.png){kind=icon}
返回
Knowledge-Driven Human-in-the-Loop Decision Support for Student Services Using Active Learning and Large Language Models
.png){kind=icon}
OA
AI
DOI：10.3390/app16041802.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于人工智能、具有人机协同的决策支持系统，专为大规模机构查询路由和响应生成设计。该系统结合了语义文本分类与基于大型语言模型的响应生成，以协助行政人员处理来自各类系统用户的高流量自然语言请求，同时保留人工监督。使用15年间收集的135,359条真实学生和员工交互数据集，该系统在实时的大学信息门户中进行了设计、部署和评估。分类组件在评估中达到95.88%的准确率，实践中获得82.21%的员工接受度，而94.81%的人工智能生成草稿响应经少量编辑后被采纳。运行评估显示，问题解决时间减少了30.8%，误路由率下降32.6%，用户满意度从5分制的3.6分提升至4.9分。该系统作为模块化的RESTful API实现，以确保与现有学生信息系统的互操作性，分析代码在请求时提供以支持在类似资源受限环境中的复制。结果表明，人机协同的人工智能系统能够在资源受限环境中支持服务质量的改进、效率提升和机构能力的增强，为复杂行政管理领域中的可扩展决策支持提供可转移的应用人工智能框架。
Keyword:
AI-based decision support
human-in-the-loop systems
semantic text classification
large language models
natural language processing
applied artificial intelligence
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
SMOTE for Learning from Imbalanced Data: Progress and Challenges, Marking the 15-year Anniversary《从不平衡数据中学习: 进步与挑战，纪念15周年》OAAI
OAAI分享收藏A survey on imbalanced learning: latest research, applications and future directions不平衡学习: 最新研究、应用与未来方向OAAI
OAAI分享收藏
分享收藏How Chatbots Augment Human Intelligence in Customer Services: A Mixed-Methods Study聊天机器人如何在客户服务中增强人类智能: 一项混合方法研究OAAI
OAAI分享收藏Enhancing Large Language Models for Specialized Domains: A Two-Stage Framework with Parameter-Sensitive LoRA Fine-Tuning and Chain-of-Thought RAG增强大型语言模型以适应专业领域：一种基于参数敏感LoRA微调和思维链RAG的两阶段框架.png)
ELECTRONICSOAAI
ELECTRONICSIF2.6
OAAI分享收藏
查看更多内容