論文の概要: Extending the Hint Factory for the assistance dilemma: A novel, data-driven HelpNeed Predictor for proactive problem-solving help

• arxiv url: http://arxiv.org/abs/2010.04124v1
• Date: Thu, 8 Oct 2020 17:04:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 13:01:09.478842
• Title: Extending the Hint Factory for the assistance dilemma: A novel, data-driven HelpNeed Predictor for proactive problem-solving help
• Title（参考訳）: 支援ジレンマのためのヒントファクトリーの拡張: 積極的な問題解決支援のためのデータ駆動型HelpNeed予測器
• Authors: Mehak Maniktala, Christa Cody, Amy Isvik, Nicholas Lytle, Min Chi, Tiffany Barnes
• Abstract要約: 非生産的な問題解決のステップを分類し、予測し、予防するための、データ駆動型の一連の手法を提案する。 本稿では,学生が非生産的になる確率を決定するために,事前の学生データを用いたHelpNeed分類を提案する。 我々は、これらのHelpNeedメソッドが、他のよく構造化されたオープンエンドドメインにどのように適用できるかという提案で締めくくった。
• 参考スコア（独自算出の注目度）: 6.188683567894372
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining when and whether to provide personalized support is a well-known challenge called the assistance dilemma. A core problem in solving the assistance dilemma is the need to discover when students are unproductive so that the tutor can intervene. Such a task is particularly challenging for open-ended domains, even those that are well-structured with defined principles and goals. In this paper, we present a set of data-driven methods to classify, predict, and prevent unproductive problem-solving steps in the well-structured open-ended domain of logic. This approach leverages and extends the Hint Factory, a set of methods that leverages prior student solution attempts to build data-driven intelligent tutors. We present a HelpNeed classification, that uses prior student data to determine when students are likely to be unproductive and need help learning optimal problem-solving strategies. We present a controlled study to determine the impact of an Adaptive pedagogical policy that provides proactive hints at the start of each step based on the outcomes of our HelpNeed predictor: productive vs. unproductive. Our results show that the students in the Adaptive condition exhibited better training behaviors, with lower help avoidance, and higher help appropriateness (a higher chance of receiving help when it was likely to be needed), as measured using the HelpNeed classifier, when compared to the Control. Furthermore, the results show that the students who received Adaptive hints based on HelpNeed predictions during training significantly outperform their Control peers on the posttest, with the former producing shorter, more optimal solutions in less time. We conclude with suggestions on how these HelpNeed methods could be applied in other well-structured open-ended domains.
• Abstract（参考訳）: パーソナライズされたサポートを提供するかどうかの決定は、援助ジレンマと呼ばれるよく知られた課題である。 補助ジレンマの解決における中核的な問題は、教師が介入できるように、学生が非生産的であることを発見する必要があることである。 このようなタスクは、定義された原則や目標で十分に構造化されたオープンエンドドメインにとって特に困難である。 本稿では,構造化されたオープンエンド論理における非生産的問題解決ステップを分類し,予測し,防止するためのデータ駆動型手法を提案する。 このアプローチは、事前の学生ソリューションを活用してデータ駆動のインテリジェントなチューターを構築しようとする一連のメソッドであるヒントファクトリを活用して拡張する。 本稿では,学生が非生産的になる確率を判断し,最適な問題解決戦略の学習を支援するHelpNeed分類を提案する。 我々は,各ステップの開始に積極的なヒントを与える適応的教育政策の影響を,支援された予測者の成果に基づいて決定する制御研究を行った。 以上の結果より, 適応状態の学生は, ヘルプニード分類器を用いて, より低いヘルプ回避率, 高いヘルプ適性(必要なときにヘルプを受ける確率が高い)で, より優れた訓練行動を示した。 さらに, 学習中のHelpNeed予測に基づいて適応的ヒントを得た学生は, ポストテストにおいてコントロールピアよりも有意に優れ, 前者はより短く, より最適な解を少ない時間で生成した。 結論として,これらの支援手法を他の十分に構造化されたオープンエンドドメインに適用する方法を提案する。

