論文の概要: Studying Alignment in Spontaneous Speech via Automatic Methods: How Do
Children Use Task-specific Referents to Succeed in a Collaborative Learning
Activity?
- arxiv url: http://arxiv.org/abs/2104.04429v1
- Date: Fri, 9 Apr 2021 15:26:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 14:01:38.618961
- Title: Studying Alignment in Spontaneous Speech via Automatic Methods: How Do
Children Use Task-specific Referents to Succeed in a Collaborative Learning
Activity?
- Title（参考訳）: 自動的手法による自発音声のアライメントの研究:協調学習を成功させるために、子どもはタスク固有のレファレントをどのように利用するか?
- Authors: Utku Norman, Tanvi Dinkar, Barbara Bruno, Chlo\'e Clavel
- Abstract要約: この仕事は、協調学習活動の文脈で子供たち間の完全に自発的な対話を検討することです。
アライメントの尺度は、子供の目の前のタスクに関連する表現の使用、これらの表現のフォローアップアクション、そしてそれがタスクの成功にどのように結びつくかを考える。
パフォーマンスが悪いチームは、タスクの成功を達成するために対話に遅すぎることが多く、お互いの指示に従うのに遅かったことに気付きました。
- 参考スコア（独自算出の注目度）: 1.8065361710947976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A dialogue is successful when there is alignment between the speakers, at
different linguistic levels. In this work, we consider the dialogue occurring
between interlocutors engaged in a collaborative learning task, and explore how
performance and learning (i.e. task success) relate to dialogue alignment
processes. The main contribution of this work is to propose new measures to
automatically study alignment, to consider completely spontaneous spoken
dialogues among children in the context of a collaborative learning activity.
Our measures of alignment consider the children's use of expressions that are
related to the task at hand, their follow-up actions of these expressions, and
how it links to task success. Focusing on expressions related to the task gives
us insight into the way children use (potentially unfamiliar) terminology
related to the task. A first finding of this work is the discovery that the
measures we propose can capture elements of lexical alignment in such a
context. Through these measures, we find that teams with bad performance often
aligned too late in the dialogue to achieve task success, and that they were
late to follow up each other's instructions with actions. We also found that
while interlocutors do not exhibit hesitation phenomena (which we measure by
looking at fillers) in introducing expressions pertaining to the task, they do
exhibit hesitation before accepting the expression, in the role of
clarification. Lastly, we show that information management markers (measured by
the discourse marker 'oh') occur in the general vicinity of the follow up
actions from (automatically) inferred instructions. However, good performers
tend to have this marker closer to these actions. Our measures still reflect
some fine-grained aspects of learning in the dialogue, even if we cannot
conclude that overall they are linked to the final measure of learning.
- Abstract（参考訳）: 異なる言語レベルにおいて、話者間のアライメントがある場合、対話は成功する。
本研究では,協調学習課題に携わる対話者間の対話を考察し,パフォーマンスと学習(すなわち,学習)について考察する。
タスク成功) 対話のアライメントプロセスに関連する。
本研究の主な貢献は、アライメントを自動学習する新しい手段を提案することであり、協調学習活動の文脈において、子ども間の完全に自発的な対話を考えることである。
本研究は, 子どもが目指す課題に関連する表現の使用, これらの表現のフォローアップ行動, 課題成功との関連について考察する。
タスクに関連する表現に焦点を当てることで、子どもがタスクに関連する(潜在的に未知の)用語を使用する方法に関する洞察が得られる。
この研究の最初の発見は、我々が提案する尺度がそのような文脈で語彙的アライメントの要素を捉えることができることの発見である。
これらの測定を通じて、パフォーマンスの悪いチームは、タスク成功を達成するために対話で遅すぎたり、アクションでお互いの指示に従うのが遅かったりすることが分かりました。
