論文の概要: Eco-Bee: A Personalised Multi-Modal Agent for Advancing Student Climate Awareness and Sustainable Behaviour in Campus Ecosystems
- arxiv url: http://arxiv.org/abs/2604.15327v1
- Date: Fri, 06 Mar 2026 11:55:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:13.830341
- Title: Eco-Bee: A Personalised Multi-Modal Agent for Advancing Student Climate Awareness and Sustainable Behaviour in Campus Ecosystems
- Title（参考訳）: Eco-Bee: キャンパス生態系における学生の気候意識と持続的行動を改善するための個人化マルチモーダルエージェント
- Authors: Caleb Adu, Neil Kapadia, Binhe Liu, Jonathan Randall, Sruthi Viswanathan,
- Abstract要約: エコビー(Eco-Bee)は、個々の選択と環境制限を結びつける会話エージェントである。
Eco-Beeは、生涯の習慣の頂点に立つ学生向けに、アクション可能な洞察、ピアベンチマーク、ゲーミフィケーションされた課題を提供する。
学生の96%がキャンパス全体の展開を支持し、日々の行動が惑星の限界にどのように影響するかを明確に把握していると報告した。
- 参考スコア（独自算出の注目度）: 2.924756839755417
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Universities are microcosms of urban ecosystems, with concentrated consumption patterns in food, transport, energy, and product usage. These environments not only contribute substantially to sustainability pressures but also provide a unique opportunity to advance sustainability education and behavioural change at scale. As in most sectors, digital sustainability initiatives within universities remain narrowly focused on carbon calculations, typically providing static feedback that limits opportunities for sustained behavioural change. To address this gap, we propose Eco-Bee, integrating large language models, a translation of the Planetary Boundaries framework (as Eco-Score), and a conversational agent that connects individual choices to environmental limits. Tailored for students at the cusp of lifelong habits, Eco-Bee delivers actionable insights, peer benchmarking, and gamified challenges to sustain engagement and drive measurable progress toward boundary-aligned living. In a pilot tested across multiple campus networks (n=52), 96% of the student participants supported a campus-wide rollout and reported a clearer understanding of how daily behaviours collectively impact the planet's limits. By embedding planetary science, behavioural reinforcement, and AI-driven personalisation into a single platform, Eco-Bee establishes a scalable foundation for climate-conscious universities and future AI-mediated sustainability infrastructures.
- Abstract（参考訳）: 大学は都市生態系のマイクロコスムであり、食品、輸送、エネルギー、製品の消費パターンが集中している。
これらの環境は、サステナビリティ・プレッシャーに大きく貢献するだけでなく、サステナビリティ教育と大規模な行動変化を促進するユニークな機会を提供する。
多くの分野と同様に、大学内のデジタルサステナビリティイニシアチブは、炭素計算に細心の注意を払っており、通常、持続的な行動変化の機会を制限する静的フィードバックを提供している。
このギャップに対処するため,我々は,大規模言語モデルの統合,惑星境界フレームワークの翻訳(Eco-Score),および個々の選択を環境制限に結びつける対話エージェントを提案する。
Eco-Beeは、生涯の習慣の頂点に立つ学生のために作られ、行動可能な洞察、ピアベンチマーク、そしてエンゲージメントを持続し、境界に沿った生活に向けて測定可能な進歩を促進するためのゲーミフィケーション課題を提供する。
