論文の概要: Semi-automated analysis of audio-recorded lessons: The case of teachers' engaging messages

• arxiv url: http://arxiv.org/abs/2412.12062v1
• Date: Mon, 16 Dec 2024 18:35:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 14:02:41.981400
• Title: Semi-automated analysis of audio-recorded lessons: The case of teachers' engaging messages
• Title（参考訳）: 音声録音授業の半自動分析:教師のエンゲージメントメッセージの場合
• Authors: Samuel Falcon, Carmen Alvarez-Alvarez, Jaime Leon,
• Abstract要約: 2年間に75名の教師から2,477名の音声録音レッスンを収集した。 自動書き起こしとキーワードベースのフィルタリング分析を用いて,係り受けメッセージの識別と分類を行った。 最も多く用いられたメッセージは、学校活動への参加による将来の利益を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Engaging messages delivered by teachers are a key aspect of the classroom discourse that influences student outcomes. However, improving this communication is challenging due to difficulties in obtaining observations. This study presents a methodology for efficiently extracting actual observations of engaging messages from audio-recorded lessons. We collected 2,477 audio-recorded lessons from 75 teachers over two academic years. Using automatic transcription and keyword-based filtering analysis, we identified and classified engaging messages. This method reduced the information to be analysed by 90%, optimising the time and resources required compared to traditional manual coding. Subsequent descriptive analysis revealed that the most used messages emphasised the future benefits of participating in school activities. In addition, the use of engaging messages decreased as the academic year progressed. This study offers insights for researchers seeking to extract information from teachers' discourse in naturalistic settings and provides useful information for designing interventions to improve teachers' communication strategies.
• Abstract（参考訳）: 教師によるメッセージの発信は、生徒の成果に影響を与える教室の談話の重要な側面である。 しかし、このコミュニケーションを改善することは観察が困難であるため困難である。 本研究では,音声録音による授業から係り受けメッセージの実際の観察を効率的に抽出する手法を提案する。 2年間に75名の教師から2,477名の音声録音レッスンを収集した。 自動書き起こしとキーワードベースのフィルタリング分析を用いて,係り受けメッセージの識別と分類を行った。 この方法では、従来の手動コーディングと比較して必要な時間とリソースを最適化し、情報分析を90%削減した。 その後の記述分析では、最もよく使われるメッセージは学校活動への参加のメリットを強調した。 また、学年が進むにつれて、係わるメッセージの利用も減少していった。 本研究は,自然主義的な環境下で教師の言論から情報を引き出そうとする研究者に洞察を与え,教師のコミュニケーション戦略を改善するための介入を設計するための有用な情報を提供する。

関連論文リスト

• Is the Lecture Engaging for Learning? Lecture Voice Sentiment Analysis for Knowledge Graph-Supported Intelligent Lecturing Assistant (ILA) System [0.060227699034124595]
  本システムは,音声,コンテンツ,教育のリアルタイム分析を通じて,生徒の学習力を高めるためのインストラクターを支援するように設計されている。 講義音声感情分析のケーススタディとして,3000以上の1分間の講義音声クリップからなるトレーニングセットを開発した。 私たちの究極のゴールは、現代の人工知能技術を活用することで、インストラクターがより積極的に効果的に教えることを支援することです。
  論文  参考訳（メタデータ） (2024-08-20T02:22:27Z)
• Leveraging Large Language Models for Actionable Course Evaluation Student Feedback to Lecturers [6.161370712594005]
  コンピュータサイエンス科の75科以上で742名の学生が回答した。 各コースについて,授業評価項目と動作可能な項目の要約を合成する。 本研究は, 授業環境における教師に対して, 実感的, 行動的, 適切なフィードバックを生み出すために, 生成的AIを使用する可能性を強調した。
  論文  参考訳（メタデータ） (2024-07-01T13:29:55Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• Can Language Models Teach Weaker Agents? Teacher Explanations Improve Students via Personalization [84.86241161706911]
  教師のLLMは、実際に生徒の推論に介入し、パフォーマンスを向上させることができることを示す。 また,マルチターンインタラクションでは,教師による説明が一般化され,説明データから学習されることを示す。 教師のミスアライメントが学生の成績をランダムな確率に低下させることを、意図的に誤解させることで検証する。
  論文  参考訳（メタデータ） (2023-06-15T17:27:20Z)
• Text-Aware End-to-end Mispronunciation Detection and Diagnosis [17.286013739453796]
  誤認識検出・診断(MDD)技術はコンピュータ支援発音訓練システム(CAPT)の鍵となる要素である 本稿では,関係のないテキスト情報を抑えつつ,関連する音声特徴をより重要視するゲーティング戦略を提案する。
  論文  参考訳（メタデータ） (2022-06-15T04:08:10Z)
• Natural Language Communication with a Teachable Agent [0.0]
  本研究は,Curiosity Notebookを介して仮想エージェントと対話する際のモダリティ教育の効果について検討する。 原材料から文を選択してエージェントを教える方法と、原材料を言い換えてテキスト入力を入力して教える方法とを比較する。 その結果, パラフレーズやテキスト入力による授業は, 教材の学習結果や, 情緒的エンゲージメントの側面に肯定的な影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2022-03-17T01:31:23Z)
• Leveraging Pre-trained Language Model for Speech Sentiment Analysis [58.78839114092951]
  本研究では、事前学習された言語モデルを用いて、文章の感情情報を学習し、音声の感情分析を行う。 本稿では,言語モデルを用いた擬似ラベルに基づく半教師付き訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-06-11T20:15:21Z)
• Distribution Matching for Machine Teaching [64.39292542263286]
  機械学習の逆問題である機械学習は、学習者の目標仮説に向けて学習者を操ることを目的としている。 機械教育に関するこれまでの研究は、それらの最良の指導例を見つけるための教育のリスクとコストのバランスに重点を置いていた。 本稿では,分布マッチングに基づく機械教育戦略を提案する。
  論文  参考訳（メタデータ） (2021-05-06T09:32:57Z)
• Using Machine Learning and Natural Language Processing Techniques to Analyze and Support Moderation of Student Book Discussions [0.0]
  IMapBookプロジェクトは、小学生のリテラシー向上と理解能力向上を目的として、インタラクティブな電子書籍を提示し、中途半端な本議論に参加することを目的としている。 本研究の目的は、メッセージ分類に対する機械学習ベースのアプローチを開発し、介入の必要性を議論モデレーターに自動的に通知し、進行中の議論に関する他の有用な情報を収集することである。
  論文  参考訳（メタデータ） (2020-11-23T20:33:09Z)
• An Overview of Deep-Learning-Based Audio-Visual Speech Enhancement and Separation [57.68765353264689]
  音声強調と音声分離は関連する2つの課題である。 伝統的に、これらのタスクは信号処理と機械学習技術を使って取り組まれてきた。 ディープラーニングは強力なパフォーマンスを達成するために利用されています。
  論文  参考訳（メタデータ） (2020-08-21T17:24:09Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。