Fugu-MT 論文翻訳(概要): NLP Cluster Analysis of Common Core State Standards and NAEP Item Specifications

論文の概要: NLP Cluster Analysis of Common Core State Standards and NAEP Item Specifications

arxiv url: http://arxiv.org/abs/2412.04482v2
Date: Fri, 13 Dec 2024 16:56:21 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-16 15:01:21.524113
Title: NLP Cluster Analysis of Common Core State Standards and NAEP Item Specifications
Title（参考訳）: NLPクラスタによる共通コア状態標準とNAEP項目仕様の解析
Authors: Gregory Camilli, Larry Suter,
Abstract要約: Camilli (2024) は、一連のコンテンツ標準とアイテム仕様の関係をマッピングするために自然言語処理(NLP)を用いた方法論を提案した。本研究は,NLPがマッピングプロセスの改善に有効であることを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Camilli (2024) proposed a methodology using natural language processing (NLP) to map the relationship of a set of content standards to item specifications. This study provided evidence that NLP can be used to improve the mapping process. As part of this investigation, the nominal classifications of standards and items specifications were used to examine construct equivalence. In the current paper, we determine the strength of empirical support for the semantic distinctiveness of these classifications, which are known as "domains" for Common Core standards, and "strands" for National Assessment of Educational Progress (NAEP) item specifications. This is accomplished by separate k-means clustering for standards and specifications of their corresponding embedding vectors. We then briefly illustrate an application of these findings.
Abstract（参考訳）: Camilli (2024) は、一連のコンテンツ標準とアイテム仕様の関係をマッピングするために自然言語処理(NLP)を用いた方法論を提案した。本研究は,NLPがマッピングプロセスの改善に有効であることを示す。この調査の一環として, 規格および項目仕様の命名的分類を用いて, 構成等価性について検討した。本報告では、共通コア規格では「ドメイン」として知られ、国家教育進歩評価(NAEP)項目仕様では「ストランド」として知られている、これらの分類の意味的特異性に対する実証的支援の強さを判定する。これは、対応する埋め込みベクトルの標準と仕様のための別々のk平均クラスタリングによって達成される。次に,これらの知見の応用について概説する。

関連論文リスト

ECBD: Evidence-Centered Benchmark Design for NLP [95.50252564938417]
ベンチマーク設計プロセスを5つのモジュールに形式化するフレームワークであるEvidence-Centered Benchmark Design (ECBD)を提案する。各モジュールは、ベンチマーク設計の選択を記述し、正当化し、サポートする必要がある。分析の結果,ベンチマークの妥当性を脅かす可能性のあるベンチマーク設計とドキュメントの共通する傾向が明らかになった。
論文参考訳（メタデータ） (2024-06-13T00:59:55Z)
An NLP Crosswalk Between the Common Core State Standards and NAEP Item Specifications [0.0]
項目仕様とコンテンツ標準の横断歩道を確立する際に,NLPをベースとした手法について述べる。この手順は、数学の共通中核状態標準(Common Core State Standards)を、2026年の国家教育進歩評価(National Assessment of Educational Progress)の項目仕様に適合させるために用いられる。
論文参考訳（メタデータ） (2024-05-27T15:47:46Z)
Exploring Ordinality in Text Classification: A Comparative Study of Explicit and Implicit Techniques [3.197435100145382]
日常分類(OC)は自然言語処理(NLP)における課題である。 OCに挑戦する以前のアプローチは、ラベルの順序性について明確に説明されるような、既存の変更や新規な損失関数の作成に重点を置いていた。 Pretrained Language Models (PLMs) の出現により、ラベルのtextbfimplicit セマンティクスを通じて、オーディナリティに取り組むことが可能になった。
論文参考訳（メタデータ） (2024-05-20T04:31:04Z)
Convolutional and Deep Learning based techniques for Time Series Ordinal Classification [7.047582157120573]
時系列規則分類(TSOC)は、このギャップをカバーする分野であるが、文献では未解明である。本稿では,TSOC手法の最初のベンチマークを行い,対象ラベルの順序付けを利用して,現在のTSCの現状を向上する。
論文参考訳（メタデータ） (2023-06-16T11:57:11Z)
Entity Disambiguation with Entity Definitions [50.01142092276296]
ローカルモデルはEntity Disambiguation (ED)で最近驚くべきパフォーマンスを達成したそれまでの研究は、各候補者のテキスト表現として、ウィキペディアのタイトルのみを使うことに限られていた。本稿では、この制限に対処し、より表現力のあるテキスト表現がそれを緩和できる範囲について検討する。提案する6つのベンチマークのうち2つに新たな技術の現状を報告し,未知のパターンに対する一般化能力を強く改善する。
論文参考訳（メタデータ） (2022-10-11T17:46:28Z)
State-of-the-art generalisation research in NLP: A taxonomy and review [87.1541712509283]
NLPにおける一般化研究の特徴付けと理解のための分類法を提案する。我々の分類学は、一般化研究の広範な文献レビューに基づいている。私たちは、一般化をテストする400以上の論文を分類するために分類を使います。
論文参考訳（メタデータ） (2022-10-06T16:53:33Z)
Unsupervised Attention-based Sentence-Level Meta-Embeddings from Contextualised Language Models [15.900069711477542]
本稿では,文脈適応型単語埋め込みモデルを独立に訓練した文レベルのメタ埋め込み学習手法を提案する。提案手法は教師なしで,特定の下流タスクとは無関係である。実験の結果,提案手法は従来提案した文レベルのメタ埋め込み法よりも優れていた。
論文参考訳（メタデータ） (2022-04-16T08:20:24Z)
CUGE: A Chinese Language Understanding and Generation Evaluation Benchmark [144.05723617401674]
汎用言語インテリジェンス評価は、自然言語処理の長年の目標である。汎用言語インテリジェンス評価には,ベンチマーク自体が包括的で体系的なものである必要がある,と我々は主張する。以下に示す機能を備えた中国語理解・生成評価ベンチマークであるCUGEを提案する。
論文参考訳（メタデータ） (2021-12-27T11:08:58Z)
CoPHE: A Count-Preserving Hierarchical Evaluation Metric in Large-Scale Multi-Label Text Classification [70.554573538777]
ニューラルLMTCモデルの予測の階層的評価について論じる。先行技術における構造化ラベル空間の表現における構造的問題について述べる。深度に基づく表現を用いた階層的評価のための指標セットを提案する。
論文参考訳（メタデータ） (2021-09-10T13:09:12Z)
Rule-Based Classification of Hyperspectral Imaging Data [0.0]
スペクトルシグネチャの形状に基づく一般的な分類手法を提案する。古典的な分類法(例えば、SVM、KNN)とは対照的に、反射率値だけでなく、曲率点、曲率値、スペクトルシグネチャの曲率挙動などのパラメータも考慮されている。方法論の柔軟性と効率性は、2つの異なるアプリケーション分野のデータセットを用いて実証される。
論文参考訳（メタデータ） (2021-07-21T10:11:41Z)
Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
論文参考訳（メタデータ） (2020-12-08T08:52:00Z)

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。