要約
教育技術（EDTECH）の成長により、各学生のニーズに合わせた人工知能（AI）ベースの推奨システムを通じて、高度にパーソナライズされた学習体験が可能になりました。
ただし、これらのシステムは意図せずにバイアスを導入し、学習リソースへの公正なアクセスを制限する可能性があります。
この研究では、グラフベースのモデリングとマトリックス因数分解を組み合わせて、課外活動、学習リソース、ボランティア活動の機会にパーソナライズされた提案を提供するK-12の学生向けの推奨システムを提示します。
公平性の懸念に対処するために、システムには、保護された学生グループ全体のフィードバックを分析することにより、バイアスを検出および削減するフレームワークが含まれています。
この作業は、すべての学生にとって公平で透明性があり、効果的な学習機会をサポートするための教育的推奨システムで継続的な監視の必要性を強調しています。
要約(オリジナル)
The growth of Educational Technology (EdTech) has enabled highly personalized learning experiences through Artificial Intelligence (AI)-based recommendation systems tailored to each student needs. However, these systems can unintentionally introduce biases, potentially limiting fair access to learning resources. This study presents a recommendation system for K-12 students, combining graph-based modeling and matrix factorization to provide personalized suggestions for extracurricular activities, learning resources, and volunteering opportunities. To address fairness concerns, the system includes a framework to detect and reduce biases by analyzing feedback across protected student groups. This work highlights the need for continuous monitoring in educational recommendation systems to support equitable, transparent, and effective learning opportunities for all students.
arxiv情報
| 著者 | Nazarii Drushchak,Vladyslava Tyshchenko,Nataliya Polyakovska |
| 発行日 | 2025-02-27 18:27:30+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google