論文の概要: An LLM-Guided Tutoring System for Social Skills Training
- arxiv url: http://arxiv.org/abs/2501.09870v1
- Date: Thu, 16 Jan 2025 22:54:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-20 13:59:20.454525
- Title: An LLM-Guided Tutoring System for Social Skills Training
- Title(参考訳): ソーシャルスキルトレーニングのためのLLMガイド学習システム
- Authors: Michael Guevarra, Indronil Bhattacharjee, Srijita Das, Christabel Wayllace, Carrie Demmans Epp, Matthew E. Taylor, Alan Tay,
- Abstract要約: 本稿では,インストラクターが大規模言語モデルと協調して,学生がコミュニケーションできる現実的なシナリオを動的に設計するフレームワークを提案する。
我々のフレームワークはこれらのシナリオを用いて学生のリハーサルを可能にし、即時フィードバックを提供し、学生とインストラクターの両方のパフォーマンスを可視化する。
- 参考スコア(独自算出の注目度): 12.292129840712596
- License:
- Abstract: Social skills training targets behaviors necessary for success in social interactions. However, traditional classroom training for such skills is often insufficient to teach effective communication -- one-to-one interaction in real-world scenarios is preferred to lecture-style information delivery. This paper introduces a framework that allows instructors to collaborate with large language models to dynamically design realistic scenarios for students to communicate. Our framework uses these scenarios to enable student rehearsal, provide immediate feedback, and visualize performance for both students and instructors. Unlike traditional intelligent tutoring systems, instructors can easily co-create scenarios with a large language model without technical skills. Additionally, the system generates new scenario branches in real time when existing options do not fit the student's response.
- Abstract(参考訳): 社会的スキルトレーニングは、社会的相互作用の成功に必要な行動をターゲットにしている。
しかし、そのようなスキルの伝統的な教室トレーニングは、効果的なコミュニケーションを教えるのに不十分であることが多く、実際のシナリオにおける1対1のインタラクションは、講義形式の情報配信に好まれる。
本稿では,インストラクターが大規模言語モデルと協調して,学生がコミュニケーションできる現実的なシナリオを動的に設計するフレームワークを提案する。
我々のフレームワークはこれらのシナリオを用いて学生のリハーサルを可能にし、即時フィードバックを提供し、学生とインストラクターの両方のパフォーマンスを可視化する。
従来のインテリジェントなチューターシステムとは異なり、インストラクターは、技術的なスキルなしで大きな言語モデルでシナリオを簡単に作成できる。
さらに,既存の選択肢が生徒の反応に合わない場合に,新たなシナリオブランチをリアルタイムで生成する。
関連論文リスト
- An Efficient Self-Learning Framework For Interactive Spoken Dialog Systems [18.829793635104608]
ダイアログシステムにおけるASRの一般的なフレームワークを紹介する。
従来の学習と比較して,我々の新しいフレームワークを活用することで,実世界の対話システムにおいて比較的WERが10%近く削減されることが示されている。
論文 参考訳(メタデータ) (2024-09-16T17:59:50Z) - Simulating Classroom Education with LLM-Empowered Agents [48.26286735827104]
大型言語モデル (LLM) は、様々な知的教育タスクに応用され、教育支援を行っている。
マルチエージェント型教室シミュレーション教育フレームワークSimClassを提案する。
代表的クラスの役割を認識し、自動授業のための新しいクラス制御機構を導入する。
論文 参考訳(メタデータ) (2024-06-27T14:51:07Z) - Social Skill Training with Large Language Models [65.40795606463101]
人々は紛争解決のような社会的スキルに頼り、効果的にコミュニケーションし、仕事と個人の生活の両方で繁栄する。
本稿では,専門分野に進出する上での社会的スキルの障壁を明らかにする。
本稿では,大規模言語モデルを用いた総合的なフレームワークによるソーシャルスキルトレーニングのソリューションを提案する。
論文 参考訳(メタデータ) (2024-04-05T16:29:58Z) - Large Language Model based Situational Dialogues for Second Language Learning [7.450328495455734]
第二言語学習において、シナリオベースの会話実践は、言語学習者が話し言葉の流布を達成するために重要である。
このギャップを埋めるために,学生が会話の実践を行うための状況対話モデルを提案する。
我々の状況対話モデルは大規模言語モデル(LLM)に基づいて微調整されており、オープンエンド会話の係り受け性とシナリオベースタスクの焦点を合わせることを目的としている。
論文 参考訳(メタデータ) (2024-03-29T06:43:55Z) - Progressively Efficient Learning [58.6490456517954]
我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。
CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。
CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
論文 参考訳(メタデータ) (2023-10-13T07:52:04Z) - FutureTOD: Teaching Future Knowledge to Pre-trained Language Model for
Task-Oriented Dialogue [20.79359173822053]
本稿では,対話前学習モデルFutureTODを提案する。
我々の直感は、良い対話表現はどちらも局所的な文脈情報を学び、将来の情報を予測することである。
論文 参考訳(メタデータ) (2023-06-17T10:40:07Z) - Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。
現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。
人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文 参考訳(メタデータ) (2023-01-24T11:00:17Z) - Improving mathematical questioning in teacher training [1.794107419334178]
高忠実でAIに基づくシミュレートされた教室システムにより、教師は効果的な教育戦略をリハーサルすることができる。
本稿では,教師が数学的質問のスキルを実践するのを支援するために,テキストベースの対話型エージェントを構築した。
論文 参考訳(メタデータ) (2021-12-02T05:33:03Z) - Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。
ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
論文 参考訳(メタデータ) (2020-10-11T08:27:07Z) - Rethinking Supervised Learning and Reinforcement Learning in
Task-Oriented Dialogue Systems [58.724629408229205]
本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。
我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
論文 参考訳(メタデータ) (2020-09-21T12:04:18Z)
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。