論文の概要: Gurukul AI: An Interactive AI-Driven Educational Platform for Indian Education System
- arxiv url: http://arxiv.org/abs/2608.28611v1
- Date: Sat, 18 Jul 2026 05:53:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.408045
- Title: Gurukul AI: An Interactive AI-Driven Educational Platform for Indian Education System
- Title（参考訳）: Gurukul AI:インド教育システムのための対話型AI駆動型教育プラットフォーム
- Abstract要約: ChatGPTやLLaMAのような大規模言語モデル(LLM)の最近の進歩は、AI駆動型教育に変化をもたらした。
これらのシステムは、主に西洋中心のデータに基づいて訓練されており、インドのような地域のカリキュラムには適していない。
授業9-12のNCERT教科書に基づいて,シラバス対応のQAデータセットをキュレートし,インドのカリキュラムの内容,文脈,教育スタイルを抽出した。
オープンアクセスプラットフォームであるGurukulAIを紹介します。これは、インドの学生がモデルとチャットし、疑念を晴らし、試験スタイルの質問を実践し、文脈的回答を受け取り、英語と英語の両方で対話できるプラットフォームです。
- 参考スコア（独自算出の注目度）: 0.6980863185266349
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in large language models (LLMs) like ChatGPT and LLaMA have transformed AI-driven education, but these systems are predominantly trained on Western-centric data, making them ill-suited for regional curricula like India's. The Indian education system is linguistically diverse, exam-oriented, and structured around standardized syllabi, not addressed by existing datasets or tools. In this work, we curate a syllabus-aligned QA dataset based on NCERT (National Council of Educational Research and Training) textbooks for classes 9-12, capturing the content, context, and teaching style of Indian curricula. The final dataset, comprising 18,720 question-answer pairs across five subjects, is publicly available at https://huggingface.co/datasets/LingoIITGN/Gurukul. We fine-tune the LLaMA 3.1 8B model using this dataset and deploy it in a Retrieval-Augmented Generation (RAG) framework tailored to educational needs. We introduce GurukulAI, an open-access platform that enables Indian students to chat with the model, get doubts cleared, practice exam-style questions, receive contextual answers, and interact in both English and Hindi. By localizing AI for Indian classrooms, our work bridges the gap between global LLM capabilities and regional educational demands. The code is available at https://github.com/lingo-iitgn/GurukulAI.
- Abstract（参考訳）: ChatGPTやLLaMAのような大規模言語モデル(LLM)の最近の進歩は、AI駆動型教育に変化をもたらしたが、これらのシステムは、主に西洋中心のデータに基づいて訓練されており、インドのような地域のカリキュラムには適していない。
インドの教育システムは言語的に多様であり、試験指向であり、既存のデータセットやツールによって対処されていない標準化されたシラビを中心に構成されている。
本研究では,NCERT(National Council of Educational Research and Training)の授業9-12の教科書に基づいて,シラバス対応のQAデータセットをキュレートし,インドのカリキュラムの内容,文脈,教育スタイルを抽出する。
5つの被験者にわたる18,720の質問応答ペアからなる最終データセットは、https://huggingface.co/datasets/LingoIITGN/Gurukulで公開されている。
このデータセットを使用してLLaMA 3.1 8Bモデルを微調整し、教育ニーズに合わせたRAG(Retrieval-Augmented Generation)フレームワークにデプロイする。
