論文の概要: Dialogue-Based Simulation For Cultural Awareness Training
- arxiv url: http://arxiv.org/abs/2002.00223v2
- Date: Mon, 18 Oct 2021 06:49:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 01:03:44.978474
- Title: Dialogue-Based Simulation For Cultural Awareness Training
- Title（参考訳）: 文化意識訓練のための対話型シミュレーション
- Authors: Sodiq Adewole, Erfaneh Gharavi, Benjamin Shpringer, Martin Bolger,
Vaibhav Sharma, Sung Ming Yang, Donald E. Brown
- Abstract要約: 本稿では,文化意識学習のための対話型シミュレーションの設計について述べる。
このシミュレーションは、米中合同による災害管理のシナリオを中心に構築された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing simulations designed for cultural and interpersonal skill training
rely on pre-defined responses with a menu option selection interface. Using a
multiple-choice interface and restricting trainees' responses may limit the
trainees' ability to apply the lessons in real life situations. This systems
also uses a simplistic evaluation model, where trainees' selected options are
marked as either correct or incorrect. This model may not capture sufficient
information that could drive an adaptive feedback mechanism to improve
trainees' cultural awareness. This paper describes the design of a
dialogue-based simulation for cultural awareness training. The simulation,
built around a disaster management scenario involving a joint coalition between
the US and the Chinese armies. Trainees were able to engage in realistic
dialogue with the Chinese agent. Their responses, at different points, get
evaluated by different multi-label classification models. Based on training on
our dataset, the models score the trainees' responses for cultural awareness in
the Chinese culture. Trainees also get feedback that informs the cultural
appropriateness of their responses. The result of this work showed the
following; i) A feature-based evaluation model improves the design, modeling
and computation of dialogue-based training simulation systems; ii) Output from
current automatic speech recognition (ASR) systems gave comparable end results
compared with the output from manual transcription; iii) A multi-label
classification model trained as a cultural expert gave results which were
comparable with scores assigned by human annotators.
- Abstract（参考訳）: 文化的および対人的スキルトレーニングのために設計された既存のシミュレーションは、メニューオプション選択インタフェースで事前に定義された応答に依存する。
マルチチョイスインターフェースを使い、練習者の応答を制限することで、実際の状況でレッスンを適用する能力を制限することができる。
このシステムは単純な評価モデルも使用しており、訓練生の選択した選択肢は正しいか間違っているかを示す。
このモデルは、学習者の文化意識を改善するための適応的なフィードバックメカニズムを駆動する十分な情報をキャプチャできない可能性がある。
本稿では,文化認知訓練のための対話型シミュレーションの設計について述べる。
このシミュレーションは、米中合同による災害管理のシナリオを中心に構築された。
訓練生は中国人エージェントと現実的な対話を行うことができた。
応答は、異なる点において、異なるマルチラベル分類モデルによって評価される。
モデルは,我々のデータセットに基づいて,中国文化における文化意識に対する研修生の反応を評価する。
研修生はフィードバックを受け取り、彼らの反応の文化的適切さを知らせる。
この研究の成果は下記のとおりである。
一 対話型訓練シミュレーションシステムの設計、モデル化及び計算を改善する特徴に基づく評価モデル
二 現行自動音声認識(asr)システムからの出力は、手動転写の出力と同等の結果が得られた。
三 文化専門家として訓練された多段分類モデルにおいて、人間の注釈官が割り当てたスコアに匹敵する結果を与えたこと。
関連論文リスト
