論文の概要: Mind the Gap: Automated Corpus Creation for Enthymeme Detection and
Reconstruction in Learner Arguments
- arxiv url: http://arxiv.org/abs/2310.18098v1
- Date: Fri, 27 Oct 2023 12:33:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-30 13:58:08.267253
- Title: Mind the Gap: Automated Corpus Creation for Enthymeme Detection and
Reconstruction in Learner Arguments
- Title（参考訳）: mind the gap: 学習者の議論におけるエンサイム検出と再構成のためのコーパスの自動生成
- Authors: Maja Stahl, Nick D\"usterhus, Mei-Hua Chen, Henning Wachsmuth
- Abstract要約: 本稿では,学習者の議論に新たな2つの課題を紹介し,議論のギャップを識別し,そのギャップを埋める。
議論的学習者エッセイのICLEv3コーパスに基づいて,40,089個の議論インスタンスを作成し,エントロメムの検出と再構築を行う。
- 参考スコア（独自算出の注目度）: 15.184644294253848
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Writing strong arguments can be challenging for learners. It requires to
select and arrange multiple argumentative discourse units (ADUs) in a logical
and coherent way as well as to decide which ADUs to leave implicit, so called
enthymemes. However, when important ADUs are missing, readers might not be able
to follow the reasoning or understand the argument's main point. This paper
introduces two new tasks for learner arguments: to identify gaps in arguments
(enthymeme detection) and to fill such gaps (enthymeme reconstruction).
Approaches to both tasks may help learners improve their argument quality. We
study how corpora for these tasks can be created automatically by deleting ADUs
from an argumentative text that are central to the argument and its quality,
while maintaining the text's naturalness. Based on the ICLEv3 corpus of
argumentative learner essays, we create 40,089 argument instances for enthymeme
detection and reconstruction. Through manual studies, we provide evidence that
the proposed corpus creation process leads to the desired quality reduction,
and results in arguments that are similarly natural to those written by
learners. Finally, first baseline approaches to enthymeme detection and
reconstruction demonstrate the corpus' usefulness.
- Abstract（参考訳）: 強力な議論を書くことは学習者にとって難しい。
複数の議論的談話単位(ADU)を論理的かつ一貫性のある方法で選択・配置し、どのADUが暗黙的なままにするかを判断する必要がある。
しかし、重要なADUが欠けている場合、読者は推論に従うことができず、議論の要点を理解することができないかもしれない。
本稿では,引数のギャップを識別する(エンサイム検出)と,そのギャップを埋める(エンサイム再構築)という2つのタスクについて述べる。
両方のタスクへのアプローチは、学習者が議論の質を向上させるのに役立つ。
本研究では,これらのタスクのコーパスを,テキストの自然性を維持しつつ,議論や品質の中心となる議論文からADUを削除し,自動生成する方法について検討する。
議論的学習者エッセイのICLEv3コーパスに基づいて,40,089個の議論インスタンスを作成し,エントロメムの検出と再構築を行う。
本研究では,提案するコーパス作成プロセスが望ましい品質低下につながる証拠を手作業で検証し,学習者にとって自然な議論へと導く。
最後に, エントイム検出と再構成に対する第1ベースラインアプローチにより, コーパスの有用性が示された。
関連論文リスト
- An Incomplete Loop: Deductive, Inductive, and Abductive Learning in Large Language Models [99.31449616860291]
現代の言語モデル(LM)は、異なる方法で新しいタスクを実行することを学べる。
次の命令では、ターゲットタスクは自然言語で明示的に記述され、少数ショットプロンプトでは、タスクは暗黙的に指定される。
命令推論では、LMはインコンテキストの例を示し、自然言語のタスク記述を生成するように促される。
論文 参考訳（メタデータ） (2024-04-03T19:31:56Z) - A School Student Essay Corpus for Analyzing Interactions of Argumentative Structure and Quality [12.187586364960758]
我々は,2つの年齢集団の学生のエッセイ1,320件のドイツ語コーパスを提示する。
各エッセイは、複数のレベルの粒度の議論的構造と品質のために手動で注釈付けされている。
議論マイニングとエッセイスコアリングのためのベースラインアプローチを提案し,両タスク間の相互作用を分析する。
論文 参考訳（メタデータ） (2024-04-03T07:31:53Z) - Exploring Jiu-Jitsu Argumentation for Writing Peer Review Rebuttals [70.22179850619519]
議論の多くの領域では、人々の議論はいわゆる態度のルーツによって駆動される。
心理学における最近の研究は、表面的な推論に直接対抗するのではなく、ジウジツの「ソフト」戦闘システムに触発された議論スタイルに従うべきであることを示唆している。
我々は,新たな態度課題とテーマ誘導的反論生成を提案することによって,ピアレビューのための時事論争を初めて探求する。
論文 参考訳（メタデータ） (2023-11-07T13:54:01Z) - AMERICANO: Argument Generation with Discourse-driven Decomposition and Agent Interaction [25.38899822861742]
議論生成のためのエージェントインタラクションを備えた新しいフレームワークであるAmericanoを提案する。
提案手法は,進化過程を議論理論に基づく逐次的行動に分解する。
提案手法は,エンド・ツー・エンドとチェーン・オブ・ワンド・プロンプトの両手法より優れている。
論文 参考訳（メタデータ） (2023-10-31T10:47:33Z) - A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - ArgU: A Controllable Factual Argument Generator [0.0]
ArgUは、入力された事実と実世界の概念から現実の議論を生成することができる神経引数生成器である。
我々は6つのトピックと6つの引数スキームにまたがる69,428の引数からなる注釈付きコーパスを作成した。
論文 参考訳（メタデータ） (2023-05-09T10:49:45Z) - MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text
Generation [102.20036684996248]
多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。
WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
論文 参考訳（メタデータ） (2022-12-16T17:36:23Z) - Generating Informative Conclusions for Argumentative Texts [32.3103908466811]
論証文の目的は、ある結論を支持することである。
明確な結論は、議論文のよい候補要約である。
これは、結論が情報であり、特定の概念をテキストから強調する場合に特に当てはまる。
論文 参考訳（メタデータ） (2021-06-02T10:35:59Z) - Discern: Discourse-Aware Entailment Reasoning Network for Conversational
Machine Reading [157.14821839576678]
Discernは、ドキュメントとダイアログの両方の理解を強化するために、接続を強化し、理解を深める、談話対応の係り受け推論ネットワークである。
実験の結果,意思決定におけるマクロ平均精度78.3%,フォローアップ質問生成における64.0 BLEU1が得られた。
論文 参考訳（メタデータ） (2020-10-05T07:49:51Z) - Critical Thinking for Language Models [6.963299759354333]
本稿では,ニューラル自動回帰言語モデルの批判的思考カリキュラムに向けて第一歩を踏み出す。
我々は、GPT-2を訓練し、評価するために、人工的な議論文を生成する。
NLUベンチマークに対して一貫した有望な結果が得られる。
論文 参考訳（メタデータ） (2020-09-15T15:49:19Z) - Aspect-Controlled Neural Argument Generation [65.91772010586605]
我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。
評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。
これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
論文 参考訳（メタデータ） (2020-04-30T20:17:22Z)
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。