論文の概要: Using Machine Learning and Natural Language Processing Techniques to
Analyze and Support Moderation of Student Book Discussions
- arxiv url: http://arxiv.org/abs/2011.11712v1
- Date: Mon, 23 Nov 2020 20:33:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 02:01:29.797838
- Title: Using Machine Learning and Natural Language Processing Techniques to
Analyze and Support Moderation of Student Book Discussions
- Title（参考訳）: 機械学習と自然言語処理技術を用いた学生書議論のモデレーションの分析と支援
- Authors: Jernej Vivod
- Abstract要約: IMapBookプロジェクトは、小学生のリテラシー向上と理解能力向上を目的として、インタラクティブな電子書籍を提示し、中途半端な本議論に参加することを目的としている。
本研究の目的は、メッセージ分類に対する機械学習ベースのアプローチを開発し、介入の必要性を議論モデレーターに自動的に通知し、進行中の議論に関する他の有用な情報を収集することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The increasing adoption of technology to augment or even replace traditional
face-to-face learning has led to the development of a myriad of tools and
platforms aimed at engaging the students and facilitating the teacher's ability
to present new information. The IMapBook project aims at improving the literacy
and reading comprehension skills of elementary school-aged children by
presenting them with interactive e-books and letting them take part in
moderated book discussions. This study aims to develop and illustrate a machine
learning-based approach to message classification that could be used to
automatically notify the discussion moderator of a possible need for an
intervention and also to collect other useful information about the ongoing
discussion. We aim to predict whether a message posted in the discussion is
relevant to the discussed book, whether the message is a statement, a question,
or an answer, and in which broad category it can be classified. We
incrementally enrich our used feature subsets and compare them using standard
classification algorithms as well as the novel Feature stacking method. We use
standard classification performance metrics as well as the Bayesian correlated
t-test to show that the use of described methods in discussion moderation is
feasible. Moving forward, we seek to attain better performance by focusing on
extracting more of the significant information found in the strong temporal
interdependence of the messages.
- Abstract（参考訳）: 従来の対面学習の強化や代替となる技術の採用が増加し、学生をエンゲージメントし、教師が新しい情報を提示する能力を促進することを目的とした、無数のツールやプラットフォームの開発につながった。
imapbookプロジェクトは、小学生のリテラシーと読書能力を向上させることを目的としており、インタラクティブな電子書籍を提示し、適度な本議論に参加させる。
本研究の目的は、メッセージ分類に対する機械学習ベースのアプローチを開発し、介入の必要性を議論モデレーターに自動的に通知し、進行中の議論に関する他の有用な情報を収集することである。
本稿では,議論に投稿されたメッセージが議論書に関連があるか,そのメッセージが文なのか,質問なのか,回答なのか,どの広いカテゴリに分類できるかを予測することを目的とする。
使用済みの機能サブセットを徐々に豊かにし、標準分類アルゴリズムと新しいFeature stackingメソッドを使って比較します。
標準分類性能指標とベイズ相関t-testを用いて,議論モデレーションにおける記述法の利用が実現可能であることを示す。
今後は,メッセージの時間的相互依存度が強い場合の重要情報抽出に焦点をあてて,より優れた性能の実現を目指す。
関連論文リスト
- QiBERT -- Classifying Online Conversations Messages with BERT as a Feature [0.0]
本稿では,ポルトガルの学校におけるオンライン社会会話から得られたデータを用いて行動傾向を観察することを目的とする。
このプロジェクトでは、BERTベースのモデルを通じて、最先端(SoA)機械学習アルゴリズムと手法を使用して、発話が議論の対象の内外かどうかを分類する。
論文 参考訳（メタデータ） (2024-09-09T11:38:06Z) - Enhanced Knowledge Selection for Grounded Dialogues via Document
Semantic Graphs [123.50636090341236]
本稿では,背景知識文書を自動的に文書意味グラフに変換することを提案する。
文書意味グラフは文ノードを用いて文レベル情報を保存し,文間の概念接続を提供する。
本実験により,HolEにおける知識選択タスクとエンドツーエンド応答生成タスクの双方において,意味グラフに基づく知識選択が文選択ベースラインよりも改善されることが示されている。
論文 参考訳（メタデータ） (2022-06-15T04:51:32Z) - Toward Educator-focused Automated Scoring Systems for Reading and
Writing [0.0]
本稿では,データとラベルの可用性,信頼性と拡張性,ドメインスコアリング,プロンプトとソースの多様性,伝達学習といった課題に対処する。
モデルトレーニングコストを増大させることなく、エッセイの長さを重要な特徴として保持する技術を採用している。
論文 参考訳（メタデータ） (2021-12-22T15:44:30Z) - Interpretable contrastive word mover's embedding [8.637680131017985]
文書の分類のための教師あり埋め込み,すなわちWord Moverの埋め込みに対する一般的なアプローチは,解釈可能性を追加することで大幅に向上できることを示す。
この解釈性は、クラスタリング促進機構をコントラスト損失に組み込むことによって達成される。
論文 参考訳（メタデータ） (2021-11-01T15:27:27Z) - SocialVisTUM: An Interactive Visualization Toolkit for Correlated Neural
Topic Models on Social Media Opinion Mining [0.07538606213726905]
意見マイニングにおける最近の研究は、単語埋め込みに基づくトピックモデリング手法を提案する。
そこで本稿では,SocialVisTUMを用いてソーシャルメディアのテキストに関連性のあるトピックモデルを表示する方法について述べる。
論文 参考訳（メタデータ） (2021-10-20T14:04:13Z) - Be More with Less: Hypergraph Attention Networks for Inductive Text
Classification [56.98218530073927]
グラフニューラルネットワーク(GNN)は、研究コミュニティで注目され、この標準タスクで有望な結果を実証している。
成功にもかかわらず、それらのパフォーマンスは、単語間の高次相互作用をキャプチャできないため、実際は大部分が危険に晒される可能性がある。
本稿では,テキスト表現学習において,少ない計算量でより表現力の高いハイパーグラフアテンションネットワーク(HyperGAT)を提案する。
論文 参考訳（メタデータ） (2020-11-01T00:21:59Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z) - "To Target or Not to Target": Identification and Analysis of Abusive
Text Using Ensemble of Classifiers [18.053219155702465]
ソーシャルメディアプラットフォーム上での虐待的・憎悪的コンテンツを識別・分析するためのアンサンブル学習手法を提案する。
私たちの積み重ねられたアンサンブルは、3つの機械学習モデルで構成されており、言語のさまざまな側面をキャプチャし、不適切な言語に関する多様な一貫性のある洞察を提供する。
論文 参考訳（メタデータ） (2020-06-05T06:59:22Z) - How Context Affects Language Models' Factual Predictions [134.29166998377187]
検索システムからの情報を学習済みの言語モデルと純粋に教師なしの方法で統合する。
この方法で事前学習された言語モデルを拡張することで、性能が劇的に向上し、教師なしにもかかわらず、結果として得られるシステムは、教師なしの機械読解ベースラインと競合する、と報告する。
論文 参考訳（メタデータ） (2020-05-10T09:28:12Z) - Exploiting Structured Knowledge in Text via Graph-Guided Representation
Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。
エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。
既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文 参考訳（メタデータ） (2020-04-29T14:22:42Z)
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。