arXiv cs.CY· Tanat Tonguthaisri·· 10 小时前AI 评分15
用案例推理（CBR）增强学术指导：RMIT 原型推荐系统研究
Enhancing Academic Advisement with Case-Based Reasoning
AI 导读
一项研究将案例推理（CBR）应用于学术指导领域，设计、开发并验证了一个基于案例的学术指导推荐系统原型，用于辅助传统指导流程。该研究指出，CBR 专家系统近十年已在多个领域取得重要贡献，但专家指导系统此前尚未成功应用于学术指导。论文为 2003 年 8 月 RMIT 大学工程硕士论文的 2026 年校对数字版。
正文 · AI 翻译
摘要：本研究涉及基于案例推理（CBR）在学业指导领域中的应用研究。学业指导已被公认为高等教育的一项重要职能。然而，世界各地许多教育机构（如学院和大学）普遍希望改进其提供的指导服务。在过去十年中，CBR 专家系统通过将 CBR 方法应用于人类问题求解的各个领域，在许多领域做出了重要贡献。然而，迄今为止，专家指导系统尚未成功应用于学业指导，而这似乎正是该技术非常合适的应用领域。
学业指导是一项重要且耗时的任务，必须使用不同的工具和技术才能使其成为一个有效且高效的过程。本论文描述了一个基于案例的学业指导推荐系统原型的设计、开发和验证，该系统补充了传统的指导过程，并有望在充分发挥其潜力时最终取代人类学业导师。
| 评论： | 2026 年校对数字版，2003 年 8 月皇家墨尔本理工大学工程硕士学位论文 |
| 主题： | 人工智能（cs.AI）；计算机与社会（cs.CY） |
| ACM 分类： | I.2.1；K.3.1 |
| 引用为： | arXiv:2611.08572 [cs.AI] |
| （或 arXiv:2611.08572v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08572 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 相关 DOI： | https://doi.org/10.25439/rmt.34846194
链接到相关资源的 DOI |
提交历史
来自：Tanat Tonguthaisri [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 18:25:36 UTC（4,607 KB）
来源：arXiv cs.CY · arxiv.org