論文の概要: What Would a Teacher Do? Predicting Future Talk Moves

• arxiv url: http://arxiv.org/abs/2106.05249v1
• Date: Wed, 9 Jun 2021 17:45:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 15:11:54.932925
• Title: What Would a Teacher Do? Predicting Future Talk Moves
• Title（参考訳）: 教師は何をするのか? 将来の講演の予測
• Authors: Ananya Ganesh, Martha Palmer, and Katharina Kann
• Abstract要約: 未来話移動予測(FTMP)と呼ばれる新しいタスクを導入する。 会話履歴とそれに対応する会話の動きが与えられたとき、次の会話の動きを予測する。 このタスクのためのニューラルネットワークモデルを導入し、複数のベースラインを大きなマージンで上回ります。
• 参考スコア（独自算出の注目度）: 19.952531500315757
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances in natural language processing (NLP) have the ability to transform how classroom learning takes place. Combined with the increasing integration of technology in today's classrooms, NLP systems leveraging question answering and dialog processing techniques can serve as private tutors or participants in classroom discussions to increase student engagement and learning. To progress towards this goal, we use the classroom discourse framework of academically productive talk (APT) to learn strategies that make for the best learning experience. In this paper, we introduce a new task, called future talk move prediction (FTMP): it consists of predicting the next talk move -- an utterance strategy from APT -- given a conversation history with its corresponding talk moves. We further introduce a neural network model for this task, which outperforms multiple baselines by a large margin. Finally, we compare our model's performance on FTMP to human performance and show several similarities between the two.
• Abstract（参考訳）: 自然言語処理(NLP)の最近の進歩は、教室での学習の仕方を変える能力を持っている。 今日の教室における技術統合の増大と合わせて、質問応答と対話処理技術を活用したNLPシステムは、生徒のエンゲージメントと学習を促進するために、教室の議論に参加する個人教師や参加者として機能する。 この目標に向けて,学業生産型講演(APT)の授業談話フレームワークを用いて,最高の学習体験を実現するための戦略を学習する。 本稿では,新たなタスクであるfuture talk move prediction(ftmp)について紹介する。このタスクは,対話の履歴と対応する会話の移動について,aptの発話戦略であるnext talk moveを予測することによって構成する。 さらに、このタスクのニューラルネットワークモデルを導入し、複数のベースラインを大きなマージンで上回ります。 最後に、FTMPにおけるモデルの性能と人的性能を比較し、両者の類似点をいくつか示す。

関連論文リスト

• SpeechPrompt: Prompting Speech Language Models for Speech Processing Tasks [94.10497337235083]
  我々はまず,音声処理分野における音声 LM の促進の可能性を探る。 音声処理タスクを音声単位生成タスクに再構成する。 提案手法は, 強い微調整法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2024-08-23T13:00:10Z)
• Towards Understanding Counseling Conversations: Domain Knowledge and Large Language Models [22.588557390720236]
  本稿では,カウンセリング会話をより良く表現するために,ドメイン知識と大規模言語モデル(LLM)の有効性を検討するための体系的なアプローチを提案する。 本稿では,トランスフォーマーモデルやGPTモデルのような最先端言語モデルは,会話結果の予測に失敗することを示す。
  論文  参考訳（メタデータ） (2024-02-22T01:02:37Z)
• Large Language Model-Driven Classroom Flipping: Empowering Student-Centric Peer Questioning with Flipped Interaction [3.1473798197405953]
  本稿では,大規模言語モデルにおけるフリップ相互作用に基づく教室のフリップの教育的アプローチについて検討する。 欠落した相互作用は、プロンプトに対する回答ではなく、言語モデルを使用して質問を生成することである。 本稿では,クイズ・クイズ・ルーチンとクイズ・プイズ・クイズ・ルーチンとを用いて,クイズ・クイズ・クイズ・クイズとアクイズ・クイズ・クイズ・インシデント・エンジニアリングを統合するワークフローを提案する。
  論文  参考訳（メタデータ） (2023-11-14T15:48:19Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• An Exploration of Prompt Tuning on Generative Spoken Language Model for Speech Processing Tasks [112.1942546460814]
  生成音声言語モデル(GSLM)に基づく音声処理タスクの即時チューニングパラダイムの最初の検討について報告する。 実験結果から, 学習可能なパラメータが少ない音声分類タスクにおいて, 高精度なダウンストリームモデルよりも, 即時チューニング手法が競合性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-03-31T03:26:55Z)
• Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
  ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。 現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。 グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
  論文  参考訳（メタデータ） (2021-10-15T14:36:45Z)
• Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
  自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。 本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。 さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
  論文  参考訳（メタデータ） (2021-10-11T03:52:37Z)
• Using Transformers to Provide Teachers with Personalized Feedback on their Classroom Discourse: The TalkMoves Application [14.851607363136978]
  教室の記録を管理し処理するためのTalkMovesアプリケーションのクラウドベースのインフラストラクチャについて説明します。 本稿では,k-12教室における実世界音声と言語データを扱う際に取り組むべき技術的課題について考察する。
  論文  参考訳（メタデータ） (2021-04-29T20:45:02Z)

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。