論文の概要: A Locally Deployed RAG-Based Academic Advising System for Course Selection

• arxiv url: http://arxiv.org/abs/2606.02983v1
• Date: Tue, 02 Jun 2026 00:41:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 10:57:21.714004
• Title: A Locally Deployed RAG-Based Academic Advising System for Course Selection
• Title（参考訳）: 局所展開型RAGに基づく授業選択のためのアカデミックアドバイスシステム
• Authors: Feng Li, Yoritaka Iwata,
• Abstract要約: 本稿では,Syllabus情報に基づくRAGベースの学術アドバイスシステムを提案する。 大規模言語モデルと構造化シラバスデータからの検索を組み合わせることで、コース選択、前提条件理解、パーソナライズされた学習計画を支援するように設計されている。
• 参考スコア（独自算出の注目度）: 2.7964585492751124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The correct sequence of courses in the curriculum based on prerequisites between courses is of great importance for students to develop their knowledge and skills holistically. However, students crafting this sequence in isolation frequently struggle with recognition limitations and information overload that leads to confusion. Simultaneously, education institutions encounter difficulties in providing adequate academic advice for the correct sequence due to limited education resources. To address these challenges, we propose a locally deployed RAG-based academic advising system grounded in syllabus information. By combining large language models with retrieval from structured syllabus data, the system is designed to support course selection, prerequisite understanding, and personalized study planning in a privacy-preserving manner.
• Abstract（参考訳）: 授業間の前提条件に基づくカリキュラムの正しいコース列は、学生にとって、その知識とスキルを総合的に発展させることが非常に重要である。 しかし、このシーケンスを単独で構築する学生は、しばしば認識の制限や情報の過負荷に悩まされ、混乱を招く。 同時に、教育機関は、限られた教育資源のために、正しいシーケンスに対する適切な学術的アドバイスを提供するのに困難に直面する。 これらの課題に対処するため,我々は,シラバス情報に基づくRAGベースの学術助言システムを提案する。 大規模言語モデルと構造化シラバスデータからの検索を組み合わせることで、学習コースの選択、前提条件の理解、個人化された学習プランニングをプライバシ保護形式でサポートするように設計されている。

関連論文リスト

• Rethinking Easy-to-Hard: Limits of Curriculum Learning in Post-Training for Deductive Reasoning [61.81622271655058]
  本稿では,カリキュラムに基づく大規模言語モデルのポストトレーニングに関する体系的な実証的研究について述べる。 精度と応答長のいずれにおいても、標準的なランダムサンプリングよりも難易度に基づくシークエンシングにおいて、ロバストな優位性は見つからない。 本研究は, 帰納的推論の文脈において, 学習例の特定の順序付けは, 構成的一般化の達成において無視できる役割を担っていることを示唆している。
  論文  参考訳（メタデータ） (2026-03-28T10:43:36Z)
• Skill-based Explanations for Serendipitous Course Recommendation [2.0879226804312983]
  本稿では,コース記述から関連する概念を効率的に抽出する深層学習に基づく概念抽出モデルを提案する。 本モデルを用いて, セレンディピティーズ・レコメンデーション・フレームワークにおけるスキルベースの説明の効果について検討した。 以上の結果から,これらの説明はユーザの関心を増すだけでなく,特に予期せぬコースにおいて,意思決定の自信を高めることが示唆された。
  論文  参考訳（メタデータ） (2025-08-27T04:58:56Z)
• SmartCourse: A Contextual AI-Powered Course Advising System for Undergraduates [0.0]
  SmartCourseは、学生固有のコンテキストのための書き起こしと計画情報を統合することで、従来のアドバイスツールの制限に対処する。 このシステムは、インストラクターと学生のためのコマンドラインインターフェース(CLI)とGradio Web GUIを組み合わせて、ユーザーアカウント、コースの登録、卒業、4年間のプランを管理し、パーソナライズされたコースレコメンデーションのために、ローカルにホストされた大きな言語モデル(Ollama経由で)を統合する。
  論文  参考訳（メタデータ） (2025-07-26T13:49:41Z)
• GraphRAG-Induced Dual Knowledge Structure Graphs for Personalized Learning Path Recommendation [56.37740554448673]
  本稿では知識概念構造グラフ生成モジュールEDU-GraphRAGを紹介する。 次に、ブロックされた学習経路の問題を緩和する識別学習駆動強化学習(DLRL)モジュールを提案する。 我々は3つのベンチマークデータセットに対して広範な実験を行い、その手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-06-27T15:15:42Z)
• Mix-CPT: A Domain Adaptation Framework via Decoupling Knowledge Learning and Format Alignment [120.06538000214552]
  汎用大規模言語モデル(LLM)を特殊なドメインに適応させることは、様々なデータ分散のために大きな課題となる。 そこで我々はMix-CPTと呼ばれるドメイン知識学習と汎用フォーマットアライメントを含む新しいドメイン適応フレームワークを提案する。 提案するMix-CPTフレームワークは,目標領域および一般領域におけるLCMのタスク解決能力を同時に向上させることができる。
  論文  参考訳（メタデータ） (2024-07-15T15:20:13Z)
• CourseAssist: Pedagogically Appropriate AI Tutor for Computer Science Education [1.052788652996288]
  このポスターでは、コンピュータサイエンス教育用に作られた新しいLLMベースのチューターシステムであるCourseAssistを紹介している。 一般的なLLMシステムとは異なり、CourseAssistは検索強化生成、ユーザ意図分類、質問分解を使用して、AI応答を特定のコース材料や学習目標と整合させる。
  論文  参考訳（メタデータ） (2024-05-01T20:43:06Z)
• A Knowledge-Injected Curriculum Pretraining Framework for Question Answering [70.13026036388794]
  本稿では,知識に基づく質問応答タスクの総合的なKG学習と活用を実現するための一般知識注入型カリキュラム事前学習フレームワーク(KICP)を提案する。 KIモジュールはまずKG中心の事前学習コーパスを生成してLMに知識を注入し、プロセスを3つの重要なステップに一般化する。 KAモジュールは、アダプタを備えたLMで生成されたコーパスから知識を学習し、元の自然言語理解能力を維持できる。 CRモジュールは人間の推論パターンに従って3つのコーパスを構築する。
  論文  参考訳（メタデータ） (2024-03-11T03:42:03Z)
• Platform-Independent and Curriculum-Oriented Intelligent Assistant for Higher Education [0.0]
  我々は、パワー言語モデル(GPT-3)に基づくAIを活用したインテリジェントな教育支援フレームワークを開発した。 仮想インテリジェント・インテリジェンス・アシスタント(TA)システムは、カリキュラム、物流、コースポリシーに関するコース固有の質問に答えることのできる音声対応のヘルパーとして機能する。
  論文  参考訳（メタデータ） (2023-02-15T19:02:01Z)
• The interdisciplinary quantum information classroom: Themes from a survey of quantum information science instructors [0.0]
  量子情報科学(QIS)コースの学際的な導入は、全米の大学で増加している。 全国の機関でQIS講座の紹介を指導するインストラクターの調査結果について報告する。
  論文  参考訳（メタデータ） (2022-02-12T00:37:58Z)
• KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
  KnowledgeCheckRに統合された推奨アプローチの概要を提供します。 その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
  論文  参考訳（メタデータ） (2021-02-15T20:06:28Z)
• Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey [53.73359052511171]
  強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。 本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
  論文  参考訳（メタデータ） (2020-03-10T20:41:24Z)

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。