Stay Hungry, Stay Foolish: On the Extended Reading Articles Generation with LLMs

要約

教育資料を作成するプロセスは、教育者にとって時間がかかり、厳しいものです。
この研究では、拡張された読み物の生成と関連するコースの提案を自動化することにより、このタスクを合理化する大規模な言語モデル（LLM）の可能性を調査します。
TED-ed Dig Deeperセクションを初期探索として使用して、補足記事を文脈的知識を豊かにし、追加の学習リソースに接続する方法を調査します。
私たちの方法は、ビデオトランスクリプトから拡張された記事を生成し、LLMを活用して歴史的な洞察、文化的例、および例示的な逸話を含めることから始めます。
セマンティックな類似性ランキングを採用する推奨システムは、関連するコースを特定し、その後、LLMベースの改良プロセスが続き、関連性を高めます。
最後の記事は、これらの推奨事項をシームレスに統合するように調整されており、それらがまとまって有益なままであることを保証します。
実験的評価は、当社のモデルが高品質のコンテンツと正確なコースの提案を生成し、ヒット率、セマンティックな類似性、コヒーレンスなどのメトリックを通じて評価されることを示しています。
私たちの実験分析は、生成された素材と既存の資料の微妙な違いを強調し、より魅力的でアクセスしやすい学習体験を提供するモデルの能力を強調しています。
この研究では、LLMがコアコンテンツと補足学習の間のギャップを埋める方法を紹介し、学生に追加の推奨リソースを提供し、教師が教育資料の設計を支援することもできます。

要約(オリジナル)

The process of creating educational materials is both time-consuming and demanding for educators. This research explores the potential of Large Language Models (LLMs) to streamline this task by automating the generation of extended reading materials and relevant course suggestions. Using the TED-Ed Dig Deeper sections as an initial exploration, we investigate how supplementary articles can be enriched with contextual knowledge and connected to additional learning resources. Our method begins by generating extended articles from video transcripts, leveraging LLMs to include historical insights, cultural examples, and illustrative anecdotes. A recommendation system employing semantic similarity ranking identifies related courses, followed by an LLM-based refinement process to enhance relevance. The final articles are tailored to seamlessly integrate these recommendations, ensuring they remain cohesive and informative. Experimental evaluations demonstrate that our model produces high-quality content and accurate course suggestions, assessed through metrics such as Hit Rate, semantic similarity, and coherence. Our experimental analysis highlight the nuanced differences between the generated and existing materials, underscoring the model’s capacity to offer more engaging and accessible learning experiences. This study showcases how LLMs can bridge the gap between core content and supplementary learning, providing students with additional recommended resources while also assisting teachers in designing educational materials.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google