論文の概要: Detecting Student Intent for Chat-Based Intelligent Tutoring Systems

• arxiv url: http://arxiv.org/abs/2502.15096v1
• Date: Thu, 20 Feb 2025 23:25:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 16:10:02.082637
• Title: Detecting Student Intent for Chat-Based Intelligent Tutoring Systems
• Title（参考訳）: チャット型知能学習システムにおける学生インテントの検出
• Authors: Ella Cutler, Zachary Levonian, S. Thomas Christie,
• Abstract要約: インテント検出システムは、学生がITS内をナビゲートするのに役立つが、オープンエンド対話中の学生の意図を検出することは困難である。 我々は、現在の授業を継続するか、または新しい授業に切り替えるかの学生の意図を分類する意図検出システムをITSで設計した。 チャットインタフェースにおける意図検出の実装はフラストレーションを減らし、学生の学習を支援することができると論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Chat interfaces for intelligent tutoring systems (ITSs) enable interactivity and flexibility. However, when students interact with chat interfaces, they expect dialogue-driven navigation from the system and can express frustration and disinterest if this is not provided. Intent detection systems help students navigate within an ITS, but detecting students' intent during open-ended dialogue is challenging. We designed an intent detection system in a chatbot ITS, classifying a student's intent between continuing the current lesson or switching to a new lesson. We explore the utility of four machine learning approaches for this task - including both conventional classification approaches and fine-tuned large language models - finding that using an intent classifier introduces trade-offs around implementation cost, accuracy, and prediction time. We argue that implementing intent detection in chat interfaces can reduce frustration and support student learning.
• Abstract（参考訳）: インテリジェントチューリングシステム(ITS)のためのチャットインタフェースは、対話性と柔軟性を実現する。 しかし、学生がチャットインタフェースと対話する場合、システムからの対話駆動ナビゲーションを期待し、それが提供されない場合には不満や不関心を表現できる。 インテント検出システムは、学生がITS内をナビゲートするのに役立つが、オープンエンド対話中の学生の意図を検出することは困難である。 我々はチャットボットITSで意図検出システムを設計し、現在の授業を継続するか、新しい授業に切り替えるかの学生の意図を分類した。 従来の分類手法と微調整された大規模言語モデルの両方を含む4つの機械学習アプローチの有用性について検討し、インテント分類器を使用することで、実装コスト、精度、予測時間に関するトレードオフが生じることを発見した。 チャットインタフェースにおける意図検出の実装はフラストレーションを減らし、学生の学習を支援することができると論じる。

関連論文リスト

• Unimib Assistant: designing a student-friendly RAG-based chatbot for all their needs [1.0805849839756092]
  このパイロットスタディは,OpenAIカスタムGPT機能を用いた検索・拡張生成(RAG)システムによるChatGPT動作の専門化に重点を置いている。 我々はミラノ・ビコッカ大学(Unimib)の学生の特定のニーズに対する情報と解決策を提供するUnimib Assistantを開発した。 ユーザの満足度と全体的な経験は、システムが常に正確な情報を提供することができないことで損なわれた。
  論文  参考訳（メタデータ） (2024-11-29T09:07:21Z)
• IntentGPT: Few-shot Intent Discovery with Large Language Models [9.245106106117317]
  我々は、新たな意図が現れると識別できるモデルを開発する。 IntentGPTは、Large Language Models (LLM) を効果的に促し、最小限のラベル付きデータで新しいインテントを発見する、トレーニング不要の手法である。 実験の結果,IntentGPTはドメイン固有データと微調整を必要とする従来の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-11-16T02:16:59Z)
• IntentDial: An Intent Graph based Multi-Turn Dialogue System with Reasoning Path Visualization [24.888848712778664]
  本稿では,グラフに基づくマルチターン対話システムを提案する。 強化学習を用いて、グラフから意図要素と標準クエリを識別することで、ユーザの意図を識別する。
  論文  参考訳（メタデータ） (2023-10-18T09:21:37Z)
• A Preliminary Evaluation of ChatGPT for Zero-shot Dialogue Understanding [55.37338324658501]
  ゼロショット対話理解は、ユーザーのニーズをトレーニングデータなしで追跡できるようにすることを目的としている。 本研究では,ゼロショット対話理解タスクにおけるChatGPTの理解能力について検討する。
  論文  参考訳（メタデータ） (2023-04-09T15:28:36Z)
• YZR-net : Self-supervised Hidden representations Invariant to Transformations for profanity detection [1.0705399532413613]
  YZR-Netは、チャットで使われる挑発的な単語を堅牢に検出できる自己教師型フレームワークである。 我々の誇張検出フレームワークは言語に依存しておらず、英語だけでなく、翻訳されたHinglishでも乱用を処理できる。
  論文  参考訳（メタデータ） (2022-11-22T05:35:18Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)
• Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
  ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。 現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。 グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
  論文  参考訳（メタデータ） (2021-10-15T14:36:45Z)
• INVIGORATE: Interactive Visual Grounding and Grasping in Clutter [56.00554240240515]
  INVIGORATEは、自然言語で人間と対話し、特定の物体をクラッタで把握するロボットシステムである。 我々は、物体検出、視覚的接地、質問生成、OBR検出と把握のために、別々のニューラルネットワークを訓練する。 我々は、学習したニューラルネットワークモジュールを統合する、部分的に観測可能なマルコフ決定プロセス(POMDP)を構築します。
  論文  参考訳（メタデータ） (2021-08-25T07:35:21Z)
• 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)
• Dialog as a Vehicle for Lifelong Learning [24.420113907842147]
  本稿では,生涯学習が可能な対話システムを設計する際の問題点について述べる。 この方向への先行作業の例を含み、対処すべき課題について議論する。
  論文  参考訳（メタデータ） (2020-06-26T03:08:33Z)

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。