論文の概要: Show or Tell? Demonstration is More Robust to Changes in Shared Perception than Explanation

• arxiv url: http://arxiv.org/abs/2012.09035v1
• Date: Wed, 16 Dec 2020 15:53:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 03:00:58.126728
• Title: Show or Tell? Demonstration is More Robust to Changes in Shared Perception than Explanation
• Title（参考訳）: Show or Tell? 説明は説明よりも共有知覚の変化にロバストである
• Authors: Theodore R. Sumers, Mark K. Ho, Thomas L. Griffiths
• Abstract要約: 誤認識がコミュニケーションに与える影響について検討する。 言語に基づく教育が知覚的誤りの影響を受けやすいことを示す。 人間の教育と機械学習の意味について論じる。
• 参考スコア（独自算出の注目度）: 11.429899488918426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Successful teaching entails a complex interaction between a teacher and a learner. The teacher must select and convey information based on what they think the learner perceives and believes. Teaching always involves misaligned beliefs, but studies of pedagogy often focus on situations where teachers and learners share perceptions. Nonetheless, a teacher and learner may not always experience or attend to the same aspects of the environment. Here, we study how misaligned perceptions influence communication. We hypothesize that the efficacy of different forms of communication depends on the shared perceptual state between teacher and learner. We develop a cooperative teaching game to test whether concrete mediums (demonstrations, or "showing") are more robust than abstract ones (language, or "telling") when the teacher and learner are not perceptually aligned. We find evidence that (1) language-based teaching is more affected by perceptual misalignment, but (2) demonstration-based teaching is less likely to convey nuanced information. We discuss implications for human pedagogy and machine learning.
• Abstract（参考訳）: 成功する教育には、教師と学習者の間の複雑な相互作用が伴う。 教師は、学習者が知覚し、信じるものに基づいて情報を選択し、伝達しなければならない。 教育学の研究は、教師と学習者が認識を共有する状況に焦点を当てていることが多い。 それにもかかわらず、教師と学習者は常に環境の同じ側面を経験したり経験したりするとは限らない。 本稿では,誤認識がコミュニケーションに与える影響について考察する。 異なる形態のコミュニケーションの有効性は、教師と学習者の間で共有される知覚状態に依存すると仮定する。 我々は,教師と学習者が知覚的に一致していない場合に,具体的媒体(デモ)が抽象的媒体(言語)よりも堅牢であるかどうかをテストするための協調学習ゲームを開発する。 その結果,(1)言語に基づく授業は知覚的不適応の影響を受けやすいが,(2)実演に基づく教育はニュアンス情報を伝達する可能性が低いことがわかった。 人間の教育と機械学習について考察する。

関連論文リスト

• Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
  我々は,機械教育の知見と実践的なコミュニケーションを,表現的アライメントに関する文献と統合する。 教師の精度から表現的アライメントを遠ざける教師付き学習環境を設計する。
  論文  参考訳（メタデータ） (2024-06-06T17:48:24Z)
• Utility-based Adaptive Teaching Strategies using Bayesian Theory of Mind [7.754711372795438]
  教育戦略を学習者に合わせた教師エージェントを設計するための認知科学を構築している。 ToMを組み込んだ教師は、観察から学習者の内部状態のモデルを構築する。 シミュレーション環境での実験では、この方法で教えられた学習者は、学習者に依存しない方法で教えた学習者よりも効率的であることが示されている。
  論文  参考訳（メタデータ） (2023-09-29T14:27:53Z)
• Can Language Models Teach Weaker Agents? Teacher Explanations Improve Students via Personalization [84.86241161706911]
  教師のLLMは、実際に生徒の推論に介入し、パフォーマンスを向上させることができることを示す。 また,マルチターンインタラクションでは,教師による説明が一般化され,説明データから学習されることを示す。 教師のミスアライメントが学生の成績をランダムな確率に低下させることを、意図的に誤解させることで検証する。
  論文  参考訳（メタデータ） (2023-06-15T17:27:20Z)
• Generalized Knowledge Distillation via Relationship Matching [53.69235109551099]
  よく訓練されたディープニューラルネットワーク(いわゆる「教師」)の知識は、同様のタスクを学ぶのに有用である。 知識蒸留は教師から知識を抽出し、対象モデルと統合する。 教師に学生と同じ仕事をさせる代わりに、一般のラベル空間から訓練を受けた教師の知識を借りる。
  論文  参考訳（メタデータ） (2022-05-04T06:49:47Z)
• Know Thy Student: Interactive Learning with Gaussian Processes [11.641731210416102]
  そこで本研究では,ガウス過程を用いた簡単な診断アルゴリズムを提案する。 本研究は,教師が生徒に実演を行い,余分な軌跡の送出を避けるためのオフライン強化学習環境である。 本実験は,対話型教師の助けを借りて,学生がより効率的に学習できる方法を示す。
  論文  参考訳（メタデータ） (2022-04-26T04:43:57Z)
• 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)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• Fixing the Teacher-Student Knowledge Discrepancy in Distillation [72.4354883997316]
  本稿では,教師の知識を学生とより整合させる,新たな学生依存型蒸留法である知識一貫型蒸留を提案する。 この手法は非常に柔軟で,他の最先端手法と容易に組み合わせることができる。
  論文  参考訳（メタデータ） (2021-03-31T06:52:20Z)
• Interaction-limited Inverse Reinforcement Learning [50.201765937436654]
  本稿では,教師の視点をカバーしたカリキュラム逆強化学習(CIRL)と,学習者の視点に着目した自己適用逆強化学習(SPIRL)の2つの訓練戦略を提案する。 シミュレーション実験と実ロボットを用いた実験により,CIRLの無作為教師やSPIRLのバッチ学習者よりも高速な学習が可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-01T12:31:52Z)

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。