SmartCourse: A Contextual AI-Powered Course Advising System for Undergraduates

📄 arXiv: 2507.22946v1 📥 PDF

作者: Yixuan Mi, Yiduo Yu, Yiyi Zhao

分类: cs.CY, cs.AI

发布日期: 2025-07-26

备注: 7 pages, 6 figures, 1 table. *Corresponding author: Yixuan Mi. Code: https://github.com/EthanYixuanMi/Smartcourse-Contextual-Advising

💡 一句话要点

SmartCourse：一个基于情境感知的AI本科课程推荐系统

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 课程推荐系统 个性化学习 情境感知 大型语言模型 教育AI

📋 核心要点

  1. 传统课程咨询工具缺乏学生个人情境信息，导致推荐结果不够个性化和有效。
  2. SmartCourse通过整合成绩单和学习计划，利用本地LLM为学生提供情境感知的课程推荐。
  3. 实验证明，SmartCourse在提供个性化推荐方面显著优于忽略学生情境信息的传统方法。

📝 摘要（中文）

本文介绍SmartCourse，一个集成的课程管理和AI驱动的咨询系统，专为本科生（特别是计算机科学专业）设计。SmartCourse通过整合学生的成绩单和学习计划信息，解决了传统咨询工具的局限性，从而提供学生特定的情境感知。该系统结合了命令行界面（CLI）和Gradio Web GUI，供教师和学生使用，管理用户帐户、课程注册、评分和四年制学位计划，并集成了本地托管的大型语言模型（通过Ollama）以进行个性化课程推荐。它利用成绩单和专业计划来提供情境化建议（例如，优先考虑要求或重修）。我们在25个具有代表性的咨询查询上评估了该系统，并引入了自定义指标：PlanScore、PersonalScore、Lift和Recall，以评估不同情境条件下的推荐质量。实验表明，使用完整情境比省略情境的模式产生更相关的推荐，证实了成绩单和计划信息对于个性化学术咨询的必要性。因此，SmartCourse展示了成绩单感知的AI如何增强学术规划。

🔬 方法详解

问题定义：现有课程咨询系统无法充分利用学生的成绩单和学习计划信息，导致推荐的课程与学生的需求和背景不匹配。学生难以获得个性化的选课建议，影响学习效率和毕业规划。

核心思路：SmartCourse的核心思路是利用学生的成绩单和学习计划作为上下文信息，通过大型语言模型（LLM）理解学生的需求，并推荐最合适的课程。这种方法旨在提供个性化、情境感知的课程推荐，帮助学生更好地规划学业。

技术框架：SmartCourse系统包含以下主要模块：用户管理模块（管理学生和教师账户）、课程注册模块、评分模块、四年制学位计划管理模块、命令行界面（CLI）和Gradio Web GUI。核心的推荐模块使用本地托管的LLM（通过Ollama），该LLM接收学生的成绩单和学习计划作为输入，生成个性化的课程推荐。

关键创新：SmartCourse的关键创新在于将学生的成绩单和学习计划信息融入到课程推荐过程中，实现了情境感知的个性化推荐。与传统的基于规则或协同过滤的推荐方法不同，SmartCourse利用LLM理解学生的学习背景和目标，从而提供更精准的建议。

关键设计：SmartCourse使用了自定义的评估指标，包括PlanScore、PersonalScore、Lift和Recall，以评估推荐质量。这些指标考虑了推荐结果与学生学习计划和个人成绩的相关性。系统使用Ollama来本地托管LLM，保证了数据隐私和可控性。具体LLM的选择和训练细节未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，SmartCourse在提供个性化课程推荐方面表现出色。使用完整情境信息（成绩单和学习计划）的推荐结果显著优于忽略情境信息的推荐结果。具体性能指标PlanScore、PersonalScore、Lift和Recall均有显著提升，证实了情境感知对于个性化学术咨询的重要性。具体提升幅度未知。

🎯 应用场景

SmartCourse可应用于高等教育领域，为大学生提供个性化的课程咨询和学业规划服务。该系统能够帮助学生更有效地选择课程，提高学习效率，并顺利完成学业。未来，该系统可以扩展到其他专业和教育阶段，甚至可以应用于职业发展规划。

📄 摘要（原文）

We present SmartCourse, an integrated course management and AI-driven advising system for undergraduate students (specifically tailored to the Computer Science (CPS) major). SmartCourse addresses the limitations of traditional advising tools by integrating transcript and plan information for student-specific context. The system combines a command-line interface (CLI) and a Gradio web GUI for instructors and students, manages user accounts, course enrollment, grading, and four-year degree plans, and integrates a locally hosted large language model (via Ollama) for personalized course recommendations. It leverages transcript and major plan to offer contextual advice (e.g., prioritizing requirements or retakes). We evaluated the system on 25 representative advising queries and introduced custom metrics: PlanScore, PersonalScore, Lift, and Recall to assess recommendation quality across different context conditions. Experiments show that using full context yields substantially more relevant recommendations than context-omitted modes, confirming the necessity of transcript and plan information for personalized academic advising. SmartCourse thus demonstrates how transcript-aware AI can enhance academic planning.