論文の概要: Assessing the Helpfulness of Learning Materials with Inference-Based
Learner-Like Agent
- arxiv url: http://arxiv.org/abs/2010.02179v1
- Date: Mon, 5 Oct 2020 17:24:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 21:30:50.029379
- Title: Assessing the Helpfulness of Learning Materials with Inference-Based
Learner-Like Agent
- Title（参考訳）: 推論型学習エージェントを用いた学習教材の有効性評価
- Authors: Yun-Hsuan Jen, Chieh-Yang Huang, Mei-Hua Chen, Ting-Hao 'Kenneth'
Huang, Lun-Wei Ku
- Abstract要約: 本稿では,学習者の振る舞いを模倣し,優れた学習教材を識別する推論型学習エージェントを提案する。
実験結果から,提案エージェントは学習者の行動が良好であることがわかった。
ユーザスタディの結果から,提案するエージェントは,学生がより簡単かつ効率的に学習できるサンプル文を見つけることができることがわかった。
- 参考スコア（独自算出の注目度）: 21.877314843300287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many English-as-a-second language learners have trouble using near-synonym
words (e.g., small vs.little; briefly vs.shortly) correctly, and often look for
example sentences to learn how two nearly synonymous terms differ. Prior work
uses hand-crafted scores to recommend sentences but has difficulty in adopting
such scores to all the near-synonyms as near-synonyms differ in various ways.
We notice that the helpfulness of the learning material would reflect on the
learners' performance. Thus, we propose the inference-based learner-like agent
to mimic learner behavior and identify good learning materials by examining the
agent's performance. To enable the agent to behave like a learner, we leverage
entailment modeling's capability of inferring answers from the provided
materials. Experimental results show that the proposed agent is equipped with
good learner-like behavior to achieve the best performance in both
fill-in-the-blank (FITB) and good example sentence selection tasks. We further
conduct a classroom user study with college ESL learners. The results of the
user study show that the proposed agent can find out example sentences that
help students learn more easily and efficiently. Compared to other models, the
proposed agent improves the score of more than 17% of students after learning.
- Abstract（参考訳）: 多くの英語学習者は、ほぼ同義語(例:小対小対小対短距離)を正しく使うのに苦労しており、2つのほぼ同義語がどう異なるかを学ぶために、しばしば例文を探す。
先行研究では、文を推薦するために手作りのスコアを用いるが、近義語にそのスコアを適用するのが困難であり、近義語は様々に異なる。
学習教材の有用性は,学習者のパフォーマンスに反映している。
そこで本研究では,学習者の行動を模倣し,優れた学習教材を識別するための推論ベース学習者ライクエージェントを提案する。
エージェントが学習者のように振る舞うために,提案した教材から回答を推測するエンテーメント・モデリングの能力を活用する。
実験の結果,提案エージェントは,FITB(Fill-in-the-Blank)と好例文選択タスクの両方において,優れた学習者ライクな動作を実現することができることがわかった。
さらに,大学esl学習者を対象に,教室ユーザ学習を行う。
ユーザ調査の結果,提案エージェントは,学生がより簡単かつ効率的に学ぶのに役立つ例文を見つけることができることがわかった。
他のモデルと比較して,提案エージェントは学習後の17%以上の生徒のスコアを改善する。
関連論文リスト
- Prosody as a Teaching Signal for Agent Learning: Exploratory Studies and Algorithmic Implications [2.8243597585456017]
本稿では,人間教師からのエージェント学習を強化するための教示信号として,韻律の統合を提唱する。
その結果,明示的なフィードバックと組み合わせることで,韻律的特徴が強化学習効果を高めることが示唆された。
論文 参考訳（メタデータ） (2024-10-31T01:51:23Z) - Reframing linguistic bootstrapping as joint inference using visually-grounded grammar induction models [31.006803764376475]
