Fugu-MT 論文翻訳(概要): Discussion Tracker: Supporting Teacher Learning about Students' Collaborative Argumentation in High School Classrooms

論文の概要: Discussion Tracker: Supporting Teacher Learning about Students' Collaborative Argumentation in High School Classrooms

arxiv url: http://arxiv.org/abs/2102.10293v1
Date: Sat, 20 Feb 2021 09:06:57 GMT
ステータス: 処理完了
システム内更新日: 2021-02-23 15:05:04.432742
Title: Discussion Tracker: Supporting Teacher Learning about Students' Collaborative Argumentation in High School Classrooms
Title（参考訳）: ディスカッショントラッカ : 高等学校における生徒の協調的議論に関する教師の学習支援
Authors: Luca Lugini, Christopher Olshefski, Ravneet Singh, Diane Litman, Amanda Godley
Abstract要約: ディスカッショントラッカーは、議論の移動、特異性、コラボレーションを分類するための新しいアルゴリズムに基づく教室での議論分析システムである。教室の配置の結果、教師は分析が役に立ち、下位の分類器は中程度から実質的な人間との合意で機能することがわかった。
参考スコア（独自算出の注目度）: 1.7534486934148554
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Teaching collaborative argumentation is an advanced skill that many K-12 teachers struggle to develop. To address this, we have developed Discussion Tracker, a classroom discussion analytics system based on novel algorithms for classifying argument moves, specificity, and collaboration. Results from a classroom deployment indicate that teachers found the analytics useful, and that the underlying classifiers perform with moderate to substantial agreement with humans.
Abstract（参考訳）: 協力的な議論は、多くのK-12教師が開発に苦労する高度なスキルです。そこで我々は,議論の移動,具体性,コラボレーションを分類する新しいアルゴリズムに基づく教室ディスカッション分析システムであるディスカッショントラッカーを開発した。教室の配置の結果、教師は分析が役に立ち、下位の分類器は中程度から実質的な人間との合意で機能することがわかった。

関連論文リスト

Speculative Knowledge Distillation: Bridging the Teacher-Student Gap Through Interleaved Sampling [81.00825302340984]
本研究では,高品質なトレーニングデータを生成するために,投機的知識蒸留(SKD)を導入する。 SKDでは、学生はトークンを提案し、教師はそれ自身の分布に基づいて低いランクのトークンを置き換える。翻訳,要約,数学,指示文など,各種テキスト生成タスクにおけるSKDの評価を行った。
論文参考訳（メタデータ） (2024-10-15T06:51:25Z)
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)
PeerGPT: Probing the Roles of LLM-based Peer Agents as Team Moderators and Participants in Children's Collaborative Learning [10.315455451709026]
子どもの協調学習において、効果的な対人会話は子供の相互作用の質を著しく向上させる。本研究では,Large Language Model (LLM)エージェントをこの設定に統合し,チームモデレーターや参加者としての影響を評価する。
論文参考訳（メタデータ） (2024-03-21T08:37:15Z)
MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文参考訳（メタデータ） (2023-05-23T21:44:56Z)
Learning Analytics from Spoken Discussion Dialogs in Flipped Classroom [36.53657088550011]
本研究の目的は,グループ学習のプロセスや成果を知るために,授業中の議論の対話文を収集し,分析することである。我々は最近,授業におけるグループベース問題解決の議論に先立ち,学生が家庭でビデオ録画講義を視聴する「フリップ型教室戦略」を用いて授業を転換した。次に、その指標に機械学習アルゴリズムを適用して、グループ学習結果をHigh, Mid, Lowと予測する。
論文参考訳（メタデータ） (2023-01-29T09:36:41Z)
Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文参考訳（メタデータ） (2023-01-24T11:00:17Z)
Computationally Identifying Funneling and Focusing Questions in Classroom Discourse [24.279653100481863]
本稿では,授業談話におけるファネリングと集中型質問を計算的に検出するタスクを提案する。ファネリングと集中型質問にラベル付けされた2,348の教師発話の注釈付きデータセットをリリースする。我々の最高のモデルである教師付きRoBERTaモデルは、データセットに微調整され、人間の専門家ラベルと.76の強い線形相関と、ポジティブな教育結果を持つ。
論文参考訳（メタデータ） (2022-07-08T01:28:29Z)
Improving mathematical questioning in teacher training [1.794107419334178]
高忠実でAIに基づくシミュレートされた教室システムにより、教師は効果的な教育戦略をリハーサルすることができる。本稿では,教師が数学的質問のスキルを実践するのを支援するために,テキストベースの対話型エージェントを構築した。
論文参考訳（メタデータ） (2021-12-02T05:33:03Z)
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)
Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。