論文の概要: Analyzing Effect of Repeated Reading on Oral Fluency and Narrative Production for Computer-Assisted Language Learning

• arxiv url: http://arxiv.org/abs/2006.14320v1
• Date: Thu, 25 Jun 2020 11:51:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 04:07:58.921720
• Title: Analyzing Effect of Repeated Reading on Oral Fluency and Narrative Production for Computer-Assisted Language Learning
• Title（参考訳）: 反復読解がコンピュータ支援言語学習における口語頻度とナラティブ生産に及ぼす影響の分析
• Authors: Santosh Kumar Barnwal, Uma Shanker Tiwary
• Abstract要約: 繰り返し読み(RR)は、学習者が自信を得て、速度を上げ、単語を自動で処理するのに役立つ。 RRプラクティスに基づいた学習者の口頭反応に関するオープンオーディオデータセットは存在しない。 本稿では,音声,韻律,語彙,構文特性を用いて,英語学習者の口頭流感と物語生成を評価する手法を提案する。
• 参考スコア（独自算出の注目度）: 2.28438857884398
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Repeated reading (RR) helps learners, who have little to no experience with reading fluently to gain confidence, speed and process words automatically. The benefits of repeated readings include helping all learners with fact recall, aiding identification of learners' main ideas and vocabulary, increasing comprehension, leading to faster reading as well as increasing word recognition accuracy, and assisting struggling learners as they transition from word-by-word reading to more meaningful phrasing. Thus, RR ultimately helps in improvements of learners' oral fluency and narrative production. However, there are no open audio datasets available on oral responses of learners based on their RR practices. Therefore, in this paper, we present our dataset, discuss its properties, and propose a method to assess oral fluency and narrative production for learners of English using acoustic, prosodic, lexical and syntactical characteristics. The results show that a CALL system can be developed for assessing the improvements in learners' oral fluency and narrative production.
• Abstract（参考訳）: 反復読解(RR)は, 学習者に対して, 信頼度, 速さ, 言葉の自動処理に精通した経験がほとんど, あるいは全くない学習者を支援する。 繰り返し読むことの利点は、すべての学習者が事実を思い出すのを助けること、学習者の主アイデアや語彙の識別を支援すること、理解を深めること、単語認識の精度を向上させること、単語毎の読みから意味のある書き起こしへ移行する際に苦闘する学習者を助けること、などである。 したがって、RRは学習者の口頭流感と物語の制作を改善するのに役立つ。 しかし、RRの実践に基づいて学習者の口頭反応にオープンな音声データセットは存在しない。 そこで本研究では,英語学習者を対象に,音響的,韻律的,語彙的,統語的特性を用いて,その特性を考察し,口頭流速と物語生成を評価する手法を提案する。 以上の結果から,CALLシステムは,学習者の口頭流感と物語制作の改善を評価するために開発された。