関連論文リスト

• Learning Task Decomposition to Assist Humans in Competitive Programming [90.4846613669734]
  タスク分解学習のための新しい目的,いわゆる値(AssistV)を導入する。 我々は、さまざまな分解されたソリューションに対して、人間の修理経験のデータセットを収集する。 人間の177時間以内の研究では、非専門家が33.3%の問題を解き、それらを3.3倍スピードアップさせ、無支援の専門家にマッチさせる権限を与える。
  論文  参考訳（メタデータ） (2024-06-07T03:27:51Z)
• Improving Socratic Question Generation using Data Augmentation and Preference Optimization [2.1485350418225244]
  大規模言語モデル(LLM)は、学生のためのソクラテス的質問を自動的に生成することにより、人間の努力を強化するために使用できる。 これらの LLM をプロンプトする既存の手法は、時に無効な出力を生成する。 本研究では,既存のソクラテス質問データセットを,特定の方法で無効な質問で強化するデータ拡張手法を提案する。 次に,LLama 2 などのオープンソース LLM の最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-03-01T00:08:20Z)
• Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
  本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。 Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
  論文  参考訳（メタデータ） (2023-11-13T16:00:16Z)
• Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
  データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。 本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。 在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-24T15:25:16Z)
• Enhancing a Student Productivity Model for Adaptive Problem-Solving Assistance [7.253181280137071]
  本稿では,学生が支援の必要性を予測するためにヒントを取り入れた新しいデータ駆動型アプローチを提案する。 このような政策が学生のトレーニング時間を大幅に節約できることを示す実証的証拠を示す。 このアプローチの恩恵を受けることができるドメインと、採用の要件についての提案を締めくくります。
  論文  参考訳（メタデータ） (2022-07-07T00:41:00Z)
• Outcome-Driven Reinforcement Learning via Variational Inference [95.82770132618862]
  我々は、報酬を最大化する問題ではなく、望ましい結果を達成するための行動を推測する問題として、強化学習に関する新たな視点について論じる。 結果として得られる結果指向推論の問題を解決するため, 定型的報酬関数を導出する新しい変分推論定式を制定する。 我々は,この手法が報酬機能の設計を不要とし,効果的なゴール指向行動へと導くことを実証的に示す。
  論文  参考訳（メタデータ） (2021-04-20T18:16:21Z)
• Auxiliary Task Reweighting for Minimum-data Learning [118.69683270159108]
  教師付き学習は大量のトレーニングデータを必要とし、ラベル付きデータが不足しているアプリケーションを制限する。 データ不足を補う1つの方法は、補助的なタスクを利用して、メインタスクに対する追加の監視を提供することである。 そこで本研究では,主タスクにおけるデータ要求を減らし,補助タスクを自動的に重み付けする手法を提案する。
  論文  参考訳（メタデータ） (2020-10-16T08:45:37Z)
• Avoiding Help Avoidance: Using Interface Design Changes to Promote Unsolicited Hint Usage in an Intelligent Tutor [6.639504127104268]
  そこで本稿では,データ駆動型インテリジェントチュータに無意味なヒントを提供するための,"Assertions"と呼ばれる新たなヒント配信機構を提案する。 要求時にヒントのみを提供するシステムでは、ヒント回避は学生が必要なときにヒントを受け取らないことを意味する。 その結果,AssertionsはMessagesに比べて無意味なヒント使用率を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-09-28T14:39:11Z)
• Sequential Transfer in Reinforcement Learning with a Generative Model [48.40219742217783]
  本稿では,従来の課題から知識を移譲することで,新たな課題を学習する際のサンプルの複雑さを軽減する方法について述べる。 この種の事前知識を使用することのメリットを明確に示すために,PAC境界のサンプル複雑性を導出する。 簡単なシミュレートされた領域における理論的な発見を実証的に検証する。
  論文  参考訳（メタデータ） (2020-07-01T19:53:35Z)
• Automatic Discovery of Interpretable Planning Strategies [9.410583483182657]
  我々は、慣用的ポリシーを単純かつ解釈可能な記述に変換する方法であるAI-Interpretを紹介する。 フローチャートとしてAI-Interpretが生み出す決定ルールを守れば、人々の計画戦略や意思決定は大幅に改善される。
  論文  参考訳（メタデータ） (2020-05-24T12:24:52Z)

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。