Fugu-MT 論文翻訳(概要): "What is on your mind?" Automated Scoring of Mindreading in Childhood and Early Adolescence

論文の概要: "What is on your mind?" Automated Scoring of Mindreading in Childhood and Early Adolescence

arxiv url: http://arxiv.org/abs/2011.08035v1
Date: Mon, 16 Nov 2020 15:41:45 GMT
ステータス: 処理完了
システム内更新日: 2022-09-24 23:41:44.942109
Title: "What is on your mind?" Automated Scoring of Mindreading in Childhood and Early Adolescence
Title（参考訳）: 「あなたの心はどうなっていますか。青年期・青年期におけるマインドリーディングの自動化
Authors: Venelin Kovatchev, Phillip Smith, Mark Lee, Imogen Grumley Traynor, Irene Luque Aguilera and Rory T. Devine
Abstract要約: MIND-CAは7歳から14歳までの1,066人の子どもから英語で11,311対の質問応答対のコーパスを作成する。我々は、最先端のNLPソリューションを新しいドメインとタスクに適用可能であることを示す、有望な結果を得た。
参考スコア（独自算出の注目度）: 6.873518878186234
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we present the first work on the automated scoring of mindreading ability in middle childhood and early adolescence. We create MIND-CA, a new corpus of 11,311 question-answer pairs in English from 1,066 children aged 7 to 14. We perform machine learning experiments and carry out extensive quantitative and qualitative evaluation. We obtain promising results, demonstrating the applicability of state-of-the-art NLP solutions to a new domain and task.
Abstract（参考訳）: 本稿では,幼児期と青年期におけるマインドリード能力の自動スコアリングに関する最初の研究について述べる。 MIND-CAは7歳から14歳までの1,066人の子どもから英語で11,311人の質問応答対のコーパスを作成する。機械学習実験を行い、定量的かつ定性的な評価を行う。我々は、最先端のnlpソリューションを新しいドメインとタスクに適用する可能性を示す有望な結果を得る。

関連論文リスト

Evaluating Large Vision-and-Language Models on Children's Mathematical Olympiads [74.54183505245553]
ジョイントビジョンとテキスト推論のためのAI能力の体系的分析は、現在の科学文献に欠けている。我々は,子どものオリンピアードからのビジュオ言語問題を用いて,その数学的およびアルゴリズム的推論能力に基づいて,最先端のLVLMを評価した。以上の結果から,近代のLVLMは,高学年の問題解決において,より強力な推論能力を示す一方で,幼児向けの問題に正しく答える基盤が欠如していることが示唆された。
論文参考訳（メタデータ） (2024-06-22T05:04:39Z)
Youth as Peer Auditors: Engaging Teenagers with Algorithm Auditing of Machine Learning Applications [0.44998333629984877]
本稿では、若年層を機械学習(ML)を利用したアプリケーションの監査者として位置づける。 2週間のワークショップで、13人の若者(14～15歳)がMLベースのアプリケーションを設計し、監査した。
論文参考訳（メタデータ） (2024-04-08T21:15:26Z)
Exploring Parent's Needs for Children-Centered AI to Support Preschoolers' Interactive Storytelling and Reading Activities [52.828843153565984]
AIベースのストーリーテリングと読書技術は、幼児の生活の中でますます普及しつつある。本稿では,実践的なストーリーテリングや読書のシナリオでどのように機能するか,親,最も重要な利害関係者,経験,知覚について考察する。我々の研究結果は、AIベースのストーリーテリングと読書技術は、より没入的で活発な相互作用を提供するが、一連の対話的でアルゴリズム的な課題のために、両親の期待を満たすことはできないことを示唆している。
論文参考訳（メタデータ） (2024-01-24T20:55:40Z)
How do machines learn? Evaluating the AIcon2abs method [0.0]
本稿では,AIをコンクリートから抽象(AIcon2abs)まで評価する。 WiSARDモデルは、トレーニングと分類のためにインターネット接続を必要としない。 AIcon2abs法の有効性は,作業負荷が約6時間である遠隔コースの評価を通じて評価した。
論文参考訳（メタデータ） (2024-01-14T22:40:58Z)
How to Design and Deliver Courses for Higher Education in the AI Era: Insights from Exam Data Analysis [0.41998444721319206]
我々は、AI時代のコースと試験は、AIの強みと限界に基づいて設計されなければならないという考えを提唱する。我々は2023年1月から2023年5月までのソクラテス教育法から着想を得た教育的アプローチをどう導入したかを示す。我々は,AI時代に教育的アプローチを適用することができる新しい試験システムを提案する。
論文参考訳（メタデータ） (2023-07-22T08:33:41Z)
Quiz Design Task: Helping Teachers Create Quizzes with Automated Question Generation [87.34509878569916]
本稿では,教師が読解クイズを自動生成するためのユースケースに焦点を当てた。本研究は,クイズを構築中の教師が質問を受講し,それに応じるか,あるいは拒否するかのどちらかを理由として行う。
論文参考訳（メタデータ） (2022-05-03T18:59:03Z)
ChildCI Framework: Analysis of Motor and Cognitive Development in Children-Computer Interaction for Age Detection [4.442846744776511]
本稿では、最近のChildCIフレームワークで提案されている異なるテストの包括的な分析について述べる。本稿では,子どもがモバイルデバイスと対話する際の運動・認知的側面に関連する,100以上のグローバルな特徴について述べる。 93%以上の精度は、公開されているChildCIdb_v1データベースを使って達成される。
論文参考訳（メタデータ） (2022-04-08T18:03:39Z)
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)
Fantastic Questions and Where to Find Them: FairytaleQA -- An Authentic Dataset for Narrative Comprehension [136.82507046638784]
幼稚園児の物語理解に焦点を当てたデータセットであるFairytaleQAを8年生に紹介する。 FairytaleQAは10,580の明示的で暗黙的な質問で構成されており、278の子供フレンドリーな物語から導かれる。
論文参考訳（メタデータ） (2022-03-26T00:20:05Z)
From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。 CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文参考訳（メタデータ） (2022-01-20T17:07:03Z)
DeepCreativity: Measuring Creativity with Deep Learning Techniques [2.5426469613007012]
本稿では,創造性の自動評価に生成学習技術を用いる可能性について検討する。我々は、価値、ノベルティ、サプライズによって構成される創造性の定義に基づいて、DeepCreativityという新しい尺度を導入する。
論文参考訳（メタデータ） (2022-01-16T19:00:01Z)

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。