要約
サイバーセキュリティ プログラムに参加している非伝統的な学生の多くは、同僚、家族、教授からのアドバイスが得られないことが多く、教育経験が妨げられる可能性があります。
さらに、これらの学生は、コンテンツの関連性、アドバイスの局所性、最小限の専門知識、タイミングなどの問題により、LLM を利用したさまざまな AI アシスタントの恩恵を十分に受けられない可能性があります。
この文書では、これらの学生のニーズに合わせた知識、スキル、キャリア準備アドバイスに関する質問に答え、包括的なサポートを提供するように設計されたアプリケーションを紹介することで、これらの課題に対処します。
私たちは、サイバーセキュリティを専攻する学生の多様なニーズと課題に対処するために、学習ツール プラットフォーム CyberMentor を開発しました。
エージェント ワークフローと大規模生成言語モデル (LLM) を活用したこのプラットフォームは、検索拡張生成 (RAG) を活用して、正確でコンテキストに関連した情報を取得し、アクセシビリティとパーソナライゼーションを実現します。
私たちは、サイバーセキュリティ教育とキャリアの市場性のための知識要件に対処し、分析およびプログラミングの課題に必要なスキルに取り組み、リアルタイムのオンデマンド学習サポートを提供することにおいて、その価値を実証しました。
3 つの使用シナリオを使用して、知識の習得とキャリアの準備を促進し、シームレスなスキルベースのガイダンスとサポートを提供する CyberMentor を紹介しました。
また、LangChain プロンプトベースの評価手法を採用してプラットフォームの影響を評価し、有用性、正確性、完全性において優れたパフォーマンスを確認しました。
これらの結果は、高等教育における公平性と持続可能性を向上させながら、学生が実践的なサイバーセキュリティスキルを開発するのをサポートするこのシステムの能力を強調しています。
さらに、CyberMentor のオープンソース設計により、他の分野への適応が可能になり、教育革新が促進され、その潜在的な影響が拡大します。
要約(オリジナル)
Many non-traditional students in cybersecurity programs often lack access to advice from peers, family members and professors, which can hinder their educational experiences. Additionally, these students may not fully benefit from various LLM-powered AI assistants due to issues like content relevance, locality of advice, minimum expertise, and timing. This paper addresses these challenges by introducing an application designed to provide comprehensive support by answering questions related to knowledge, skills, and career preparation advice tailored to the needs of these students. We developed a learning tool platform, CyberMentor, to address the diverse needs and pain points of students majoring in cybersecurity. Powered by agentic workflow and Generative Large Language Models (LLMs), the platform leverages Retrieval-Augmented Generation (RAG) for accurate and contextually relevant information retrieval to achieve accessibility and personalization. We demonstrated its value in addressing knowledge requirements for cybersecurity education and for career marketability, in tackling skill requirements for analytical and programming assignments, and in delivering real time on demand learning support. Using three use scenarios, we showcased CyberMentor in facilitating knowledge acquisition and career preparation and providing seamless skill-based guidance and support. We also employed the LangChain prompt-based evaluation methodology to evaluate the platform’s impact, confirming its strong performance in helpfulness, correctness, and completeness. These results underscore the system’s ability to support students in developing practical cybersecurity skills while improving equity and sustainability within higher education. Furthermore, CyberMentor’s open-source design allows for adaptation across other disciplines, fostering educational innovation and broadening its potential impact.
arxiv情報
| 著者 | Tianyu Wang,Nianjun Zhou,Zhixiong Chen |
| 発行日 | 2025-01-16 18:00:06+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google