論文の概要: ILM: An AI-Powered Storytelling Educational Tool

• arxiv url: http://arxiv.org/abs/2610.12064v1
• Date: Thu, 08 Oct 2026 14:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.082617
• Title: ILM: An AI-Powered Storytelling Educational Tool
• Title（参考訳）: ILM:AIによるストーリーテリング教育ツール
• Abstract要約: ILMはStories of the Prophetsのためのインタラクティブな教育プラットフォームである。 アラビア語の自然言語処理、構造化知識表現、検索に基づく質問生成を組み合わせる。
• 参考スコア（独自算出の注目度）: 1.5260049390166686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital technologies have made Islamic narratives more accessible, but existing platforms provide limited support for structured learning and comprehension of these stories, particularly in Arabic and multilingual settings. We present ILM, an interactive educational platform for Stories of the Prophets that combines Arabic natural language processing, structured knowledge representation, and retrieval-based question generation. Admin-approved Arabic narratives are processed by a Knowledge Graph (KG) Constructor Engine that identifies entities and narrative relationships and stores them as structured knowledge, enabling learners to explore stories through a visual story map and answer entity- and relation-based questions generated from the KG. Separately, a multilingual retrieval pipeline retrieves relevant passages from the original narratives to generate multiple-choice and open-ended comprehension questions. For open-ended questions, an LLM-as-a-Judge evaluates learners' answers against the retrieved passages and reference answers to determine correctness. The platform also incorporates Quranic content as a separate enrichment layer, allowing selected narratives to be supplemented with source-supported information. By combining structured knowledge with passage-based retrieval, ILM supports narrative exploration, comprehension, and assessment across Arabic and multilingual content. The system demonstrates the feasibility of combining structured knowledge representation and retrieval-based generation to support interactive learning of Islamic narratives. A demo is available at anonymous.4open.science/r/mml-5FCF.
• Abstract（参考訳）: デジタル技術はイスラム教の物語をよりアクセスしやすいものにしてきたが、既存のプラットフォームはこれらの物語、特にアラビア語と多言語の設定において、構造化学習と理解を限定的にサポートしている。 ILMは,アラビア語の自然言語処理,構造化知識表現,検索に基づく質問生成を組み合わせた,預言者の物語のための対話型教育プラットフォームである。 アドミンが承認したアラビア語の物語は、知識グラフ(KG)コンストラクタエンジンによって処理され、エンティティと物語の関係を識別し、それらを構造化された知識として保存し、学習者は視覚的なストーリーマップを通してストーリーを探索し、KGから生成されたエンティティと関係に基づく質問に答えることができる。 別途、多言語検索パイプラインは、元の物語から関連する節を検索し、複数の選択とオープンな理解の質問を生成する。 LLM-as-a-Judge は,学習者の検索したパスに対する回答と参照回答を評価し,正当性を決定する。 プラットフォームはまた、クアニックコンテンツを別のエンリッチメント層として組み込んでおり、選択した物語にソースで支えられた情報を補うことができる。 構造化知識とパスベースの検索を組み合わせることで、ILMはアラビア語と多言語コンテンツにわたる物語の探索、理解、評価をサポートする。 本システムは,構造化知識表現と検索ベース生成を組み合わせることで,イスラム物語の対話的学習を支援することの実現可能性を示す。 デモは匿名.4open.science/r/mml-5FCFで公開されている。

関連論文リスト

• GenQuest: An LLM-based Text Adventure Game for Language Learners [10.042666690718123]
  GenQuestはLarge Language Models(LLMs)を利用したジェネレーションテキストアドベンチャーゲームである。 このシステムは、英語を外国語(EFL)学習者として、コラボレーティブな "choose-Your-own-adventure" スタイルの物語に携わる。 ストーリーコヒーレンスを維持するために、分岐決定点やストーリーマイルストーンのようなゲームメカニックが組み込まれている。
  論文  参考訳（メタデータ） (2025-10-06T05:22:53Z)
• Prompting is not Enough: Exploring Knowledge Integration and Controllable Generation [89.65955788873532]
  オープンドメイン質問応答(OpenQA)は自然言語処理(NLP)の基盤である。 我々は,知識統合と制御可能生成を探求し,OpenQAの性能向上を目的としたGenKIという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-26T08:18:33Z)
• AraSTEM: A Native Arabic Multiple Choice Question Benchmark for Evaluating LLMs Knowledge In STEM Subjects [0.6564819194719582]
  我々は、STEM科目におけるLarge Language Models (LLMs) の知識を評価することを目的とした、アラビア語多目的質問データセットであるAraSTEMを紹介する。 このデータセットはさまざまなレベルのトピックにまたがっており、高い精度を達成するためには、科学的アラビアの深い理解をモデルに示さなければならない。 以上の結果から, 様々なサイズの公開モデルがこのデータセットに苦慮し, より局所的な言語モデルの必要性を浮き彫りにしていることがわかった。
  論文  参考訳（メタデータ） (2024-12-31T17:45:12Z)
• How Do Multilingual Language Models Remember Facts? [50.13632788453612]
  これまでに同定された英語のリコール機構が多言語文脈に適用可能であることを示す。 我々は、リコール中の言語の役割をローカライズし、エンリッチメントが言語に依存しないことを発見した。 デコーダのみのLLMでは、FVは2つの異なる段階でこれらの2つの情報を構成する。
  論文  参考訳（メタデータ） (2024-10-18T11:39:34Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Empowering Language Models with Knowledge Graph Reasoning for Question Answering [117.79170629640525]
  我々はknOwledge ReasOning empowered Language Model (OREO-LM)を提案する。 OREO-LMは、既存のTransformerベースのLMに柔軟に接続できる新しい知識相互作用層で構成されている。 クローズド・ブック・セッティングにおいて,最先端の成果が得られ,性能が著しく向上した。
  論文  参考訳（メタデータ） (2022-11-15T18:26:26Z)
• Structured Knowledge Grounding for Question Answering [0.23068481501673416]
  本稿では,知識に基づく質問応答の柔軟性,範囲の広さ,構造的推論に言語と知識を活用することを提案する。 具体的には,動的ホップを用いて関連するコンテキストを検索する知識構築手法を考案する。 そして、言語と知識の間のボトルネックを交換する情報を橋渡しする深層融合機構を考案する。
  論文  参考訳（メタデータ） (2022-09-17T08:48:50Z)

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。