また, インターロカクタはタスクに関連する表現を導入する際に, ヘシテーション現象(フィラーを見ることで測定する)を示さないが, 表現を受け入れる前にヘシテーションを呈することが明らかとなった。
最後に、情報管理マーカー(談話マーカー「oh」によって測定される)が、(自動的に)推定された指示からのフォローアップ動作の一般付近で発生することを示す。
しかし、優れたパフォーマーはこれらのアクションに近いマーカーを持つ傾向がある。
我々の尺度は、たとえ総合的に学習の最終的な尺度に結びついていると結論付けることができなくても、対話における学習の細かな側面を反映している。
関連論文リスト
- Exploring Knowledge Tracing in Tutor-Student Dialogues [53.52699766206808]
本稿では,教師と学生の対話における知識追跡(KT)の最初の試みについて述べる。
そこで本研究では,対話の各ターンに係わる知識コンポーネントやスキルを同定する手法を提案する。
次に,得られたラベル付きデータに様々なKT手法を適用し,対話全体を通して学生の知識レベルを追跡する。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - Self-Explanation Prompting Improves Dialogue Understanding in Large
Language Models [52.24756457516834]
大規模言語モデル(LLM)の理解能力を高めるための新たな「自己説明(Self-Explanation)」を提案する。
このタスクに依存しないアプローチでは、タスク実行前の各対話発話を分析し、様々な対話中心のタスクのパフォーマンスを向上させる必要がある。
6つのベンチマークデータセットによる実験結果から,本手法は他のゼロショットプロンプトよりも一貫して優れており,数ショットプロンプトの有効性を超えていることが明らかとなった。
論文 参考訳（メタデータ） (2023-09-22T15:41:34Z) - Yes, this Way! Learning to Ground Referring Expressions into Actions
with Intra-episodic Feedback from Supportive Teachers [15.211628096103475]
本研究は,協調的な環境下でのエポゾディック内フィードバックを評価するための最初の研究である。
以上の結果から,エポゾディック内フィードバックにより,参加者はシーンの複雑さの側面を一般化できることがわかった。
論文 参考訳（メタデータ） (2023-05-22T10:01:15Z) - Dialog-to-Actions: Building Task-Oriented Dialogue System via
Action-Level Generation [7.110201160927713]
本稿では,アクションレベル生成によるタスク指向対話システムを提案する。
具体的には、まず大規模な対話から対話行動を構築し、対話行動のシーケンスとして各自然言語(NL)応答を表現する。
本研究では,対話履歴を入力とし,対話行動のシーケンスを出力するシーケンス・ツー・シーケンスモデルを訓練する。
論文 参考訳（メタデータ） (2023-04-03T11:09:20Z) - PK-ICR: Persona-Knowledge Interactive Context Retrieval for Grounded Dialogue [21.266410719325208]
ペルソナとナレッジ デュアルコンテキスト識別(ペルソナとナレッジ コンテクストの同定)は、与えられた対話において、ペルソナとナレッジを共同で識別するタスクである。
我々は,対話のすべての文脈を同時に活用する新しい接地検索手法を開発した。
論文 参考訳（メタデータ） (2023-02-13T20:27:26Z) - Improving Zero and Few-shot Generalization in Dialogue through
Instruction Tuning [27.92734269206744]
InstructDialは対話のための命令チューニングフレームワークである。
48の多様な対話タスクからなるリポジトリからなり、59のオープンな対話データセットから作成されるテキストとテキストの統一フォーマットである。
分析の結果,InstructDialは未知のデータセットや対話評価や意図検出などのタスクに対して良好なゼロショット性能を実現し,数ショット設定でさらに優れたパフォーマンスを実現していることがわかった。
論文 参考訳（メタデータ） (2022-05-25T11:37:06Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳（メタデータ） (2022-05-11T16:01:03Z) - "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken
Conversations [87.95711406978157]
本研究は、音声タスク指向会話における新しいベンチマークを示す。
マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。
我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
論文 参考訳（メタデータ） (2021-09-28T04:51:04Z) - Structural Pre-training for Dialogue Comprehension [51.215629336320305]
本稿では,SPIDER, Structure Pre-trained DialoguE Readerについて述べる。
対話のような特徴をシミュレートするために,元のLM目的に加えて,2つの訓練目標を提案する。
広く使われている対話ベンチマークの実験結果から,新たに導入した自己教師型タスクの有効性が検証された。
論文 参考訳（メタデータ） (2021-05-23T15:16:54Z) - Utterance-level Dialogue Understanding: An Empirical Study [43.35258958775454]
本稿では,対話の異なる側面における文脈の役割を探求し,定量化する。
具体的には、与えられた発話の文脈を歪ませるために様々な摂動を用いる。
これにより、対話の異なる側面の基本的な文脈的制御要因に関する洞察が得られます。
論文 参考訳（メタデータ） (2020-09-29T09:50:21Z) - Masking Orchestration: Multi-task Pretraining for Multi-role Dialogue
Representation Learning [50.5572111079898]
マルチロール対話理解は、質問応答、行動分類、対話要約など、幅広い多様なタスクを含む。
対話コーパスは豊富に利用可能であるが、特定の学習タスクのためのラベル付きデータは非常に不足しており、高価である。
本研究では,教師なし事前学習タスクを用いた対話文脈表現学習について検討する。
論文 参考訳（メタデータ） (2020-02-27T04:36:52Z)
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。