het Riteshkumar Shah, Finlay Palmer, Aryaman Bahl, Michelle A Ihetu, Amit Sheth,
• Abstract要約: PAL(Personal Adaptive Learner)は、講義ビデオをインタラクティブな学習体験に変換するAIベースのプラットフォームである。 適応的意思決定とマルチモーダルコンテンツ分析を結合することにより、PALは応答性のあるデジタル学習のための新しいフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.596394611344673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-driven education platforms have made some progress in personalisation, yet most remain constrained to static adaptation--predefined quizzes, uniform pacing, or generic feedback--limiting their ability to respond to learners' evolving understanding. This shortfall highlights the need for systems that are both context-aware and adaptive in real time. We introduce PAL (Personal Adaptive Learner), an AI-powered platform that transforms lecture videos into interactive learning experiences. PAL continuously analyzes multimodal lecture content and dynamically engages learners through questions of varying difficulty, adjusting to their responses as the lesson unfolds. At the end of a session, PAL generates a personalized summary that reinforces key concepts while tailoring examples to the learner's interests. By uniting multimodal content analysis with adaptive decision-making, PAL contributes a novel framework for responsive digital learning. Our work demonstrates how AI can move beyond static personalization toward real-time, individualized support, addressing a core challenge in AI-enabled education.
• Abstract（参考訳）: AI駆動型教育プラットフォームは、パーソナライゼーションに多少進歩しているが、その多くは静的適応(事前定義されたクイズ、均一なペーシング、あるいは一般的なフィードバック)に制約されている。 この欠点は、コンテキスト認識と適応の両方をリアルタイムで行うシステムの必要性を強調している。 PAL(Personal Adaptive Learner)は、講義ビデオをインタラクティブな学習体験に変換するAIベースのプラットフォームである。 PALは、マルチモーダル講義の内容を継続的に分析し、様々な困難を問う質問を通じて学習者を動的に関与させ、授業が展開するにつれて反応を調整する。 セッションの最後に、PALはパーソナライズされた要約を生成し、主要な概念を強化し、学習者の興味に合わせたサンプルをカスタマイズする。 適応的意思決定とマルチモーダルコンテンツ分析を結合することにより、PALは応答性のあるデジタル学習のための新しいフレームワークを提供する。 私たちの研究は、AIが静的パーソナライゼーションを超えて、リアルタイムで個別化されたサポートへと移行できることを示し、AI対応教育における中核的な課題に対処する。

関連論文リスト

• AgentTutor: Empowering Personalized Learning with Multi-Turn Interactive Teaching in Intelligent Education Systems [11.202091624300062]
  AgentTutorは、パーソナライズされた学習を促進する多ターンインタラクティブな知的教育システムである。 LLMを利用した生成型マルチエージェントシステムと学習者固有の学習プロファイル環境を備えている。 カリキュラムの分解、学習者評価、動的戦略、リフレクションの指導、知識と経験記憶の5つの重要なモジュールが含まれている。
  論文  参考訳（メタデータ） (2025-12-24T12:26:28Z)
• ALIVE: An Avatar-Lecture Interactive Video Engine with Content-Aware Retrieval for Real-Time Interaction [5.691710068675227]
  ALIVEはAvatar-Lecture Interactive Video Engineで、受動的にリアルタイムで学習できる。 ALIVEは軽量な埋め込みモデル、FAISSベースの検索、プログレッシブプリロードによるセグメント化されたアバター合成を採用している。 本システムは,完全な医用画像処理コースにおいて,その検索精度,レイテンシ特性,ユーザエクスペリエンスを評価し,ALIVEが正確なコンテンツ認識とリアルタイムサポートを提供することを示す。
  論文  参考訳（メタデータ） (2025-12-24T00:33:59Z)
• AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
  VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。 記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。 今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
  論文  参考訳（メタデータ） (2025-09-17T11:27:45Z)
• Transparent Adaptive Learning via Data-Centric Multimodal Explainable AI [0.0]
  ほとんどの説明可能なAI(XAI)技術は、技術的なアウトプットに重点を置いているが、ユーザの役割や理解は無視されている。 本稿では,従来のXAI技術と,生成型AIモデルとユーザパーソナライゼーションを統合したハイブリッドフレームワークを提案する。 私たちの目標は、ユーザ中心のエクスペリエンスをサポートしながら透明性を高める、説明可能なAIへの移行です。
  論文  参考訳（メタデータ） (2025-08-01T14:36:16Z)
• An Empirical Study of Federated Prompt Learning for Vision Language Model [89.2963764404892]
  本稿では,言語プロンプト学習(VPT)と視覚プロンプト学習(VLM)の行動的差異を系統的に検討する。 我々は、FPL(Federated Prompt Learning)の堅牢性を評価するために、クライアントスケール、集約戦略、即時長といった様々なFLと迅速な構成の影響を評価する。
  論文  参考訳（メタデータ） (2025-05-29T03:09:15Z)
• MaPLe: Multi-modal Prompt Learning [54.96069171726668]
  本稿では,視覚と言語分岐の両方を対象としたマルチモーダル・プロンプト・ラーニング(MaPLe)を提案し,視覚と言語表現の整合性を改善する。 最先端のCo-CoOpと比較すると、MaPLeは優れた性能を示し、新規クラスでは3.45%の絶対的な向上を達成している。
  論文  参考訳（メタデータ） (2022-10-06T17:59:56Z)
• Multimodal Lecture Presentations Dataset: Understanding Multimodality in Educational Slides [57.86931911522967]
  学習内容のマルチモーダル理解における機械学習モデルの能力を検証する。 このデータセットには,180時間以上のビデオと9000時間以上のスライドが,各科目から10人の講師が参加している。 マルチモーダル・トランスフォーマーであるPolyViLTを導入する。
  論文  参考訳（メタデータ） (2022-08-17T05:30:18Z)
• An Attribute-Aligned Strategy for Learning Speech Representation [57.891727280493015]
  属性選択機構によってこれらの問題に柔軟に対処できる音声表現を導出する属性整合学習戦略を提案する。 具体的には、音声表現を属性依存ノードに分解する層式表現可変オートエンコーダ(LR-VAE)を提案する。 提案手法は,IDのないSER上での競合性能と,無感情SV上でのより良い性能を実現する。
  論文  参考訳（メタデータ） (2021-06-05T06:19:14Z)
• Interactive Teaching for Conversational AI [2.5259192787433706]
  現在の会話型AIシステムは、事前設計された要求のセットを理解し、関連するアクションを実行することを目的としている。 子どもが大人と対話する最初の言語を学習する方法に触発された本論文では、新しいTeachable AIシステムについて述べる。 インタラクティブな授業セッションを使ってエンドユーザーから直接、概念と呼ばれる新しい言語ナゲットを学ぶことができる。
  論文  参考訳（メタデータ） (2020-12-02T04:08:49Z)

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。