Personalisasi platform pendidikan membantu orang membuat & menyesuaikan jalur pembelajaran
Fungsinya
Pertama, selama proses pembuatan roadmap, Gemini API digunakan untuk membuat garis besar kursus berdasarkan topik yang ditelusuri pengguna. Untuk setiap item konten dalam ringkasan, kami menggunakan Google Search API untuk menelusuri referensi (teks, video) yang dikombinasikan dengan algoritma peringkat tertentu untuk menyarankan materi kepada pengguna.
Selain itu, Gemini API berperan penting dalam membuat pertanyaan secara otomatis berdasarkan konten pelajaran. Untuk mengatasi masalah halusinasi model bahasa besar (LLM), kami menggunakan Retrieval-Augmented Generation (RAG) untuk mengambil informasi yang relevan dengan pelajaran ini.
Terakhir, untuk membuat personalisasi, kami menyimpan hasil pengujian untuk setiap pelajaran dan menggunakannya sebagai data bagi Gemini untuk menganalisis proses pembelajaran pengguna, termasuk mengidentifikasi area yang belum sepenuhnya dipahami pengguna dan merekomendasikan sesi peninjauan.
Dibuat dengan
Web/Chrome
Custom Search API
Tim
Oleh
XPath
From
Vietnam
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Informasi yang saya butuhkan tidak ada","missingTheInformationINeed","thumb-down"],["Terlalu rumit/langkahnya terlalu banyak","tooComplicatedTooManySteps","thumb-down"],["Sudah usang","outOfDate","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Masalah kode / contoh","samplesCodeIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],[],[],[],null,["# XPath\n\n[More Apps](/competition/vote) \n\nXPath\n=====\n\nPersonalize edu-platform helps people build \\& customize learning paths \nVote \nVoted!\nWhat it does\n\nFirst, during the process of creating the roadmap, the Gemini API is used to generate an outline for the course based on the topics users search for. For each content item in the outline, we use the Google Search API to search for resources (text, video) combined with certain ranking algorithms to suggest materials to users. \n\nAdditionally, the Gemini API plays an important role in automatically generating questions based on the lesson content. To address the hallucination issue of large language models (LLMs), we employ Retrieval-Augmented Generation (RAG) to retrieve information relevant to this lesson. \n\nFinally, to create personalization, we store the test results for each lesson and use them as data for Gemini to analyze the user's learning process, including identifying areas where the user has not fully grasped the material and recommending review sessions. \nBuilt with\n\n- Web/Chrome\n- Custom Search API \nTeam \nBy\n\nXPath \nFrom\n\nVietnam \n[](/competition/vote)"]]
