Fugu-MT 論文翻訳(概要): Automatic Dialogic Instruction Detection for K-12 Online One-on-one Classes

論文の概要: Automatic Dialogic Instruction Detection for K-12 Online One-on-one Classes

arxiv url: http://arxiv.org/abs/2006.01204v1
Date: Sat, 16 May 2020 01:55:31 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 12:49:53.034798
Title: Automatic Dialogic Instruction Detection for K-12 Online One-on-one Classes
Title（参考訳）: K-12オンラインワン・ワン・ワン・クラスの自動対話命令検出
Authors: Shiting Xu, Wenbiao Ding, Zitao Liu
Abstract要約: 本研究では,教師が1対1の学習パラダイムのメリットを享受する上で,6つの対話型指導法を開発した。ニューラルネットワークモデル、すなわち長短期記憶(LSTM)を用いて、6つ以上の命令を自動的に検出する。
参考スコア（独自算出の注目度）: 16.233103041701384
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Online one-on-one class is created for highly interactive and immersive learning experience. It demands a large number of qualified online instructors. In this work, we develop six dialogic instructions and help teachers achieve the benefits of one-on-one learning paradigm. Moreover, we utilize neural language models, i.e., long short-term memory (LSTM), to detect above six instructions automatically. Experiments demonstrate that the LSTM approach achieves AUC scores from 0.840 to 0.979 among all six types of instructions on our real-world educational dataset.
Abstract（参考訳）: オンライン一対一のクラスは、高度にインタラクティブで没入的な学習体験のために作成されます。多数のオンラインインストラクターを必要としている。本研究では,教師が1対1の学習パラダイムの利点を享受するための6つの対話型指導法を開発した。さらに、長短期記憶(LSTM)と呼ばれるニューラルネットワークモデルを用いて、6つの命令を自動的に検出する。実世界の教育データセット上の6種類の命令のうち、LSTMアプローチはAUCスコアが0.840から0.979に到達していることを示す。

関連論文リスト

Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文参考訳（メタデータ） (2023-09-15T02:42:03Z)
LittleMu: Deploying an Online Virtual Teaching Assistant via Heterogeneous Sources Integration and Chain of Teach Prompts [26.446251076338]
質問応答とチャットサービスを提供する仮想MOOC指導アシスタントLittleMuを提案する。 LittleMuはまず構造的、半構造的、非構造的な知識ソースを統合し、幅広い質問に対する正確な回答をサポートする。 2020年5月以降、私たちのLittleMuシステムは、XuetangX MOOCプラットフォーム上の500以上のコースから、80,000以上のユーザと30,000以上のクエリを処理しています。
論文参考訳（メタデータ） (2023-08-11T04:36:26Z)
DinoSR: Self-Distillation and Online Clustering for Self-supervised Speech Representation Learning [140.96990096377127]
自己教師型音声表現学習(DinoSR)のための自己蒸留とオンラインクラスタリングを導入する。 DinoSRはまず、入力されたオーディオから教師ネットワークにコンテキスト化された埋め込みを抽出し、埋め込み上にオンラインクラスタリングシステムを実行して、マシンが発見した携帯電話の在庫を出力し、最後に、識別トークンを使用して学生ネットワークを誘導する。本稿では,DinoSRが複数の下流タスクにおいて過去の最先端性能を上回ることを示し,モデルと学習した離散単位の詳細な解析を行う。
論文参考訳（メタデータ） (2023-05-17T07:23:46Z)
Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文参考訳（メタデータ） (2023-01-24T11:00:17Z)
DialogID: A Dialogic Instruction Dataset for Improving Teaching Effectiveness in Online Environments [24.094249468028664]
本稿では,30,431の効果的な対話型命令を含むオンライン対話型命令検出データセット,textscDialogIDを提案する。本稿では,対話型命令検出の品質と一般化を向上する,シンプルで効果的な対向学習パラダイムを提案する。
論文参考訳（メタデータ） (2022-06-24T02:07:12Z)
Self-directed Machine Learning [86.3709575146414]
教育科学において、自己指導型学習は受動的教師指導型学習よりも効果的であることが示されている。本稿では,自己指向機械学習(SDML)の基本概念を紹介し,SDMLのためのフレームワークを提案する。提案したSDMLプロセスは,自己タスク選択,自己データ選択,自己モデル選択,自己最適化戦略選択,自己評価基準選択の恩恵を受ける。
論文参考訳（メタデータ） (2022-01-04T18:32:06Z)
Multi-Task Learning based Online Dialogic Instruction Detection with Pre-trained Language Models [34.66425105076059]
コントラッシブ・ロスによりカテゴリ間のマージンを大きくすることで、異なるクラスのインスタンスを識別する能力を向上するマルチタスク・パラダイムを提案する。実世界のオンライン教育データセットを用いた実験により,本手法が代表的ベースラインよりも優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2021-07-15T04:57:57Z)
Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文参考訳（メタデータ） (2020-05-16T02:17:04Z)
SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine Teaching [81.45928589522032]
トランスフォーマーに基づく自動回帰言語モデルを用いて,モジュール型タスク指向対話システムをパラメータ化する。タスクグラウンド応答生成モデルである異種ダイアログコーパスの事前学習を行う。実験により、SOLOISTは、よく研究されたタスク指向のダイアログベンチマーク上で、新しい最先端のダイアログを生成する。
論文参考訳（メタデータ） (2020-05-11T17:58:34Z)

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。