論文の概要: Exploring Emerging Technologies for Requirements Elicitation Interview
Training: Empirical Assessment of Robotic and Virtual Tutors
- arxiv url: http://arxiv.org/abs/2305.00077v3
- Date: Wed, 30 Aug 2023 14:39:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 12:37:48.933493
- Title: Exploring Emerging Technologies for Requirements Elicitation Interview
Training: Empirical Assessment of Robotic and Virtual Tutors
- Title(参考訳): 要求喚起のための新しい技術を探る : ロボットと仮想学習者の経験的評価
- Authors: Binnur G\"orer and Fatma Ba\c{s}ak Aydemir
- Abstract要約: 本稿では,新しい教育技術に基づく要求緩和面接訓練システムについて提案する。
物理ロボットエージェントのRoと仮想音声エージェントのVoの2つの実装によるREITの適用性を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Requirements elicitation interviews are a widely adopted technique, where the
interview success heavily depends on the interviewer's preparedness and
communication skills. Students can enhance these skills through practice
interviews. However, organizing practice interviews for many students presents
scalability challenges, given the time and effort required to involve
stakeholders in each session. To address this, we propose REIT, an extensible
architecture for Requirements Elicitation Interview Training system based on
emerging educational technologies. REIT has components to support both the
interview phase, wherein students act as interviewers while the system assumes
the role of an interviewee, and the feedback phase, during which the system
assesses students' performance and offers contextual and behavioral feedback to
enhance their interviewing skills. We demonstrate the applicability of REIT
through two implementations: RoREIT with a physical robotic agent and VoREIT
with a virtual voice-only agent. We empirically evaluated both instances with a
group of graduate students. The participants appreciated both systems. They
demonstrated higher learning gain when trained with RoREIT, but they found
VoREIT more engaging and easier to use. These findings indicate that each
system has distinct benefits and drawbacks, suggesting that REIT can be
realized for various educational settings based on preferences and available
resources.
- Abstract(参考訳): 要求喚起面接は広く採用されている手法であり、面接の成功は面接者の準備とコミュニケーションのスキルに大きく依存する。
学生は練習面接を通じてこれらのスキルを向上させることができる。
しかし、各セッションに利害関係者を巻き込むのに必要な時間と労力を考えると、多くの学生のための実践的なインタビューの組織化はスケーラビリティの課題を提示している。
そこで本研究では,新たな教育技術に基づく要求緩和面接訓練システムであるREITを提案する。
reitには、面接フェーズ、面接者としての学生の振る舞い、面接の役割を想定するフィードバックフェーズの両方をサポートするコンポーネントがあり、その間にシステムは学生のパフォーマンスを評価し、面接スキルを高めるために文脈的および行動的なフィードバックを提供する。
物理ロボットエージェントのRoREITと仮想音声エージェントのVoREITの2つの実装によるREITの適用性を示す。
両事例を大学院生グループで実験的に評価した。
参加者は両方のシステムに感謝した。
彼らはRoREITでトレーニングすることで、より高い学習率を示したが、VoREITはより魅力的で使いやすくなった。
これらの結果は,各システムに異なるメリットと欠点があることを示し,好みや利用可能なリソースに基づいて,様々な教育環境においてREITを実現することができることを示唆している。
関連論文リスト
- UniRQR: A Unified Model for Retrieval Decision, Query, and Response
Generation in Internet-Based Knowledge Dialogue Systems [8.724141214921314]
インターネット検索による知識ベースの対話システムは、通常、検索決定、クエリ生成、レスポンス生成の3つのタスクに分けられる。
我々の研究は、プロンプトおよびマルチタスク学習アプローチによって促進される単一の統一モデルを用いることで、この監視に対処する。
これらの機能を統合することで、事前訓練されたモデルの潜在能力をフル活用し、複数のモデルのデプロイに伴う複雑さとコストを削減する。
論文 参考訳(メタデータ) (2024-01-11T06:09:15Z) - K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via
Prompt Learning [83.19215082550163]
K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。
本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
論文 参考訳(メタデータ) (2023-12-16T08:10:10Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳(メタデータ) (2023-08-17T10:49:18Z) - Multi-Modal Emotion Recognition for Enhanced Requirements Engineering: A
Novel Approach [12.906871276817775]
本稿では,要求工学プロセスを強化するためのマルチモーダル感情認識プラットフォーム(MEmoRE)を提案する。
MemoREは最先端の感情認識技術を活用し、表情、発声イントネーション、テキスト感情分析を統合している。
私たちは、より共感的で、効果的で、成功したソフトウェア開発プロセスの道を開くことを目指しています。
論文 参考訳(メタデータ) (2023-06-02T12:37:51Z) - 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) - FCC: Fusing Conversation History and Candidate Provenance for Contextual
Response Ranking in Dialogue Systems [53.89014188309486]
複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。
会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
論文 参考訳(メタデータ) (2023-03-31T23:58:28Z) - "GAN I hire you?" -- A System for Personalized Virtual Job Interview
Training [49.201250723083]
本研究では,GAN(Generative Adversarial Network)に基づく対話型面接訓練システムを開発した。
その結果,GANをベースとした行動フィードバックが有用であることが示唆された。
論文 参考訳(メタデータ) (2022-06-08T13:03:39Z) - Deep Learning Interviews: Hundreds of fully solved job interview
questions from a wide range of key topics in AI [2.0305676256390934]
Deep Learning Interviewsは、インタビューをリハーサルしたり、特定のトピックをテストしたり、この分野の概要を十分に整理した形で提供するように設計されている。
本書の内容は、DLの面接や大学院レベルの試験に関連する多くのトピックの大規模な目録である。
すべての計算機科学者の訓練はMLの基本定理を含む必要があると広く受け入れられている。
論文 参考訳(メタデータ) (2021-12-30T13:28:27Z) - Achieving Human Parity on Visual Question Answering [67.22500027651509]
The Visual Question Answering (VQA) task using both visual image and language analysis to answer a textual question to a image。
本稿では,人間がVQAで行ったのと同じような,あるいは少しでも良い結果が得られるAliceMind-MMUに関する最近の研究について述べる。
これは,(1)包括的視覚的・テキスト的特徴表現による事前学習,(2)参加する学習との効果的な相互モーダル相互作用,(3)複雑なVQAタスクのための専門的専門家モジュールを用いた新たな知識マイニングフレームワークを含む,VQAパイプラインを体系的に改善することで達成される。
論文 参考訳(メタデータ) (2021-11-17T04:25:11Z) - Leveraging Multimodal Behavioral Analytics for Automated Job Interview
Performance Assessment and Feedback [0.5872014229110213]
行動的手がかりは人間のコミュニケーションや認知に重要な役割を果たす。
本稿では,インタビューシナリオにおける候補の分析を行うマルチモーダル分析フレームワークを提案する。
我々はこれらのマルチモーダルデータソースを用いて複合表現を構築し、機械学習分類器を訓練してクラスラベルを予測する。
論文 参考訳(メタデータ) (2020-06-14T14:20:42Z)
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。