関連論文リスト

• Deep Learning for Assessment of Oral Reading Fluency [5.707725771108279]
  本研究は,人間専門家がラベル付けした物語テキストの子どもの音声記録の学習データセットのエンドツーエンドモデリングについて検討する。 本報告では,学習した語彙・音響・韻律的特徴の埋め込みが,読み流しの知覚に重要であることを示す。
  論文  参考訳（メタデータ） (2024-05-29T18:09:35Z)
• In-Memory Learning: A Declarative Learning Framework for Large Language Models [56.62616975119192]
  本研究では,人間ラベルデータに頼らずにエージェントが環境に整合できる新しい学習フレームワークを提案する。 このプロセス全体がメモリコンポーネント内で変換され、自然言語で実装される。 フレームワークの有効性を実証し、この問題に対する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-05T08:25:11Z)
• Gaze-Driven Sentence Simplification for Language Learners: Enhancing Comprehension and Readability [11.50011780498048]
  本稿では,読解理解を高めるために,新しい視線駆動型文簡略化システムを提案する。 本システムでは、個々の学習者に適した機械学習モデルを導入し、視線特徴と言語特徴を組み合わせて文理解を評価する。
  論文  参考訳（メタデータ） (2023-09-30T12:18:31Z)
• Storyfier: Exploring Vocabulary Learning Support with Text Generation Models [52.58844741797822]
  本研究では,学習者の興味をひく対象語に対するコヒーレントな文脈を提供するために,Storyfierを開発した。 学習者は一般的に、生成したストーリーを目標語を接続し、学習負荷を緩和するための支援を書くのに好む。 読み書き学習セッションでは、AI機能のないベースラインツールで学習するよりも、Storyfierを使用する参加者は、リコールやターゲット語の使用でパフォーマンスが悪くなります。
  論文  参考訳（メタデータ） (2023-08-07T18:25:00Z)
• Context-faithful Prompting for Large Language Models [51.194410884263135]
  大言語モデル(LLM)は世界事実に関するパラメトリック知識を符号化する。 パラメトリック知識への依存は、文脈的手がかりを見落とし、文脈に敏感なNLPタスクにおいて誤った予測をもたらす可能性がある。 我々は, LLMの文脈的忠実度を, 知識の衝突と, 棄権による予測の2つの側面で評価し, 向上する。
  論文  参考訳（メタデータ） (2023-03-20T17:54:58Z)
• Decoupling Knowledge from Memorization: Retrieval-augmented Prompt Learning [113.58691755215663]
  一般化と記憶のバランスをとるためにRetroPromptを開発した。 バニラプロンプト学習とは対照的に、RetroPromptはトレーニングインスタンスからオープンブックナレッジストアを構築する。 大規模な実験により、RetroPromptは、数ショットとゼロショットの両方で、より良いパフォーマンスを得ることができることが示されている。
  論文  参考訳（メタデータ） (2022-05-29T16:07:30Z)
• Learning to Mediate Disparities Towards Pragmatic Communication [9.321336642983875]
  言語コミュニケーションに類似した能力を持つAIエージェントを構築するためのフレームワークとして,Pragmatic Rational Speaker (PRS)を提案する。 PRSは、作業メモリに軽量の差分調整層を追加することにより、話者-リスナーの差分を学習し、それに応じて音声を調整しようとする。 長期メモリを修正することで、PSSは様々なタイプのリスナを学習し適応するためにのみ、動作メモリを更新する。
  論文  参考訳（メタデータ） (2022-03-25T14:46:43Z)
• Counterfactual Memorization in Neural Language Models [91.8747020391287]
  様々なNLPタスクで広く使用されている現代のニューラルネットワークモデルは、トレーニングデータからセンシティブな情報を記憶するリスクがある。 言語モデル記憶の以前の研究におけるオープンな疑問は、「一般的な」記憶の除去方法である。 トレーニング中に特定の文書が省略された場合、モデルの予測がどのように変化するかを特徴付ける反事実記憶の概念を定式化する。
  論文  参考訳（メタデータ） (2021-12-24T04:20:57Z)
• A Framework for Learning Assessment through Multimodal Analysis of Reading Behaviour and Language Comprehension [0.0]
  この論文は、どのように異なるスキルを計測し、自動的に得点するかを示している。 また,複数形態の学習者の反応に関する実例を用いて,学習実践がマルチモーダルスキルの変数に与える影響を実証した。
  論文  参考訳（メタデータ） (2021-10-22T17:48:03Z)
• Deep Learning for Prominence Detection in Children's Read Speech [13.041607703862724]
  子どもの読書記録のラベル付きデータセットを,話者に依存しない著名単語の検出のために検討する。 事前調整されたランダムフォレストアンサンブル予測器をRNNシーケンスに置き換え、潜在的なコンテキスト依存性を利用する。 深層学習を用いて、基本周波数、強度、スペクトル形状の低レベル音響輪郭から単語レベル特徴を得る。
  論文  参考訳（メタデータ） (2021-04-12T14:15:08Z)
• UniSpeech: Unified Speech Representation Learning with Labeled and Unlabeled Data [54.733889961024445]
  ラベル付きデータとラベル付きデータの両方を用いて音声表現を学習するためのUniSpeechという統合事前学習手法を提案する。 公立CommonVoiceコーパス上での言語間表現学習におけるUniSpeechの有効性を評価する。
  論文  参考訳（メタデータ） (2021-01-19T12:53:43Z)

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。