論文の概要: Understanding Idea Creation in Collaborative Discourse through Networks: The Joint Attention-Interaction-Creation (AIC) Framework

• arxiv url: http://arxiv.org/abs/2305.16262v1
• Date: Thu, 25 May 2023 17:18:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 13:32:01.133959
• Title: Understanding Idea Creation in Collaborative Discourse through Networks: The Joint Attention-Interaction-Creation (AIC) Framework
• Title（参考訳）: ネットワークによる協調談話におけるアイデア創造の理解--AIC(Joint Attention-Interaction-Creation)フレームワーク
• Authors: Xinran Zhu, Bodong Chen
• Abstract要約: The Joint Attention-Interaction-Creation (AIC) framework captures important dynamics in collaborative discourse。 このフレームワークは、自然言語処理技術にインフォームドされ、社会意味ネットワーク分析にインスパイアされた、ネットワーク化されたレンズから開発された。
• 参考スコア（独自算出の注目度）: 0.42303492200814446
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In Computer-Supported Collaborative Learning, ideas generated through collaborative discourse are informative indicators of students' learning and collaboration. Idea creation is a product of emergent and interactive socio-cognitive endeavors. Therefore, analyzing ideas requires capturing contextual information in addition to the ideas themselves. In this paper, we propose the Joint Attention-Interaction-Creation (AIC) framework, which captures important dynamics in collaborative discourse, from attention and interaction to creation. The framework was developed from the networked lens, informed by natural language processing techniques, and inspired by socio-semantic network analysis. A case study was included to exemplify the framework's application in classrooms and to illustrate its potential in broader contexts.
• Abstract（参考訳）: コンピュータ支援協調学習では,協調談話によって生み出されたアイデアは,学生の学習とコラボレーションの有益な指標である。 アイデア創造は、創発的で対話的な社会認知的努力の産物である。 したがって、アイデアを解析するには、アイデア自体に加えて文脈情報を取得する必要がある。 本稿では,協調的談話における重要なダイナミクスを,注意と相互作用から創造まで捉えるaic(joint attention-interaction-creation)フレームワークを提案する。 このフレームワークは、自然言語処理技術にヒントを得て、ネットワーク化されたレンズから開発された。 ケーススタディは、教室でのフレームワークの適用を実証し、より広い文脈でその可能性を説明するために含まれた。

関連論文リスト

• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• Exploring and Verbalizing Academic Ideas by Concept Co-occurrence [42.16213986603552]
  本研究は,学術的アイデアインスピレーションのための概念共起に基づく枠組みを考案する。 我々は20の分野やトピックから概念の共起関係に基づき、進化する概念グラフを構築する。 我々は、共起励磁法と呼ばれる新しいデータ構造に基づくアイデアの記述を生成する。
  論文  参考訳（メタデータ） (2023-06-04T07:01:30Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Imitation Learning-based Implicit Semantic-aware Communication Networks: Multi-layer Representation and Collaborative Reasoning [68.63380306259742]
  有望な可能性にもかかわらず、セマンティック通信とセマンティック・アウェア・ネットワーキングはまだ初期段階にある。 本稿では,CDCとエッジサーバの複数層を連携させる,推論に基づく暗黙的セマンティック・アウェア通信ネットワークアーキテクチャを提案する。 暗黙的セマンティクスの階層構造と個人ユーザのパーソナライズされた推論嗜好を考慮に入れたセマンティクス情報の多層表現を提案する。
  論文  参考訳（メタデータ） (2022-10-28T13:26:08Z)
• Deep Neural Networks for Visual Reasoning [12.411844611718958]
  機械は視覚的知覚と言語理解を用いて推論する能力を持つことが不可欠である。 近年のディープラーニングの進歩は、視覚シーンと言語の両方の洗練された表現を別々に構築してきた。 この論文は、推論をサポートするニューラルネットワークによる視覚と言語タスクの重要側面の活用と活用方法の理解を深めている。
  論文  参考訳（メタデータ） (2022-09-24T12:11:00Z)
• elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
  本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。 このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-17T16:23:45Z)
• Unsupervised Representations Predict Popularity of Peer-Shared Artifacts in an Online Learning Environment [4.438259529250529]
  我々は, (a) 文脈行動ログ (b) テキストの内容, (c) インストラクターが特定した特徴の集合によって, 学生の成果物を表現している。 文脈的行動ログから学習したニューラルネットワークの埋め込み表現が,人気を最も強く予測していることがわかった。 この表現は、人間のラベル付けの努力を伴わずに学習できるため、より包括的な学生の相互作用を形作る可能性が開ける。
  論文  参考訳（メタデータ） (2021-02-27T09:13:09Z)
• Modeling Content and Context with Deep Relational Learning [31.854529627213275]
  DRaiLは、ディープリレーショナルモデルを特定するためのオープンソースの宣言型フレームワークである。 我々のフレームワークは、表現型言語エンコーダとの容易な統合をサポートし、表現、推論、学習間の相互作用を研究するためのインターフェースを提供する。
  論文  参考訳（メタデータ） (2020-10-20T17:09:35Z)
• Explaining Creative Artifacts [69.86890599471202]
  生成物と構成的創造性を結合鎖に分解する逆問題定式化を開発する。 特に、当社の定式化は、アソシエイト要素の知識グラフを通じて、旅行セールスマン問題の解決として構成されている。
  論文  参考訳（メタデータ） (2020-10-14T14:32:38Z)
• Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
  本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。 バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
  論文  参考訳（メタデータ） (2020-09-17T23:07:03Z)
• Results of multi-agent system and ontology to manage ideas and represent knowledge in a challenge of creativity [0.0]
  本稿では、分散システムで使用されるマルチエージェントシステムの結果、アイデア管理を支援するインテリジェントシステムについて述べる。 インテリジェントなシステムは、創造的なワークショップの参加者を支援して、アイデアを管理し、その結果、アイデア専用のオントロジーを提案します。
  論文  参考訳（メタデータ） (2020-09-11T08:31:30Z)

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。