🤖 AI

RAGEAR: Retrieval-Augmented Graph-Enhanced Academic Recommender

RAGEAR ist ein neurosymbolisches akademisches Empfehlungssystem, das Kursvorschläge verbessert, indem es die dichte Suche nach feinabgestimmten Vorlesungstranskripten mit einem symbolischen Wissensgraphen integriert und eine neuartige graphenbewusste Aggregationsfunktion nutzt, um in der Rankingqualität Metadaten-basierte und Transkript-basierte Baseline-Modelle zu übertreffen.

Ursprüngliche Autoren: Francesco Granata, Lorenzo Lamazzi, Misael Mongiovì, Francesco Poggi, Valeria Secchini

Veröffentlicht 2026-05-27

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Francesco Granata, Lorenzo Lamazzi, Misael Mongiovì, Francesco Poggi, Valeria Secchini

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Student, der versucht, den richtigen Studiengang auszuwählen. Sie haben ein spezifisches Interesse im Kopf – vielleicht möchten Sie lernen, „wie man sichere Software entwickelt" oder „wie man Daten für Rechtsfälle analysiert". Doch wenn Sie den offiziellen Kurskatalog betrachten, sind die Titel und Beschreibungen vage. Ein Kurs heißt „Fortgeschrittene Programmierung", ein anderer „Datenstrukturen". Keiner der Titel verrät Ihnen deutlich, ob sie tatsächlich das spezifische Thema abdecken, das Sie interessiert.

Dies ist das Problem, das das RAGEAR-System zu lösen versucht. Stellen Sie sich RAGEAR als einen superintelligenten, hybriden Bibliothekar vor, der nicht nur die Buchtitel im Regal liest, sondern tatsächlich jede einzelne Seite jedes Buches durchgeht, um die genaue Antwort auf Ihre Frage zu finden.

So funktioniert es, aufgeteilt in einfache Teile:

1. Die zwei Gehirne: Der „Scanner" und die „Karte"

RAGEAR nutzt zwei verschiedene „Gehirne", die zusammenarbeiten:

Der Scanner (Der neuronale Teil): Stellen Sie sich einen Roboter vor, der jedes einzelne Transkript von Vorlesungen (die Textversion der Videovorlesungen) aus jedem Kurs gelesen hat. Wenn Sie eine Frage stellen, durchsucht dieser Roboter Tausende von Textseiten, um die spezifischen Sätze oder Absätze zu finden, die Ihrer Idee entsprechen. Ihm ist der Kurstitel egal; ihm geht es um die tatsächlichen Worte, die im Klassenzimmer gesprochen wurden.
Die Karte (Der symbolische Teil): Dies ist eine riesige, strukturierte Karte der Universität. Sie weiß, dass „Kurs A" aus „Lektion 1", „Lektion 2" und „Lektion 3" besteht. Sie kennt auch die Regeln: „Sie benötigen 3 Leistungspunkte", „Dies ist für Informatik-Studierende" und „Sie müssen Mathematik 101 zuerst belegen". Diese Karte stellt sicher, dass die Empfehlungen innerhalb der Struktur der Universität sinnvoll sind.

2. Das Problem mit dem bloßen „Zusammenfassen"

In der Vergangenheit würde ein Roboter, der 10 passende Sätze in einem Kurs findet, einfach sagen: „Dieser Kurs ist gut, weil er 10 Treffer hat."

RAGEAR erkannte, dass dies nicht ausreicht. Stellen Sie sich zwei Kurse vor:

Kurs A: Hat 10 passende Sätze, aber alle sind in einem einzigen 5-minütigen Videoclip gepackt.
Kurs B: Hat 10 passende Sätze, aber sie sind gleichmäßig über 10 verschiedene Vorlesungen während des gesamten Semesters verteilt.

Kurs B ist wahrscheinlich eine bessere Wahl, da das Thema ein wesentlicher Bestandteil des gesamten Kurses ist und nicht nur eine winzige Randnotiz. Der besondere Trick von RAGEAR ist eine „graphbewusste Aggregations"-Funktion. Stellen Sie sich dies als Qualitätsmanager vor, der nicht nur prüft, wie viele Treffer Sie gefunden haben, sondern wo sie sich befinden. Es vergibt eine höhere Punktzahl für Kurse, bei denen die relevanten Informationen über viele Lektionen verteilt sind und nahe am Anfang der Suchergebnisse erscheinen.

