3 分で読了
3 views

LMSと生成AIの橋渡し: 大規模言語モデル(LLM)をコースコンテンツと結びつけるための動的コースコンテンツ統合 (DCCI) — Ask MEアシスタント

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

ケントくん

博士、LMSとAI技術がどうコースに影響を与えるのか知りたいんだけど、何か新しい方法があるの?

マカセロ博士

おお、ケントくん!面白い質問じゃな。最近では、動的コースコンテンツ統合(DCCI)というものが注目されておる。これはLMSと生成AIを結びつける手法で、つまり、大規模言語モデル(LLM)が学習管理システム内のコースコンテンツにより効果的に統合されるというわけなんじゃ。

ケントくん

へぇ、それって具体的にどうやってやるの?AIがどんな感じで助けてくれるのか想像つかないなあ。

マカセロ博士

そうじゃな、生成AIによるAsk MEアシスタントは非常に革新的なツールじゃ。これを使えば、学生たちはまるで対話をするように、自然な言語で質問をし、すぐに適切なコース内容を引き出せるんじゃ。これは学習体験をよりインタラクティブで魅力的なものにするんじゃよ。

ケントくん

すごい、教室での学びが変わりそうだね!もっと知りたいな。

論文概要

動的コースコンテンツ統合(DCCI)は学習管理システム(LMS)と生成AIをつなぐ手法です。具体的には、大規模言語モデル(LLM)を介して、学生はインタラクティブな方法でオンラインコースのコンテンツにアクセスできます。このアプローチは教員と学生の双方に新しい学習体験を提供し、問答インターフェース“Ask ME Assistant”によって実現されています。これにより教育のスタイルが大きく変わると考えられています。

引用情報

著者: 不明
論文名: Bridging LMS and Generative AI: Dynamic Course Content Integration (DCCI) for Connecting LLMs to Course Content — The Ask ME Assistant
ジャーナル名: 不明
出版年度: 2024

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
会話型バイオインフォマティクスのためのオープン解析フレームワーク
(OLAF: An Open Life Science Analysis Framework for Conversational Bioinformatics Powered by Large Language Models)
次の記事
DeepOHeat-v1:3D-IC設計における高速かつ信頼できる熱シミュレーションと最適化のための効率的な演算子学習
(DeepOHeat-v1: Efficient Operator Learning for Fast and Trustworthy Thermal Simulation and Optimization in 3D-IC Design)
関連記事
SoUnDフレームワーク:非構造化データにおける社会的表象の分析
(SoUnD Framework: Analyzing (So)cial Representation in (Un)structured (D)ata)
特権情報を用いた教師なしドメイン適応
(Unsupervised Domain Adaptation by Learning Using Privileged Information)
タスク一般化のためのピクセルベース階層ポリシーの利点
(ON THE BENEFITS OF PIXEL-BASED HIERARCHICAL POLICIES FOR TASK GENERALIZATION)
境界のないオンライン凸最適化と損失
(Online Convex Optimization with Unconstrained Domains and Losses)
CLLMFS: コントラスト学習強化型大規模言語モデルフレームワークによるFew-Shot固有表現認識
(CLLMFS: A Contrastive Learning enhanced Large Language Model Framework for Few-Shot Named Entity Recognition)
非浸透型テンソル分割による協調推論の高速化
(Collaborative Inference Acceleration with Non-Penetrative Tensor Partitioning)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む