- Evaluating Cultural Adaptability of a Large Language Model via Simulation of Synthetic Personas [4.0937229334408185]
我々は、GPT-3.5を用いて、15カ国7,286人の参加者の説得的ニュース記事に対する反応を再現する。
対象者の居住国を特定することで,GPT-3.5の対応性の向上が期待できる。
対照的に、ネイティブ言語プロンプトを使用すると、全体的なアライメントを大幅に削減するシフトが発生する。
論文 参考訳（メタデータ） (2024-08-13T14:32:43Z) - Extrinsic Evaluation of Cultural Competence in Large Language Models [53.626808086522985]
本稿では,2つのテキスト生成タスクにおける文化能力の評価に焦点をあてる。
我々は,文化,特に国籍の明示的なキューが,そのプロンプトに乱入している場合のモデル出力を評価する。
異なる国におけるアウトプットのテキスト類似性とこれらの国の文化的価値との間には弱い相関関係がある。
論文 参考訳（メタデータ） (2024-06-17T14:03:27Z) - Disco-Bench: A Discourse-Aware Evaluation Benchmark for Language
Modelling [70.23876429382969]
本研究では,多種多様なNLPタスクに対して,文内談話特性を評価できるベンチマークを提案する。
ディスコ・ベンチは文学領域における9つの文書レベルのテストセットから構成されており、豊富な談話現象を含んでいる。
また,言語分析のために,対象モデルが談話知識を学習するかどうかを検証できる診断テストスイートを設計する。
論文 参考訳（メタデータ） (2023-07-16T15:18:25Z) - System-Level Natural Language Feedback [83.24259100437965]
システムレベルの設計決定を人為的なループプロセスで形式化する上で,フィードバックの活用方法を示す。
検索クエリと対話応答生成を改善するために,本手法のケーススタディを2つ実施する。
システムレベルのフィードバックとインスタンスレベルのフィードバックの組み合わせは、さらなる利益をもたらします。
論文 参考訳（メタデータ） (2023-06-23T16:21:40Z) - Improving Conversational Recommendation Systems via Counterfactual Data
Simulation [73.4526400381668]
会話推薦システム(CRS)は、自然言語による会話を通じてレコメンデーションサービスを提供することを目的としている。
既存のCRSアプローチは、トレーニングデータの不足により、トレーニングの不十分な問題に悩まされることが多い。
我々は,CRSにおけるデータ不足の問題を緩和するため,CFCRSと呼ばれるCRSに対するCounterFactualデータシミュレーション手法を提案する。
論文 参考訳（メタデータ） (2023-06-05T12:48:56Z) - Adversarial learning of neural user simulators for dialogue policy
optimisation [14.257597015289512]
強化学習に基づく対話ポリシーは、通常、ユーザシミュレータとのインタラクションで訓練される。
現在のデータ駆動シミュレータは、対話コーパス内のユーザの振る舞いを正確にモデル化するように訓練されている。
そこで本研究では,現実的なユーザ行動のシミュレートを目的とした,逆学習を用いた代替手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T16:17:16Z) - Is MultiWOZ a Solved Task? An Interactive TOD Evaluation Framework with
User Simulator [37.590563896382456]
タスク指向対話(TOD)システムのための対話型評価フレームワークを提案する。
まず,事前学習したモデルに基づいて目標指向のユーザシミュレータを構築し,ユーザシミュレータを用いて対話システムと対話して対話を生成する。
実験の結果,提案したユーザシミュレータによりトレーニングされたRLベースのTODシステムは,約98%のインフォメーションと成功率を達成することができた。
論文 参考訳（メタデータ） (2022-10-26T07:41:32Z) - Building a Personalized Dialogue System with Prompt-Tuning [5.942602139622984]
与えられた文字設定(ペルソナ)に基づいて応答する対話システムを構築する。
本稿では,事前学習された大規模言語モデルに対して,学習コストの低いプロンプトチューニングを利用する手法を提案する。
論文 参考訳（メタデータ） (2022-06-11T02:21:11Z) - Knowledge-Grounded Dialogue Generation with Pre-trained Language Models [74.09352261943911]
我々は、事前学習された言語モデルを用いた知識基底対話生成について研究する。
本稿では,知識選択モジュールを用いた事前学習言語モデルによって定義された等価応答生成を提案する。
論文 参考訳（メタデータ） (2020-10-17T16:49:43Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳（メタデータ） (2020-09-14T08:44:46Z) - An Empirical Investigation of Pre-Trained Transformer Language Models
for Open-Domain Dialogue Generation [23.343006562849126]
本稿では,オープンドメイン対話生成作業のための事前学習型トランスフォーマーに基づく自動回帰言語モデルについて実験的に検討する。
事前訓練と微調整の訓練パラダイムは、学習を行うために使用される。
実験は、Weibo、Douban、Reddit、DailyDialog、Persona-Chatといった典型的なシングルターンとマルチターンの対話コーパスで行われる。
論文 参考訳（メタデータ） (2020-03-09T15:20:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。