3. Wie es in der Praxis funktioniert

Sie tippen eine Frage ein: „Ich möchte etwas über die rechtliche Seite des Datenschutzes lernen."
Der Scanner liest: Er taucht in die Transkripte ein und findet spezifische Sätze in verschiedenen Kursen, die über „DSGVO", „Datengesetze" und „Datenschutzbestimmungen" sprechen.
Die Karte organisiert: Sie gruppiert diese Sätze zurück in ihre ursprünglichen Kurse und Lektionen.
Die Punktzahl wird berechnet: RAGEAR berechnet eine Endpunktzahl. Es belohnt Kurse, die Folgendes aufweisen:
- Viel relevanter Text.
- Den relevantesten Text, der früh in den Suchergebnissen erscheint.
- Den relevanten Text, der in vielen verschiedenen Lektionen erscheint (was zeigt, dass es ein Kernthema und kein Zufall ist).
Das Ergebnis: Sie erhalten eine Liste von Kursen, und das System zeigt Ihnen sogar die genauen Sätze aus den Vorlesungen an, die dazu geführt haben, diesen Kurs zu empfehlen, damit Sie sehen können, warum er eine gute Übereinstimmung ist.

4. Hat es funktioniert?

Die Forscher testeten dieses System gegen zwei andere Methoden:

Methode 1 (Der alte Weg): Nur Betrachtung von Kurstiteln und kurzen Beschreibungen (wie das Lesen nur des Bucheinbands).
Methode 2 (Der einfache Weg): Lesen der Transkripte, aber bloßes Zählen der Treffer ohne Prüfung, ob sie über den Kurs verteilt waren.

Die Ergebnisse:

Das Lesen der vollständigen Transkripte (Methode 2) war bereits viel besser als nur das Lesen der Titel (Methode 1).
Aber RAGEAR (das vollständige System mit der „Qualitätskontrolle"-Bewertung) war das Beste von allen. Es war besonders gut darin, die am meisten relevanten Kurse ganz oben auf die Liste zu setzen.

Zusammenfassung

RAGEAR ist wie ein persönlicher akademischer Berater, der die gesamte Bibliothek der Vorlesungsnotizen für Sie liest. Anstatt zu raten, welcher Kurs basierend auf einem Titel richtig sein könnte, findet es die spezifischen Momente in den Vorlesungen, die Ihren Interessen entsprechen, prüft, ob diese Momente über den gesamten Kurs verteilt sind, und gibt Ihnen die bestmögliche Empfehlung mit dem Beweis, warum es diese ausgewählt hat.

Technischer Überblick: RAGEAR – Retrieval-Augmented Graph-Enhanced Academic Recommender

Problemstellung

Systeme zur Empfehlung akademischer Kurse sehen sich einer erheblichen Herausforderung gegenüber: Studierende äußern ihre Lerninteressen häufig durch natürliche Sprachabfragen, die nicht mit der formalen Terminologie übereinstimmen, die in den offiziellen Kursmetadaten (Titel, Zusammenfassungen, Lehrpläne) zu finden ist. Traditionelle Empfehlungssysteme, die sich ausschließlich auf Kursmetadaten stützen, können zwar breite thematische Ähnlichkeiten erfassen, versagen jedoch beim Erkennen feinabgestimmter konzeptueller Belege, die ausschließlich in den tatsächlichen Lehrmaterialien vorhanden sind. Während Online-Universitäten über reichhaltige Ressourcen wie vollständige Videovorlesungen und Transkripte verfügen, erfordert die Nutzung dieser Daten, dass man über grobe Kursrepräsentationen hinausgeht hin zu einer feinabgestimmten Suche, gefolgt von einem Mechanismus, der diese fragmentierten Belege wieder zu aussagekräftigen Kursrangfolgen aggregiert.

