Buchumschlag

Enhancing the De-identification of Personally Identifiable Information in Educational Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ji, Zilyu, Shen, Yuntian, Lin, Jionghao, Koedinger, Kenneth R.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Large Language Models for Identifying Knowledge Components
von: Wang, Canwen, et al.
Veröffentlicht: (2025)

How Can I Get It Right? Using GPT to Rephrase Incorrect Trainee Responses
von: Lin, Jionghao, et al.
Veröffentlicht: (2024)

LLM-based Multimodal Feedback Produces Equivalent Learning and Better Student Perceptions than Educator Feedback
von: Zhao, Chloe Qianhui, et al.
Veröffentlicht: (2026)

How Can I Improve? Using GPT to Highlight the Desired and Undesired Parts of Open-ended Responses
von: Lin, Jionghao, et al.
Veröffentlicht: (2024)

Using Large Language Models to Assess Tutors' Performance in Reacting to Students Making Math Errors
von: Kakarla, Sanjit, et al.
Veröffentlicht: (2024)

Improving Assessment of Tutoring Practices using Retrieval-Augmented Generation
von: Han, Zifei FeiFei, et al.
Veröffentlicht: (2024)

GiusBERTo: A Legal Language Model for Personal Data De-identification in Italian Court of Auditors Decisions
von: Salierno, Giulio, et al.
Veröffentlicht: (2024)

DePrompt: Desensitization and Evaluation of Personal Identifiable Information in Large Language Model Prompts
von: Sun, Xiongtao, et al.
Veröffentlicht: (2024)

Augmenting Human-Annotated Training Data with Large Language Model Generation and Distillation in Open-Response Assessment
von: Borchers, Conrad, et al.
Veröffentlicht: (2025)

Comparing RAG and GraphRAG for Page-Level Retrieval Question Answering on Math Textbook
von: Chen, Eason, et al.
Veröffentlicht: (2025)

Beyond Agreement: Rethinking Ground Truth in Educational AI Annotation
von: Thomas, Danielle R., et al.
Veröffentlicht: (2025)

Identifying Multiple Personalities in Large Language Models with External Evaluation
von: Song, Xiaoyang, et al.
Veröffentlicht: (2024)

PIIBench: A Unified Multi-Source Benchmark Corpus for Personally Identifiable Information Detection
von: Jha, Pritesh
Veröffentlicht: (2026)

GLiNER2-PII: A Multilingual Model for Personally Identifiable Information Extraction
von: Zaratiana, Urchade, et al.
Veröffentlicht: (2026)

VTutor: An Open-Source SDK for Generative AI-Powered Animated Pedagogical Agents with Multi-Media Output
von: Chen, Eason, et al.
Veröffentlicht: (2025)

Magpie: Alignment Data Synthesis from Scratch by Prompting Aligned LLMs with Nothing
von: Xu, Zhangchen, et al.
Veröffentlicht: (2024)

Identifying and Manipulating Personality Traits in LLMs Through Activation Engineering
von: Allbert, Rumi, et al.
Veröffentlicht: (2024)

Do LLMs Really Memorize Personally Identifiable Information? Revisiting PII Leakage with a Cue-Controlled Memorization Framework
von: Luo, Xiaoyu, et al.
Veröffentlicht: (2026)

Does Multiple Choice Have a Future in the Age of Generative AI? A Posttest-only RCT
von: Thomas, Danielle R., et al.
Veröffentlicht: (2024)

Do Tutors Learn from Equity Training and Can Generative AI Assess It?
von: Thomas, Danielle R., et al.
Veröffentlicht: (2024)

ES-MemEval: Benchmarking Conversational Agents on Personalized Long-Term Emotional Support
von: Chen, Tiantian, et al.
Veröffentlicht: (2026)

Identifying Cooperative Personalities in Multi-agent Contexts through Personality Steering with Representation Engineering
von: Ong, Kenneth J. K., et al.
Veröffentlicht: (2025)

Exploring Communication Strategies for Collaborative LLM Agents in Mathematical Problem-Solving
von: Zhang, Liang, et al.
Veröffentlicht: (2025)

GPTutor: Great Personalized Tutor with Large Language Models for Personalized Learning Content Generation
von: Chen, Eason, et al.
Veröffentlicht: (2024)

When Personalization Misleads: Understanding and Mitigating Hallucinations in Personalized LLMs
von: Sun, Zhongxiang, et al.
Veröffentlicht: (2026)

Automatic Large Language Models Creation of Interactive Learning Lessons
von: Lin, Jionghao, et al.
Veröffentlicht: (2025)

Enhancing Personalized Multi-Turn Dialogue with Curiosity Reward
von: Wan, Yanming, et al.
Veröffentlicht: (2025)

Synthetic Data for Veterinary EHR De-identification: Benefits, Limits, and Safety Trade-offs Under Fixed Compute
von: Brundage, David
Veröffentlicht: (2026)

SHIELD: A Diverse Clinical Note Dataset and Distilled Small Language Models for Enterprise-Scale De-identification
von: Posada, Jose D., et al.
Veröffentlicht: (2026)

From Chat Logs to Collective Insights: Aggregative Question Answering
von: Zhang, Wentao, et al.
Veröffentlicht: (2025)

From Explicit CoT to Implicit CoT: Learning to Internalize CoT Step by Step
von: Deng, Yuntian, et al.
Veröffentlicht: (2024)

Identifying Knowledge Editing Types in Large Language Models
von: Li, Xiaopeng, et al.
Veröffentlicht: (2024)

Reasoning-Based Personalized Generation for Users with Sparse Data
von: Ni, Bo, et al.
Veröffentlicht: (2026)

Multi-Personality Generation of LLMs at Decoding-time
von: Chen, Rongxin, et al.
Veröffentlicht: (2025)

Identifying Financial Risk Information Using RAG with a Contrastive Insight
von: Elahi, Ali
Veröffentlicht: (2025)

Enhancing Debunking Effectiveness through LLM-based Personality Adaptation
von: Dell'Oglio, Pietro, et al.
Veröffentlicht: (2026)

LLMs-in-the-Loop Part 2: Expert Small AI Models for Anonymization and De-identification of PHI Across Multiple Languages
von: Gunay, Murat, et al.
Veröffentlicht: (2024)

Rethinking Role-Playing Evaluation: Anonymous Benchmarking and a Systematic Study of Personality Effects
von: Peng, Ji-Lun, et al.
Veröffentlicht: (2026)

RAMO: Retrieval-Augmented Generation for Enhancing MOOCs Recommendations
von: Rao, Jiarui, et al.
Veröffentlicht: (2024)

Data-Constrained Synthesis of Training Data for De-Identification
von: Vakili, Thomas, et al.
Veröffentlicht: (2025)