論文の概要: When to generate hedges in peer-tutoring interactions

• arxiv url: http://arxiv.org/abs/2307.15582v1
• Date: Fri, 28 Jul 2023 14:29:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-31 12:25:35.692832
• Title: When to generate hedges in peer-tutoring interactions
• Title（参考訳）: ピア・チュータリング相互作用におけるヘッジの生成
• Authors: Alafate Abulimiti, Chlo\'e Clavel, Justine Cassell
• Abstract要約: この研究は、自然言語のターン、会話戦略、学習戦略、非言語行動に注釈を付けた、自然主義的な対面データセットを使用している。 その結果、前のターンのセマンティック情報をキャプチャする埋め込み層は、モデルの性能を著しく向上させることがわかった。 教師の視線とタテの視線がヘッジ予測に大きく影響していることが判明した。
• 参考スコア（独自算出の注目度）: 1.0466434989449724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper explores the application of machine learning techniques to predict where hedging occurs in peer-tutoring interactions. The study uses a naturalistic face-to-face dataset annotated for natural language turns, conversational strategies, tutoring strategies, and nonverbal behaviours. These elements are processed into a vector representation of the previous turns, which serves as input to several machine learning models. Results show that embedding layers, that capture the semantic information of the previous turns, significantly improves the model's performance. Additionally, the study provides insights into the importance of various features, such as interpersonal rapport and nonverbal behaviours, in predicting hedges by using Shapley values for feature explanation. We discover that the eye gaze of both the tutor and the tutee has a significant impact on hedge prediction. We further validate this observation through a follow-up ablation study.
• Abstract（参考訳）: 本稿では,ピアツーリングインタラクションにおけるヘッジ発生の予測のための機械学習手法の応用について検討する。 この研究は、自然言語転換、会話戦略、指導戦略、非言語行動に注釈をつけた、自然主義的な対面データセットを使用している。 これらの要素は前回のターンのベクトル表現に処理され、複数の機械学習モデルへの入力となる。 その結果、前のターンのセマンティック情報をキャプチャする埋め込み層は、モデルの性能を著しく向上させることがわかった。 さらに、この研究は、シャープリー値を用いた特徴説明によるヘッジ予測において、対人ラプポートや非言語行動など、様々な特徴の重要性に関する洞察を提供する。 教師の視線とタテの視線がヘッジ予測に大きく影響していることが判明した。 我々は、この観察をフォローアップアブレーション研究によりさらに検証する。

関連論文リスト

• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)
• On the Joint Interaction of Models, Data, and Features [82.60073661644435]
  本稿では,データとモデル間の相互作用を実験的に解析する新しいツールであるインタラクションテンソルを紹介する。 これらの観測に基づいて,特徴学習のための概念的枠組みを提案する。 この枠組みの下では、一つの仮説に対する期待された精度と一対の仮説に対する合意はどちらも閉形式で導出することができる。
  論文  参考訳（メタデータ） (2023-06-07T21:35:26Z)
• Inverse Dynamics Pretraining Learns Good Representations for Multitask Imitation [66.86987509942607]
  このようなパラダイムを模倣学習でどのように行うべきかを評価する。 本稿では,事前学習コーパスがマルチタスクのデモンストレーションから成り立つ環境について考察する。 逆動力学モデリングはこの設定に適していると主張する。
  論文  参考訳（メタデータ） (2023-05-26T14:40:46Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• Measuring the Impact of (Psycho-)Linguistic and Readability Features and Their Spill Over Effects on the Prediction of Eye Movement Patterns [27.799032561722893]
  本稿では,2つの視線追跡コーパスと2つの言語モデル(BERTとGPT-2)について報告する。 あらゆる実験において,人間の読解行動を予測するための幅広い特徴(音韻的複雑性,語彙的富度,レジスタベース多語の組み合わせ,可読性,心理言語的単語特性)の効果を検証した。 本実験は, トランスフォーマーに基づく言語モデルの特徴とアーキテクチャの両方が, 自然視読影時の複数の視線追跡指標を予測する役割を担っていることを示す。
  論文  参考訳（メタデータ） (2022-03-15T17:13:45Z)
• An Interactive Visualization Tool for Understanding Active Learning [12.345164513513671]
  本稿では,能動学習の学習過程を明らかにするための対話型可視化ツールを提案する。 このツールは、興味深いデータポイントのサンプルを選択し、異なるクエリ段階でそれらの予測値がどのように変化するかを確認し、アクティブな学習がいつどのように機能するかをよりよく理解することができる。
  論文  参考訳（メタデータ） (2021-11-09T03:33:26Z)
• Interpreting and improving deep-learning models with reality checks [13.287382944078562]
  この章では、1つの予測のために特徴と特徴グループに重要さをもたらすことによってモデルを解釈することを目的とした最近の研究について取り上げる。 これらの属性は、ニューラルネットワークの一般化を直接的に改善したり、あるいは単純なモデルに蒸留するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2021-08-16T00:58:15Z)
• Prototypical Representation Learning for Relation Extraction [56.501332067073065]
  本論文では, 遠隔ラベルデータから予測可能, 解釈可能, 堅牢な関係表現を学習することを目的とする。 文脈情報から各関係のプロトタイプを学習し,関係の本質的意味を最善に探求する。 いくつかの関係学習タスクの結果,本モデルが従来の関係モデルを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-03-22T08:11:43Z)
• How does this interaction affect me? Interpretable attribution for feature interactions [19.979889568380464]
  我々はArchipelagoと呼ばれる相互作用属性と検出フレームワークを提案する。 標準アノテーションラベルを用いた実験により,本手法は同等の手法よりもはるかに解釈可能な説明を提供することが示された。 また、ディープニューラルネットワークに新たな洞察を与えるアプローチの視覚化も提供しています。
  論文  参考訳（メタデータ） (2020-06-19T05:14:24Z)

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。