論文の概要: TYPIC: A Corpus of Template-Based Diagnostic Comments on Argumentation

• arxiv url: http://arxiv.org/abs/2201.06674v1
• Date: Tue, 18 Jan 2022 00:30:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-19 15:34:29.773193
• Title: TYPIC: A Corpus of Template-Based Diagnostic Comments on Argumentation
• Title（参考訳）: typic: 議論に関するテンプレートに基づく診断コメントのコーパス
• Authors: Shoichi Naito, Shintaro Sawada, Chihiro Nakagawa, Naoya Inoue, Kenshi Yamaguchi, Iori Shimizu, Farjana Sultana Mim, Keshav Singh, Kentaro Inui
• Abstract要約: 学習者が誤解なく診断を認識できるように、特定の診断コメントを与えることが望ましい。 テンプレートの選択とスロットフィリングとしてタスクの定式化を行う。 定式化の鍵は、実用に十分なテンプレートセットを作成することができることである。
• 参考スコア（独自算出の注目度）: 26.85933157480693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Providing feedback on the argumentation of learner is essential for development of critical thinking skills, but it takes a lot of time and effort. To reduce the burden on teachers, we aim to automate a process of giving feedback, especially giving diagnostic comments which point out the weaknesses inherent in the argumentation. It is advisable to give specific diagnostic comments so that learners can recognize the diagnosis without misunderstanding. However, it is not obvious how the task of providing specific diagnostic comments should be formulated. We present a formulation of the task as template selection and slot filling to make an automatic evaluation easier and the behavior of the model more tractable. The key to the formulation is the possibility of creating a template set that is sufficient for practical use. In this paper, we define three criteria that a template set should satisfy: expressiveness, informativeness, and uniqueness, and verify the feasibility to create a template set that satisfies these criteria as a first trial. We will show that it is feasible through an annotation study that converts diagnostic comments given in text into a template format. The corpus used in the annotation study is publicly available.
• Abstract（参考訳）: 批判的思考スキルの開発には,学習者の議論に対するフィードバックの提供が不可欠だが,多くの時間と労力を要する。 教師の負担を軽減するため,特に議論に内在する弱点を指摘する診断コメントを提示し,フィードバックのプロセスを自動化することを目的とする。 学習者が誤解なく診断を認識できるように、特定の診断コメントを与えることが望ましい。 しかし、どのように特定の診断コメントを提供するタスクを定式化するべきかは明らかではない。 本稿では,テンプレート選択とスロット充填としてタスクを定式化し,自動評価を容易にし,モデルの動作をより扱いやすいものにする。 定式化の鍵は、実用に十分なテンプレートセットを作成することができることである。 本稿では,テンプレートセットが満足すべき3つの条件,表現性,情報性,一意性を定義し,これらの条件を満たすテンプレートセットを最初の試行として作成する可能性を検証する。 テキスト中の診断コメントをテンプレート形式に変換するアノテーション研究によって実現可能であることを示す。 注釈研究で使用されるコーパスが公開されている。

関連論文リスト

• Keyword-optimized Template Insertion for Clinical Information Extraction via Prompt-based Learning [0.2939632869678985]
  臨床ノートのためのキーワード最適化テンプレート挿入法(KOTI)を開発した。 ゼロショットおよび少数ショットのトレーニング環境では,いくつかの臨床課題におけるパフォーマンス向上の方法を示す。
  論文  参考訳（メタデータ） (2023-10-31T00:07:11Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• AutoTrial: Prompting Language Models for Clinical Trial Design [53.630479619856516]
  本稿では,言語モデルを用いた臨床検査基準の設計を支援するAutoTrialという手法を提案する。 70K以上の臨床試験で、AutoTrialが高品質な基準テキストを生成することが確認された。
  論文  参考訳（メタデータ） (2023-05-19T01:04:16Z)
• Zero-shot Model Diagnosis [80.36063332820568]
  ディープラーニングモデルを評価するための一般的なアプローチは、興味のある属性を持つラベル付きテストセットを構築し、そのパフォーマンスを評価することである。 本稿では,ゼロショットモデル診断(ZOOM)がテストセットやラベル付けを必要とせずに可能であることを論じる。
  論文  参考訳（メタデータ） (2023-03-27T17:59:33Z)
• This Patient Looks Like That Patient: Prototypical Networks for Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
  臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。 本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。 利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-16T10:12:07Z)
• Diagnostics-Guided Explanation Generation [32.97930902104502]
  説明は機械学習モデルの合理性に光を当て、推論プロセスにおける欠陥の特定に役立ちます。 文レベルの説明を生成するためにモデルを訓練する際、いくつかの診断特性を最適化する方法を示す。
  論文  参考訳（メタデータ） (2021-09-08T16:27:52Z)
• Learn-Explain-Reinforce: Counterfactual Reasoning and Its Guidance to Reinforce an Alzheimer's Disease Diagnosis Model [1.6287500717172143]
  本稿では、診断モデル学習、視覚的説明生成、訓練された診断モデル強化を統一する新しいフレームワークを提案する。 視覚的説明のために,対象ラベルとして識別される入力サンプルを変換する反ファクトマップを生成する。
  論文  参考訳（メタデータ） (2021-08-21T07:29:13Z)
• How Reliable are Model Diagnostics? [42.093455517364]
  学習済み言語モデルに対する最近の3つの診断テストを批判的に検討する。 確率ベースと表現ベースのモデル診断は、以前想定したほど信頼できないことが分かりました。
  論文  参考訳（メタデータ） (2021-05-12T13:20:20Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)
• Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
  分析による特徴に基づく説明の新たな評価基準を確立する。 我々は、緩やかに必要であり、予測に十分である新しい説明を得る。 我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
  論文  参考訳（メタデータ） (2020-05-31T05:52:05Z)

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。