論文の概要: ML-SPEAK: A Theory-Guided Machine Learning Method for Studying and Predicting Conversational Turn-taking Patterns

• arxiv url: http://arxiv.org/abs/2411.15405v1
• Date: Sat, 23 Nov 2024 01:27:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:23:54.465250
• Title: ML-SPEAK: A Theory-Guided Machine Learning Method for Studying and Predicting Conversational Turn-taking Patterns
• Title（参考訳）: ML-SPEAK:会話のターンテイクパターンの学習と予測のための理論誘導型機械学習手法
• Authors: Lisa R. O'Bryan, Madeline Navarro, Juan Segundo Hevia, Santiago Segarra,
• Abstract要約: 自己組織化チーム内で対話型ターンテイクの計算モデルを開発する。 個人の性格特性とチームのコミュニケーションパターンのギャップを埋めることで、私たちのモデルはチームプロセスの理論を伝えることができるのです。
• 参考スコア（独自算出の注目度）: 25.049072387358244
• License:
• Abstract: Predicting team dynamics from personality traits remains a fundamental challenge for the psychological sciences and team-based organizations. Understanding how team composition generates team processes can significantly advance team-based research along with providing practical guidelines for team staffing and training. Although the Input-Process-Output (IPO) model has been useful for studying these connections, the complex nature of team member interactions demands a more dynamic approach. We develop a computational model of conversational turn-taking within self-organized teams that can provide insight into the relationships between team member personality traits and team communication dynamics. We focus on turn-taking patterns between team members, independent of content, which can significantly influence team emergent states and outcomes while being objectively measurable and quantifiable. As our model is trained on conversational data from teams of given trait compositions, it can learn the relationships between individual traits and speaking behaviors and predict group-wide patterns of communication based on team trait composition alone. We first evaluate the performance of our model using simulated data and then apply it to real-world data collected from self-organized student teams. In comparison to baselines, our model is more accurate at predicting speaking turn sequences and can reveal new relationships between team member traits and their communication patterns. Our approach offers a more data-driven and dynamic understanding of team processes. By bridging the gap between individual personality traits and team communication patterns, our model has the potential to inform theories of team processes and provide powerful insights into optimizing team staffing and training.
• Abstract（参考訳）: 個性特性からチームのダイナミクスを予測することは、心理学やチームベースの組織にとって、依然として根本的な課題である。 チーム構成がどのようにチームプロセスを生成するかを理解することは、チームベースの研究を著しく前進させ、チームのスタッフリングとトレーニングのための実践的なガイドラインを提供する。 Input-Process-Output(IPO)モデルはこれらの接続を研究するのに有用だが、チームメンバーのインタラクションの複雑な性質はよりダイナミックなアプローチを必要としている。 我々は、チームメンバーの性格特性とチームコミュニケーションのダイナミクスの関係を洞察することのできる、自己組織化されたチーム内での会話のターンテイクの計算モデルを開発する。 私たちは、チームメンバー間のターンテイクパターンに注目し、コンテンツとは独立して、客観的に測定可能で定量化されながら、チームの創発的な状態と成果に大きな影響を及ぼすことができます。 我々のモデルは、与えられた特徴組成のチームの会話データに基づいて訓練されているので、個々の特徴と話し行動の関係を学習し、チーム特性組成のみに基づいてグループ全体のコミュニケーションパターンを予測することができる。 まず、シミュレーションデータを用いてモデルの性能を評価し、自己組織化された学生チームから収集した実世界データに適用する。 ベースラインと比較して、我々のモデルは会話のターンシーケンスをより正確に予測し、チームメンバーの特徴とコミュニケーションパターンの新たな関係を明らかにすることができる。 私たちのアプローチは、チームプロセスのよりデータ駆動的で動的な理解を提供します。 個人の性格特性とチームのコミュニケーションパターンのギャップを埋めることで、私たちのモデルはチームプロセスの理論を伝え、チームのスタッフの最適化とトレーニングに関する強力な洞察を提供することができるのです。