Methodik

RAGEAR (Retrieval-Augmented Graph-Enhanced Academic Recommender) ist ein hybrides neurosymbolisches System, das entwickelt wurde, um diese Einschränkungen zu überwinden. Es integriert eine neuronale Suchkomponente mit einem symbolischen Wissensgraphen (KG), um die Lücke zwischen unstrukturiertem Vorlesungsinhalt und strukturierten akademischen Randbedingungen zu schließen.

1. Systemarchitektur

Das System arbeitet durch vier Hauptkomponenten:

Benutzeroberfläche: Sammelt natürliche Sprachabfragen bezüglich akademischer Interessen oder Lernziele.
Wissensgraph (Symbolische Komponente): Ein ontologiebasierter KG modelliert den akademischen Bereich, einschließlich Studierender, Studienpläne, Kurse, Lektionen, Credits, Voraussetzungen und akademischer Disziplinen. Entscheidend ist, dass er die Lehrhierarchie darstellt: Kurs $\rightarrow$ Lektion $\rightarrow$ Transkript-Chunk. Diese Struktur ermöglicht eine deterministische symbolische Filterung (z. B. nach Credits oder Voraussetzungen) und bildet das strukturelle Rückgrat für die Aggregation von Suchergebnissen.
Dense-Retrieval-Modul (Neuronale Komponente): Dieses Modul führt eine dichte Suche über segmentierte Vorlesungstranskripte durch. Unter Verwendung des Sentence-Transformer-Modells multilingual-e5-large kodiert es sowohl die Studentenabfrage als auch Transkript-Chunks (kohärente textliche Einheiten, die mit Videostempeln abgeglichen sind). Es gibt die Top- $k$ (speziell Top-200) Chunks basierend auf semantischen Ähnlichkeitswerten zurück.
Empfehlungsalgorithmus: Diese Komponente leitet Chunks-ähnlichkeitswerte auf Kursebene mithilfe einer neuartigen, graphenbewussten Aggregationsfunktion weiter.

2. Die RAGEAR-Aggregationsfunktion

Der methodische Kernbeitrag ist eine Bewertungsfunktion, $RS(C, q)$, die einen Empfehlungswert auf Kursebene berechnet, indem sie drei verschiedene Komponenten multipliziert:

$RS(C, q) = GE(C, q) \cdot RE(C, q) \cdot LC(C, q)$

Globaler Beleg ($GE$): Misst den Anteil der gesamten zurückgegebenen Ähnlichkeit, der Chunks zugeordnet ist, die zu einem bestimmten Kurs $C$ gehören. Dies ist eine normalisierte SumP-Aggregation, die das Basisvolumen an Belegen darstellt.
Geraffelter Beleg ($RE$): Gewichtet Chunks basierend auf ihrer Position in der Suchliste. Höher gerankte Chunks (die der Abfrage ähnlicher sind) tragen signifikant mehr bei. Diese Komponente verwendet einen Glättungsparameter $t_q$ , um sicherzustellen, dass hochgerankte Belege den Wert dominieren.
Lektionsabdeckung ($LC$): Bewertet die Verteilung relevanter Belege über die Lektionen des Kurses hinweg. Sie belohnt Kurse, bei denen relevante Chunks über mehrere Lektionen verteilt sind, anstatt in einem einzigen Fragment konzentriert zu sein. Dies wird durch die Gesamtzahl der Lektionen normalisiert, um eine Verzerrung zugunsten längerer Kurse zu vermeiden.

Dieser multiplikative Ansatz begünstigt Kurse, die nicht nur eine hohe Menge an relevanten Inhalten aufweisen, sondern auch hochgerankte Belege besitzen, die strukturell über den Lehrplan verteilt sind.

