Fugu-MT 論文翻訳(概要): Predicting Desirable Revisions of Evidence and Reasoning in Argumentative Writing

論文の概要: Predicting Desirable Revisions of Evidence and Reasoning in Argumentative Writing

arxiv url: http://arxiv.org/abs/2302.05039v1
Date: Fri, 10 Feb 2023 03:59:59 GMT
ステータス: 処理完了
システム内更新日: 2023-02-13 16:37:09.652686
Title: Predicting Desirable Revisions of Evidence and Reasoning in Argumentative Writing
Title（参考訳）: 解説文における証拠・推論の望ましい見直し予測
Authors: Tazin Afrin and Diane Litman
Abstract要約: 我々は,学生の議論的文章における望ましい証拠と望ましい推論の修正を分類するモデルを開発する。本研究は,改訂のエッセイコンテキストと,改訂前の学生のフィードバックを用いて,パフォーマンスを改善するための2つの方法を検討する。その結果,フィードバック情報を用いたモデルがベースラインモデルよりも改善する一方で,コンテキストを利用したモデルが望ましいリビジョンを特定する上で最も有効であることが示唆された。
参考スコア（独自算出の注目度）: 1.0878040851638
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We develop models to classify desirable evidence and desirable reasoning revisions in student argumentative writing. We explore two ways to improve classifier performance - using the essay context of the revision, and using the feedback students received before the revision. We perform both intrinsic and extrinsic evaluation for each of our models and report a qualitative analysis. Our results show that while a model using feedback information improves over a baseline model, models utilizing context - either alone or with feedback - are the most successful in identifying desirable revisions.
Abstract（参考訳）: 学生弁論書において,望ましい証拠と望ましい推論修正を分類するモデルを構築した。本研究は,改訂のエッセイコンテキストと,改訂前の学生のフィードバックを用いて,分類器の性能を改善する方法を検討する。我々は各モデルに対して内在的および外在的評価を行い,質的分析を報告する。その結果,フィードバック情報を用いたモデルはベースラインモデルよりも改善されているものの,コンテキストを利用したモデルが最も望ましいリビジョンの特定に成功していることがわかった。

関連論文リスト

Closing the Loop: Learning to Generate Writing Feedback via Language Model Simulated Student Revisions [6.216542656489173]
本稿では,LM シミュレーションによる学生のリビジョンの学習を通じてフィードバックを生成できる ProF を提案する。本稿では,PROFの有効性を実証的に検証し,本手法が学生の筆跡改善に有効であることを示す。
論文参考訳（メタデータ） (2024-10-10T15:52:48Z)
Enhancing Student Feedback Using Predictive Models in Visual Literacy Courses [2.366162376710038]
本研究では,5年以上にわたる大学生の視覚リテラシーコースから得られたピアレビューデータを,Na"ive Bayesモデルを用いて分析した。本研究は,ナイーブベイズモデルの有用性,特に音声による学生のコメントの分析における有用性に注目した。
論文参考訳（メタデータ） (2024-05-23T20:02:36Z)
CritiqueLLM: Towards an Informative Critique Generation Model for Evaluation of Large Language Model Generation [87.44350003888646]
Eval-Instructは、疑似参照でポイントワイズした批評を取得し、マルチパスプロンプトを通じてこれらの批評を修正できる。 CritiqueLLMは、ChatGPTとすべてのオープンソースベースラインを上回るように実証的に示されています。
論文参考訳（メタデータ） (2023-11-30T16:52:42Z)
A Comprehensive Evaluation and Analysis Study for Chinese Spelling Check [53.152011258252315]
音声とグラフィックの情報を合理的に使用することは,中国語のスペルチェックに有効であることを示す。モデルはテストセットのエラー分布に敏感であり、モデルの欠点を反映している。一般的なベンチマークであるSIGHANは、モデルの性能を確実に評価できない。
論文参考訳（メタデータ） (2023-07-25T17:02:38Z)
To Revise or Not to Revise: Learning to Detect Improvable Claims for Argumentative Writing Support [20.905660642919052]
特定の修正が必要な議論的クレームを特定するための主な課題について検討する。本稿では,リビジョン距離に基づく新しいサンプリング戦略を提案する。文脈情報とドメイン知識を用いることで、予測結果をさらに改善できることを示す。
論文参考訳（メタデータ） (2023-05-26T10:19:54Z)
Towards Personalized Review Summarization by Modeling Historical Reviews from Customer and Product Separately [59.61932899841944]
レビュー要約(review summarization)は、Eコマースのウェブサイトで製品レビューのメインの考え方を要約することを目的とした、簡単ではないタスクである。 Heterogeneous Historical Review aware Review Summarization Model (HHRRS)を提案する。我々は、レビュー感情分類と要約を共同で行うマルチタスクフレームワークを採用している。
論文参考訳（メタデータ） (2023-01-27T12:32:55Z)
Analyzing and Evaluating Faithfulness in Dialogue Summarization [67.07947198421421]
まず,対話要約の忠実度に関するきめ細かな人間の分析を行い,生成した要約の35%以上がソース対話に忠実に一致していないことを観察する。そこで本研究では,ルールベース変換により生成した複数選択質問を用いたモデルレベルの忠実度評価手法を提案する。
論文参考訳（メタデータ） (2022-10-21T07:22:43Z)
Aspect-Controllable Opinion Summarization [58.5308638148329]
アスペクトクエリに基づいてカスタマイズした要約を生成する手法を提案する。レビューコーパスを用いて、アスペクトコントローラで強化された(リビュー、サマリ)ペアの合成トレーニングデータセットを作成する。合成データセットを用いて事前学習したモデルを微調整し、アスペクトコントローラを変更することでアスペクト固有の要約を生成する。
論文参考訳（メタデータ） (2021-09-07T16:09:17Z)
Dialogue Summarization with Supporting Utterance Flow Modeling and Fact Regularization [58.965859508695225]
本稿では、2つの新しいモジュールを用いた対話要約のためのエンドツーエンドニューラルネットワークを提案する。サポートされた発話フローモデリングは、前者の発話から後者へのフォーカスを円滑にシフトさせることで、コヒーレントな要約を生成するのに役立つ。事実の正則化は、モデルトレーニング中に生成された要約は、基礎と真実の要約と実際に一致するように促します。
論文参考訳（メタデータ） (2021-08-03T03:09:25Z)
Annotation and Classification of Evidence and Reasoning Revisions in Argumentative Writing [0.9449650062296824]
本稿では,エビデンスの使用と推論の文レベルの改訂の性質を捉えるためのアノテーションスキームを提案する。信頼性のある手書きアノテーションが達成できることを示し,修正アノテーションはエッセイ改善の全体的評価と相関することを示す。
論文参考訳（メタデータ） (2021-07-14T20:58:26Z)

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。