論文の概要: DialogID: A Dialogic Instruction Dataset for Improving Teaching
Effectiveness in Online Environments
- arxiv url: http://arxiv.org/abs/2206.12034v1
- Date: Fri, 24 Jun 2022 02:07:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-28 03:21:18.196887
- Title: DialogID: A Dialogic Instruction Dataset for Improving Teaching
Effectiveness in Online Environments
- Title（参考訳）: DialogID:オンライン環境における教育効果向上のための対話型指導データセット
- Authors: Jiahao Chen, Shuyan Huang, Zitao Liu, Weiqi Luo
- Abstract要約: 本稿では,30,431の効果的な対話型命令を含むオンライン対話型命令検出データセット,textscDialogIDを提案する。
本稿では,対話型命令検出の品質と一般化を向上する,シンプルで効果的な対向学習パラダイムを提案する。
- 参考スコア（独自算出の注目度）: 24.094249468028664
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online dialogic instructions are a set of pedagogical instructions used in
real-world online educational contexts to motivate students, help understand
learning materials, and build effective study habits. In spite of the
popularity and advantages of online learning, the education technology and
educational data mining communities still suffer from the lack of large-scale,
high-quality, and well-annotated teaching instruction datasets to study
computational approaches to automatically detect online dialogic instructions
and further improve the online teaching effectiveness. Therefore, in this
paper, we present a dataset of online dialogic instruction detection,
\textsc{DialogID}, which contains 30,431 effective dialogic instructions. These
teaching instructions are well annotated into 8 categories. Furthermore, we
utilize the prevalent pre-trained language models (PLMs) and propose a simple
yet effective adversarial training learning paradigm to improve the quality and
generalization of dialogic instruction detection. Extensive experiments
demonstrate that our approach outperforms a wide range of baseline methods. The
data and our code are available for research purposes from:
\url{https://github.com/ai4ed/DialogID}.
- Abstract（参考訳）: オンラインダイアログインストラクション(オンラインダイアログインストラクション)は、実世界のオンライン教育コンテキストにおいて、学生のモチベーションを高め、教材の理解を助け、効果的な学習習慣を構築するための教育的インストラクションのセットである。
オンライン学習の人気と優位性にもかかわらず、教育技術と教育データマイニングのコミュニティは、オンラインの対話的指導を自動的に検出し、オンラインの教育効果を向上させるための計算手法を研究するための大規模で高品質で注意深い指導データセットが不足している。
そこで本研究では,30,431個の効果的な対話命令を含むオンラインダイアログ命令検出用データセットである \textsc{dialogid} を提案する。
これらの教示は8つのカテゴリーに分けられる。
さらに,先行学習型言語モデル(PLMs)を用いて,対話型命令検出の品質と一般化を改善するための,シンプルで効果的な対向学習パラダイムを提案する。
大規模な実験により,本手法は幅広いベースライン法より優れていることが示された。
データと私たちのコードは、以下の研究目的で利用可能です。
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) - QiBERT -- Classifying Online Conversations Messages with BERT as a Feature [0.0]
本稿では,ポルトガルの学校におけるオンライン社会会話から得られたデータを用いて行動傾向を観察することを目的とする。
このプロジェクトでは、BERTベースのモデルを通じて、最先端(SoA)機械学習アルゴリズムと手法を使用して、発話が議論の対象の内外かどうかを分類する。
論文 参考訳（メタデータ） (2024-09-09T11:38:06Z) - Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions [34.760230622675365]
知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。
生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。
教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
論文 参考訳（メタデータ） (2024-04-04T13:22:28Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - Revealing Networks: Understanding Effective Teacher Practices in
AI-Supported Classrooms using Transmodal Ordered Network Analysis [0.9187505256430948]
本研究は,AI教師と連携した数学教室において,システム内学習の伝統的な指標に関連する効果的な教員の実践を理解するために,トランスモーダル順序ネットワーク分析を用いた。
教師の実践を学生の学習率で比較すると,低学率の生徒はモニタリング後,より有意な使用感を示した。
学習率の低い生徒は、高学率の学生と同様の学習行動を示し、教師の正しい試みを繰り返した。
論文 参考訳（メタデータ） (2023-12-17T21:50:02Z) - User Adaptive Language Learning Chatbots with a Curriculum [55.63893493019025]
語彙的に制約されたデコーディングをダイアログシステムに適用し、ダイアログシステムに対して、その生成した発話にカリキュラムに準拠した単語やフレーズを含めるよう促す。
評価の結果,カリキュラム注入によるダイアログシステムにより,対象語に対する生徒の理解が向上し,英語実践への関心が高まることが示された。
論文 参考訳（メタデータ） (2023-04-11T20:41:41Z) - Multi-Task Learning based Online Dialogic Instruction Detection with
Pre-trained Language Models [34.66425105076059]
コントラッシブ・ロスによりカテゴリ間のマージンを大きくすることで、異なるクラスのインスタンスを識別する能力を向上するマルチタスク・パラダイムを提案する。
実世界のオンライン教育データセットを用いた実験により,本手法が代表的ベースラインよりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2021-07-15T04:57:57Z) - Teaching Key Machine Learning Principles Using Anti-learning Datasets [0.0]
我々は、最良の解に一般化する代替方法の教えを提唱する。
学生は、トレーニングプロセスから除外されたデータに対する検証の重要性についてより深く理解することができる。
論文 参考訳（メタデータ） (2020-11-16T05:43:40Z) - ALICE: Active Learning with Contrastive Natural Language Explanations [69.03658685761538]
本研究では,学習におけるデータ効率を向上させるために,AlICEを用いたアクティブラーニングを提案する。
ALICEは、まずアクティブラーニングを使用して、最も情報に富んだラベルクラスを選択し、対照的な自然言語の説明を引き出す。
意味的に抽出された知識を用いて、これらの説明から知識を抽出する。
論文 参考訳（メタデータ） (2020-09-22T01:02:07Z) - Rethinking Supervised Learning and Reinforcement Learning in
Task-Oriented Dialogue Systems [58.724629408229205]
本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。
我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
論文 参考訳（メタデータ） (2020-09-21T12:04:18Z) - 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。
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。