論文の概要: Pedagogical Agents for Fostering Question-Asking Skills in Children
- arxiv url: http://arxiv.org/abs/2004.03472v1
- Date: Tue, 7 Apr 2020 15:18:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 04:09:37.860361
- Title: Pedagogical Agents for Fostering Question-Asking Skills in Children
- Title(参考訳): 子どもの質問応答スキル育成のための教育的エージェント
- Authors: Mehdi Alaimi, Edith Law, Kevin Daniel Pantasdo, Pierre-Yves Oudeyer,
Helene Sauzeon
- Abstract要約: 子どもの好奇心の特徴は、散発的思考エージェントの下での質問に対して仲介効果がある。
子どもの好奇心の特徴は、散発的思考エージェントの下での質問に対して仲介効果がある。
- 参考スコア(独自算出の注目度): 21.16104970123263
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Question asking is an important tool for constructing academic knowledge, and
a self-reinforcing driver of curiosity. However, research has found that
question asking is infrequent in the classroom and children's questions are
often superficial, lacking deep reasoning. In this work, we developed a
pedagogical agent that encourages children to ask divergent-thinking questions,
a more complex form of questions that is associated with curiosity. We
conducted a study with 95 fifth grade students, who interacted with an agent
that encourages either convergent-thinking or divergent-thinking questions.
Results showed that both interventions increased the number of
divergent-thinking questions and the fluency of question asking, while they did
not significantly alter children's perception of curiosity despite their high
intrinsic motivation scores. In addition, children's curiosity trait has a
mediating effect on question asking under the divergent-thinking agent,
suggesting that question-asking interventions must be personalized to each
student based on their tendency to be curious.
- Abstract(参考訳): 質問は学術知識を構築するための重要なツールであり、好奇心の自己強化ドライバーである。
しかし、調査の結果、教室では質問は稀であり、子供の質問はしばしば表面的で深い推論が欠如していることがわかった。
本研究では,学習者に対して,好奇心に関連するより複雑な質問形態である,異種思考の質問を促す教育エージェントを開発した。
我々は,5年生95名を対象に,コンバージェント思考と異種思考のどちらかを奨励するエージェントと対話した。
その結果,両者の介入は,主観的動機付けスコアが高いにもかかわらず,子どもの好奇心に対する認識を著しく変化させることはなかった。
さらに, 子どもの好奇心特性は, 異種思考エージェントの質問質問に対する仲介効果を有しており, 興味を抱く傾向に基づいて, 質問行動の介入を各学生にパーソナライズする必要があることが示唆された。
関連論文リスト
- Analyzing Human Questioning Behavior and Causal Curiosity through Natural Queries [91.70689724416698]
NatQuest(ナットクエスト)は、3つの異なるソースから自然発生の質問13,500件のコレクションである。
分析の結果,データセット内には因果的疑問(最大42%)が有意な存在であることが判明した。
論文 参考訳(メタデータ) (2024-05-30T17:55:28Z) - Which questions should I answer? Salience Prediction of Inquisitive Questions [118.097974193544]
非常に健全な質問は、同じ記事で経験的に答えられる可能性が高いことを示す。
質問に対する回答が,ニュースの要約品質の指標であることを示すことで,我々の知見をさらに検証する。
論文 参考訳(メタデータ) (2024-04-16T21:33:05Z) - Qsnail: A Questionnaire Dataset for Sequential Question Generation [76.616068047362]
質問紙作成作業に特化して構築された最初のデータセットについて述べる。
我々はQsnailの実験を行い、その結果、検索モデルと従来の生成モデルが与えられた研究トピックや意図と完全に一致していないことが明らかとなった。
チェーン・オブ・シークレット・プロンプトと微調整による改善にもかかわらず、言語モデルによるアンケートは、人間の手書きのアンケートには及ばない。
論文 参考訳(メタデータ) (2024-02-22T04:14:10Z) - Covering Uncommon Ground: Gap-Focused Question Generation for Answer
Assessment [75.59538732476346]
このようなギャップに着目した質問(GFQ)を自動生成する問題に着目する。
タスクを定義し、優れたGFQの所望の側面を強調し、これらを満たすモデルを提案する。
論文 参考訳(メタデータ) (2023-07-06T22:21:42Z) - Five Properties of Specific Curiosity You Didn't Know Curious Machines
Should Have [4.266866385061999]
我々は、動物と機械の好奇心の分野を包括的に多分野的に調査する。
我々は、特定の好奇心の最も重要な特性の5つのうちの1つと考えるものを紹介し、定義する。
概念強化学習エージェントにおいて,これらの特性をどのように組み合わせて実装するかを示す。
論文 参考訳(メタデータ) (2022-12-01T00:18:56Z) - Prototyping three key properties of specific curiosity in computational
reinforcement learning [3.1498833540989413]
本稿では,これらの特性の最も即時的な3点を紹介し,概念強化学習エージェントでどのように実装されるかを示す。
希望するように、エージェントは、好奇心を誘発する状況を適応的に求めるために、長期的な嗜好を更新しながら、短期的な指示行動を示す。
この研究は、特定の好奇心がどのように機能し、将来は複雑な環境におけるゴール探索、意思決定エージェントの行動に統合されるかもしれない、という新しい見解を提示する。
論文 参考訳(メタデータ) (2022-05-20T18:58:18Z) - "What makes a question inquisitive?" A Study on Type-Controlled
Inquisitive Question Generation [35.87102025753666]
質問生成のためのタイプ制御フレームワークを提案する。
私たちは、ソーステキストから描画しながら、特定のタイプに固執する様々な質問を生成します。
また、生成した集合から1つの質問を選択する戦略についても検討する。
論文 参考訳(メタデータ) (2022-05-17T02:05:50Z) - Educational Question Generation of Children Storybooks via Question Type Distribution Learning and Event-Centric Summarization [67.1483219601714]
本稿では,まず,入力記事段落の質問型分布を学習する新しい質問生成手法を提案する。
学習用問合せペアで構成された銀のサンプルを用いて,事前学習したトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを構築する。
本研究は,質問型分布学習とイベント中心の要約生成の分離の必要性を示唆するものである。
論文 参考訳(メタデータ) (2022-03-27T02:21:19Z) - Ask & Explore: Grounded Question Answering for Curiosity-Driven
Exploration [17.28353205476766]
エージェントに対する外在的な報酬が極めて少ない現実のシナリオでは、好奇心は有用な概念として現れている。
本稿では,エージェントに環境に関する質問をするように促し,接地質問応答に基づく好奇心を定式化する。
自然言語に関する質問は,対象の物理的性質や他の対象との空間的関係など,その環境に関する特定の知識を明らかにすることを促す。
論文 参考訳(メタデータ) (2021-04-24T07:56:31Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-04T19:03:39Z) - Stay Hungry, Stay Focused: Generating Informative and Specific Questions
in Information-Seeking Conversations [41.74162467619795]
情報非対称な会話における情報的質問生成の問題について検討する。
実践的な質問を生成するために,情報量測定を最適化するために強化学習を用いる。
そこで本研究では,提案した実用的質問は,ベースラインモデル上で生成した質問の有意性と特異性を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2020-04-30T00:49:14Z)
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。