オープンアクセスプラットフォームであるGurukulAIを導入し、インドの学生がモデルとチャットし、疑念を晴らし、試験スタイルの質問を実践し、文脈的回答を受け取り、英語とヒンディー語の両方で対話できるようにする。
インドの教室でAIをローカライズすることで、グローバルLLM能力と地域教育需要のギャップを埋めることができます。
コードはhttps://github.com/lingo-iitgn/GurukulAIで公開されている。
関連論文リスト
- PustakAI: Curriculum-Aligned and Interactive Textbooks Using Large Language Models [4.419156740280761]
LLM(Large Language Models)は、人間のようなコンテンツを理解し、生成する際、顕著な能力を示す。
我々は多くのインドの言語で「本」を意味する"PustakAI"footnotePustak"の枠組みを提示する。
メタプロンプト,少数ショット,CoTスタイルプロンプトなど,さまざまなプロンプト技術を用いてデータセットを評価する。
論文 参考訳（メタデータ） (2025-11-13T06:12:12Z) - Advancing Conversational AI with Shona Slang: A Dataset and Hybrid Model for Digital Inclusion [0.0]
この研究は、ソーシャルメディアの会話からキュレートされた、ショーナ・イングリッシュスラング・データセットを導入している。
データセットには、意図、感情、対話行動、コードミキシング、トーンが注釈付けされている。
目的認識のための多言語DistilBERT分類器を微調整し,96.4%の精度と96.3%のF1スコアを得た。
論文 参考訳（メタデータ） (2025-09-10T15:13:51Z) - Integrating A.I. in Higher Education: Protocol for a Pilot Study with 'SAMCares: An Adaptive Learning Hub' [0.6990493129893112]
本研究は,「SAMCares」と呼ぶ革新的な研究仲間を紹介することを目的としている。
このシステムは、Large Language Model(LLM)とRetriever-Augmented Generation(RAG)を利用して、リアルタイム、コンテキスト認識、適応的な教育サポートを提供する。
論文 参考訳（メタデータ） (2024-05-01T05:39:07Z) - Language Models as Science Tutors [79.73256703631492]
本研究では,LMの現実的なユーザビリティを科学的アシスタントとして測定するTutorEvalとTutorChatを紹介する。
既存の対話データセットを用いた微調整ベースモデルがTutorEvalの性能を低下させることを示す。
我々はTutorChatを用いて、7Bパラメータと34Bパラメータを持つLlemmaモデルを微調整する。これらのLMチューターは32Kのコンテキストウィンドウを持ち、GSM8KとMATHに強く依存しながらTutorEvalで優れている。
論文 参考訳（メタデータ） (2024-02-16T22:24:13Z) - Aya Dataset: An Open-Access Collection for Multilingual Instruction
Tuning [49.79783940841352]
既存のデータセットはほとんどが英語で書かれている。
私たちは世界中の言語に精通した話者と協力して、指示と完了の自然な例を集めています。
既存のデータセットを114言語でテンプレート化し、翻訳することで、5億1300万のインスタンスを含む、これまでで最も広範な多言語コレクションを作成します。
論文 参考訳（メタデータ） (2024-02-09T18:51:49Z) - EduChat: A Large-Scale Language Model-based Chatbot System for
Intelligent Education [44.2456523088426]
EduChatは、教育分野における大規模言語モデル(LLM)ベースのチャットシステムである。
現在、EduChatはオープンソースプロジェクトとしてオンラインで利用可能であり、そのコード、データ、モデルパラメータはプラットフォームで利用可能である。
論文 参考訳（メタデータ） (2023-08-05T02:55:35Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Question Generation for Adaptive Education [7.23389716633927]
深層知識追跡(LM-KT)のための事前学習言語モデルを微調整する方法を示す。
このモデルは、学生が正しい質問に答える確率を正確に予測し、訓練中に見えない質問に一般化する。
次に、LM-KTを用いて、モデルの訓練対象とデータを特定し、学生に条件付き質問を生成し、難易度を目標とする。
論文 参考訳（メタデータ） (2021-06-08T11:46:59Z) - Facebook AI's WMT20 News Translation Task Submission [69.92594751788403]
本稿では、Facebook AIによるWMT20共有ニュース翻訳タスクの提出について述べる。
資源設定の低さに着目し,タミル語-英語とイヌクティトゥット語-英語の2つの言語ペアに参加する。
我々は、利用可能なデータをすべて活用し、ターゲットのニュースドメインにシステムを適用するという、2つの主要な戦略を用いて、低リソース問題にアプローチする。
論文 参考訳（メタデータ） (2020-11-16T21:49:00Z)
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。