関連論文リスト

• Physiologically-Informed Predictability of a Teammate's Future Actions Forecasts Team Performance [7.591509098751302]
  個人の行動と生理的指標の関係と、チーム全体のパフォーマンスに対するそれらの複合的な影響は、いまだに理解されていない。 この結果から,チームパフォーマンスとチームメンバーの今後の行動の予測可能性との間には,強い関連性があることが判明した。 ハイパフォーマンスなチームが高度に同期されているという従来の認識とは対照的に、我々の結果は、チームメンバー間の生理的および行動的同期が、チームのパフォーマンスと限られた相関関係にあることを示唆している。
  論文  参考訳（メタデータ） (2025-01-25T21:37:17Z)
• Dynamic Skill Adaptation for Large Language Models [78.31322532135272]
  動的スキル適応(Dynamic Skill Adaptation, DSA)は, 言語モデル(LLM)に新しい複雑なスキルを適応させる適応的かつ動的フレームワークである。 各スキルに対して,学習前スキルの詳細な記述を含む教科書的データと,学習前スキルの具体的活用を目標とした演習的データの両方を生成する。 LLAMA や Mistral のような大規模言語モデルを用いた実験は,提案手法が数学推論スキルや社会学習スキルに適応する上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-12-26T22:04:23Z)
• Teamwork Dimensions Classification Using BERT [0.8566457170664924]
  学生のオンラインチャットにおけるチームワークの次元を特定するために,自然言語の自動処理手法が開発された。 自然言語処理と人工知能の分野での発展により、高度な深層移動学習アプローチがもたらされた。 このモデルは、チームワークの評価とフィードバックのための強化された学習分析ツールに貢献する。
  論文  参考訳（メタデータ） (2023-12-09T07:18:41Z)
• MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
  MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。 本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。 筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
  論文  参考訳（メタデータ） (2023-06-27T07:24:32Z)
• Detecting and Optimising Team Interactions in Software Development [58.720142291102135]
  本稿では,ソフトウェア開発チームの機能的相互作用構造を検出するためのデータ駆動型手法を提案する。 このアプローチでは、チームメンバのアクティビティレベルの違いを考慮し、ブロック制約設定モデルを使用します。 我々のアプローチは、チームが合成されたベンチマークシナリオと機能的な相互作用構造を比較するのにどのように役立つかを示します。
  論文  参考訳（メタデータ） (2023-02-28T14:53:29Z)
• Informational Diversity and Affinity Bias in Team Growth Dynamics [6.729250803621849]
  情報多様性の利点は親和性バイアスと緊張関係にあることを示す。 本結果は,情報多様性を促進するためのユーティリティベースのモチベーションの基本的な制限を定式化した。
  論文  参考訳（メタデータ） (2023-01-28T05:02:40Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Modeling Teams Performance Using Deep Representational Learning on Graphs [0.0]
  本稿では,チームのパフォーマンスを予測するために設計されたグラフニューラルネットワークモデルを提案する。 このモデルは、トポロジカル、集中、コンテキストという3つのアーキテクチャチャネルに基づいている。 第1のメカニズムは、チーム内のキーメンバーをピンポイントすることを可能にする。 第2のメカニズムにより、結果のパフォーマンスを決定する上での3つのドライバ効果の貢献を定量化できます。
  論文  参考訳（メタデータ） (2022-06-29T16:12:22Z)
• Unifying Language Learning Paradigms [96.35981503087567]
  データセットやセットアップ全体にわたって普遍的に有効である事前学習モデルのための統一的なフレームワークを提案する。 本研究では, 事前学習対象を相互に配置し, 異なる対象間の補間を効果的に行う方法を示す。 また,テキスト内学習において,ゼロショットSuperGLUEで175B GPT-3,ワンショット要約でT5-XXLの性能を3倍に向上させた。
  論文  参考訳（メタデータ） (2022-05-10T19:32:20Z)
• Few-shot Language Coordination by Modeling Theory of Mind [95.54446989205117]
  我々は、数ショット$textit language coordinate$のタスクについて研究する。 リードエージェントは、言語能力の異なるエージェントの$textitpopulation$と調整する必要があります。 これは、人間のコミュニケーションの重要な構成要素であるパートナーの信念をモデル化する能力を必要とする。
  論文  参考訳（メタデータ） (2021-07-12T19:26:11Z)
• My Team Will Go On: Differentiating High and Low Viability Teams through Team Interaction [17.729317295204368]
  オンラインチームの669の10分間のテキスト会話のデータセット上で、生存可能性分類モデルをトレーニングする。 その結果,ラッソ回帰モデルにより,可視性スコアの分類のしきい値が異なる.74--.92 AUC ROCの精度が得られることがわかった。
  論文  参考訳（メタデータ） (2020-10-14T21:33:36Z)

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。