Hauptbeiträge

Hybride neurosymbolische Architektur: Die Arbeit stellt ein System vor, das dichte Suche über vollständige Vorlesungstranskripte einzigartig mit einem ontologiebasierten Wissensgraphen kombiniert. Dies ermöglicht es dem System, feinabgestimmten Lehrinhalten zu nutzen, während strukturierte akademische Randbedingungen (z. B. Studienpläne, Voraussetzungen) eingehalten werden.
Graphenbewusste Aggregationsfunktion: Die Autoren schlagen eine neuartige Methode zur Weiterleitung von Suchergebnissen auf Chunks-Ebene zu Kursempfehlungen vor. Im Gegensatz zu einfachen Summierungsmethoden berücksichtigt diese Funktion explizit die Stärke des Rangs der zurückgegebenen Chunks und deren Verteilung über die Lektionshierarchie hinweg.
Empirische Evaluation: Die Studie liefert eine rigorose Evaluation, die drei Ansätze vergleicht:
- Dichte Suche nur mit Metadaten.
- Transkriptbasierte normalisierte SumP-Aggregation (eine Baseline, die dieselben Suchwerte verwendet, aber eine einfachere Aggregation).
- Die vollständige RAGEAR-Aggregation.

Ergebnisse

Das System wurde mit 152 studierendenähnlichen Abfragen evaluiert, wobei eine Kombination aus menschlicher Evaluation (auf einer Teilmenge) und einer groß angelegten, auf LLM basierenden Relevanzbewertung (unter Verwendung von GPT-4.1 nano, validiert für hohe Übereinstimmung mit menschlichen Bewertern) zum Einsatz kam.

Transkripte vs. Metadaten: Die Nutzung vollständiger Vorlesungstranskripte schnitt bei allen Metriken (Precision@1, nDCG@5, MAP@5) deutlich besser ab als die reine Metadaten-Suche, was zeigt, dass feinabgestimmter Lehrinhalte wertvolle Informationen enthalten, die in Kursbeschreibungen nicht erfasst werden.
RAGEAR vs. SumP-Baseline: Die vollständige RAGEAR-Aggregation verbesserte die Rangfolgequalität weiter gegenüber der Baseline „Transcript Normalized SumP".
- Precision@1 stieg um 10,69 % im Vergleich zur Metadaten-Baseline und um 2,8 % gegenüber der SumP-Baseline.
- nDCG@1 verbesserte sich um 7,21 % gegenüber der Metadaten-Baseline.
- MAP@5 verzeichnete eine Verbesserung von 17,09 % gegenüber der Metadaten-Baseline.
Leistung bei Top-Rankings: Die Gewinne waren für Top-Ranking-Empfehlungen (k=1, 3, 5) am ausgeprägtesten, was darauf hindeutet, dass die vorgeschlagene Aggregationsfunktion besonders effektiv darin ist, die relevantesten Kurse ganz oben auf die Liste zu setzen.

Bedeutung und Behauptungen

Die Arbeit behauptet, dass RAGEAR die Machbarkeit der Kombination symbolischer Strukturmodellierung mit feinabgestimmter semantischer Suche für akademische Beratung demonstriert. Die Autoren betonen, dass ihr Hauptbeitrag nicht nur die Verwendung von Transkripten ist, sondern die spezifische graphenbewusste Aggregationsstrategie, die Chunks-Ebene-Belege effektiv zu Kursrangfolgen synthetisiert.

Die Ergebnisse legen nahe, dass:

Vorlesungstranskripte eine stärkere Grundlage für Empfehlungen bieten als Metadaten allein.
Die Aggregation von Belegen unter Berücksichtigung sowohl des Rangs der zurückgegebenen Chunks als auch ihrer Verteilung über die Lektionen hinweg eine überlegene Rangfolgequalität im Vergleich zu einfachen Summierungsmethoden liefert.

Die Autoren nehmen eine bescheidene Haltung bezüglich der Evaluation ein und stellen fest, dass die LLM-basierte Bewertung als kontrollierter Proxy für groß angelegte Vergleiche dient und nicht als Ersatz für longitudinale Nutzerstudien mit tatsächlichen Studierenden. Sie betonen, dass die symbolische Filterkomponente deterministisch ist und die Evaluation sich spezifisch auf die Fähigkeit der Ranking-Komponente konzentrierte, die Relevanz zu verbessern. Zukünftige Arbeiten zielen darauf ab, das System in operative Dienste zu integrieren und die Evaluationen auf breitere akademische Programme auszuweiten.