複数のキャンパスネットワークでテストされたパイロット(n=52)では、学生の96%がキャンパス全体のロールアウトを支持し、日々の行動が惑星の限界にどのように影響するかを明確に報告した。
惑星科学、行動強化、AIによるパーソナライゼーションをひとつのプラットフォームに組み込むことで、Eco-Beeは気候に配慮した大学と将来のAIによるサステナビリティインフラストラクチャのためのスケーラブルな基盤を確立する。
関連論文リスト
- Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - Autonomous Continual Learning of Computer-Use Agents for Environment Adaptation [57.65688895630163]
ACuRLは自律的なカリキュラム強化学習フレームワークで、エージェントを人間データゼロの特定の環境に継続的に適応させる。
本研究では,環境内学習と環境横断学習の両方を効果的に実現し,既存の環境を忘れずに4～22%の性能向上を実現した。
論文 参考訳（メタデータ） (2026-02-10T23:06:02Z) - Toward Sustainable Generative AI: A Scoping Review of Carbon Footprint and Environmental Impacts Across Training and Inference Stages [2.2758077237273846]
生成AIは急速に普及し、社会的、経済的に重要な価値を生み出している。
大規模サービス運用において発生した累積的環境フットプリントは,比較的少なくなった。
本研究は,AIカーボンフットプリント評価における方法論と研究動向のスコーピングレビューを行う。
論文 参考訳（メタデータ） (2025-11-21T11:59:34Z) - One Life to Learn: Inferring Symbolic World Models for Stochastic Environments from Unguided Exploration [77.8436947454471]
シンボリック・ワールド・モデリングは、実行可能プログラムとして環境の遷移力学を推論し、表現する必要がある。
OneLifeは、条件付きアクティベートされたプログラム法則を通じて世界ダイナミクスをモデル化するフレームワークである。
OneLifeは、最小限の、ガイドなしのインタラクションから、キー環境のダイナミクスをうまく学べる。
論文 参考訳（メタデータ） (2025-10-14T02:49:32Z) - Bites of Tomorrow: Personalized Recommendations for a Healthier and Greener Plate [53.11228047172713]
持続可能な食品の選択肢を優先し,推奨することを目的としたグリーンレコメンドアライテッド・パーソナライズド・イーティング(GRAPE)を紹介した。
また、グリーンインジケータに対応する2つの革新的なグリーンロス関数を、均一または区別された優先順位で設計する。
論文 参考訳（メタデータ） (2025-08-19T14:35:37Z) - Meltdown: Bridging the Perception Gap in Sustainable Food Behaviors Through Immersive VR [1.335888029640176]
We developed Meltdown, a immersive virtual reality (VR) escape room thatsimulated a grocery shopping and food waste management experience。
このゲームは、持続可能な食品の選択と廃棄の実践を強調し、対話的な要素と物語のフィードバックを組み合わせて行動の変化を促進する。
参加者の客観的知識の統計的改善,信頼感,持続的行動導入の意図について検討した。
論文 参考訳（メタデータ） (2025-04-19T15:26:48Z) - EcoVerse: An Annotated Twitter Dataset for Eco-Relevance Classification, Environmental Impact Analysis, and Stance Detection [0.0]
EcoVerseは、さまざまな環境トピックにまたがる3,023のツイートからなる、英語の注釈付きTwitterデータセットである。
本研究では,環境関連分類,スタンス検出,環境影響分析のための独自のアプローチの導入を目的とした3段階のアノテーションスキームを提案する。
論文 参考訳（メタデータ） (2024-04-08T01:21:11Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - Towards Sustainable Development: A Novel Integrated Machine Learning
Model for Holistic Environmental Health Monitoring [0.0]
都市化は経済成長を可能にするが、劣化によって環境を害する。
機械学習は、主要な予測的特徴を特定することによって環境劣化を追跡するための有望なツールとして登場した。
本研究の目的は、介入点の特定、計画と保全の取り組みの改善、そして究極的には持続可能な開発への貢献を支援することである。
論文 参考訳（メタデータ） (2023-08-20T16:35:21Z) - Ecological Reinforcement Learning [76.9893572776141]
このような条件下での学習を容易にする環境特性について検討する。
環境の特性が強化学習エージェントのパフォーマンスにどのように影響するかを理解することは、学習を魅力的にする方法でタスクを構造化するのに役立ちます。
論文 参考訳（メタデータ） (2020-06-22T17:55:03Z)
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。