意味的・統語的ブートストラッピング・ポジトリ(Semantic and Syntactic bootstrapping posit)とは、子供が特定の言語領域についての事前の知識、例えば構文的関係(syntactic relations)を使い、後に新しい単語の意味などの他の知識を取得する手助けをするものである。
ここでは、両者が、言語習得のためのより一般的な学習戦略である共同学習に固執していると論じる。
一連の視覚的文法帰納モデルを用いて,構文と意味が同時に学習された場合に,構文的および意味的ブートストラップ効果が最強であることが実証された。
論文 参考訳（メタデータ） (2024-06-17T18:01:06Z) - Babysit A Language Model From Scratch: Interactive Language Learning by Trials and Demonstrations [15.394018604836774]
本稿では, 学生の試行, 教師のデモンストレーション, 言語能力に配慮した報酬の3つの要素を組み込んだTnD学習フレームワークを提案する。
実験の結果,TnD手法は等数あるいは少人数の学生モデルの単語獲得を促進させることがわかった。
この結果から,対話型言語学習は,教師による実演や学生の試行を通じて,言語モデルにおける効率的な単語学習を促進することが示唆された。
論文 参考訳（メタデータ） (2024-05-22T16:57:02Z) - 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) - Human Inspired Progressive Alignment and Comparative Learning for
Grounded Word Acquisition [6.47452771256903]
我々は、人間の赤ちゃんが最初の言語をどのように習得するかからインスピレーションを得て、比較学習を通じて単語獲得のための計算プロセスを開発した。
認知的発見を動機として,様々な属性の類似点と相違点を計算モデルで比較できる小さなデータセットを作成した。
我々は、単語の獲得を情報フィルタリングのプロセスだけでなく、表現-シンボルマッピングにもとづいている。
論文 参考訳（メタデータ） (2023-07-05T19:38:04Z) - RankCSE: Unsupervised Sentence Representations Learning via Learning to
Rank [54.854714257687334]
本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。
コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。
セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
論文 参考訳（メタデータ） (2023-05-26T08:27:07Z) - Fairness-guided Few-shot Prompting for Large Language Models [93.05624064699965]
インコンテキスト学習は、トレーニング例、例えば順、プロンプトフォーマットのバリエーションによって、高い不安定性に悩まされる可能性がある。
ラベルや属性に対する固定的なプロンプトの予測バイアスを評価するための指標を導入する。
そこで本研究では,テキスト内学習の性能向上のための最寄りのプロンプトを特定するための,欲求探索に基づく新しい探索手法を提案する。
論文 参考訳（メタデータ） (2023-03-23T12:28:25Z) - Complementary Explanations for Effective In-Context Learning [77.83124315634386]
大規模言語モデル (LLM) は、説明のインプロンプトから学習する際、顕著な能力を示した。
この研究は、文脈内学習に説明が使用されるメカニズムをよりよく理解することを目的としている。
論文 参考訳（メタデータ） (2022-11-25T04:40:47Z) - On the Efficiency of Integrating Self-supervised Learning and
Meta-learning for User-defined Few-shot Keyword Spotting [51.41426141283203]
ユーザ定義キーワードスポッティングは、ユーザが定義する新しい音声用語を検出するタスクである。
これまでの研究は、自己教師付き学習モデルを取り入れたり、メタ学習アルゴリズムを適用しようとするものだった。
この結果から,HuBERTとMatching Networkを組み合わせることで,最適な結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-04-01T10:59:39Z) - How Do You Do It? Fine-Grained Action Understanding with Pseudo-Adverbs [52.042261549764326]
そこで本研究では,様々な行動にまたがる副詞を認識する手法を提案する。
提案手法は,複数の副詞の擬似ラベルを用いた半教師付き学習を用いる。
また、副詞がきめ細かな行動とどのように関連しているかを示す。
論文 参考訳（メタデータ） (2022-03-23T11:53:41Z) - Natural Language Communication with a Teachable Agent [0.0]
本研究は,Curiosity Notebookを介して仮想エージェントと対話する際のモダリティ教育の効果について検討する。
原材料から文を選択してエージェントを教える方法と、原材料を言い換えてテキスト入力を入力して教える方法とを比較する。
その結果, パラフレーズやテキスト入力による授業は, 教材の学習結果や, 情緒的エンゲージメントの側面に肯定的な影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2022-03-17T01:31:23Z)
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。