論文の概要: Comparing Native and Non-native English Speakers' Behaviors in Collaborative Writing through Visual Analytics

• arxiv url: http://arxiv.org/abs/2502.18681v1
• Date: Tue, 25 Feb 2025 22:39:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:59:29.136534
• Title: Comparing Native and Non-native English Speakers' Behaviors in Collaborative Writing through Visual Analytics
• Title（参考訳）: 視覚分析による協調文章作成における母語話者と非母語話者の行動の比較
• Authors: Yuexi Chen, Yimin Xiao, Kazi Tasnim Zinat, Naomi Yamashita, Ge Gao, Zhicheng Liu,
• Abstract要約: textscCOALAは、著者クラスタに不確実性を表示することによって、モデルの解釈可能性を改善する新しいビジュアル分析ツールである。 我々は、参加者がtextscCOALA を用いて発見した知見を提示し、将来のAI支援共同執筆ツールの機能を提案する。
• 参考スコア（独自算出の注目度）: 22.95323370401823
• License:
• Abstract: Understanding collaborative writing dynamics between native speakers (NS) and non-native speakers (NNS) is critical for enhancing collaboration quality and team inclusivity. In this paper, we partnered with communication researchers to develop visual analytics solutions for comparing NS and NNS behaviors in 162 writing sessions across 27 teams. The primary challenges in analyzing writing behaviors are data complexity and the uncertainties introduced by automated methods. In response, we present \textsc{COALA}, a novel visual analytics tool that improves model interpretability by displaying uncertainties in author clusters, generating behavior summaries using large language models, and visualizing writing-related actions at multiple granularities. We validated the effectiveness of \textsc{COALA} through user studies with domain experts (N=2+2) and researchers with relevant experience (N=8). We present the insights discovered by participants using \textsc{COALA}, suggest features for future AI-assisted collaborative writing tools, and discuss the broader implications for analyzing collaborative processes beyond writing.
• Abstract（参考訳）: ネイティブスピーカー(NS)と非ネイティブスピーカー(NNS)のコラボレーティブな記述のダイナミクスを理解することは、コラボレーションの品質とチームの傾きを高める上で非常に重要です。 本稿では,コミュニケーション研究者と共同で,27チーム162の書き込みセッションにおいて,NSとNSの挙動を比較する視覚分析ソリューションを開発した。 書き込みの振る舞いを分析する上での最大の課題は、データ複雑性と、自動化されたメソッドによって導入された不確実性である。 そこで本研究では,著者クラスタに不確実性を表示し,大規模言語モデルを用いて振る舞いの要約を生成し,複数の粒度で記述関連アクションを可視化することにより,モデル解釈性を向上させる新しい視覚解析ツールであるtextsc{COALA}を提案する。 ドメインエキスパート (N=2+2) および関連する経験を持つ研究者 (N=8) とのユーザスタディにより, textsc{COALA} の有効性を検証した。 本稿では, 参加者が textsc{COALA} を用いて発見した知見を提示し, 今後のAI支援協調書記ツールの機能を提案するとともに, 書記以外の協力的プロセスを解析するための幅広い意味を論じる。

関連論文リスト

• Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
  ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。 NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。 本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-22T17:55:07Z)
• Fine-Grained Analysis of Team Collaborative Dialogue [1.363890704621148]
  Slackチャットを用いたソフトウェア開発領域における説明可能な分析ツールの開発に向けた最初の取り組みについて説明する。 本研究では,対話行動の発生頻度に基づく記述的メトリクスの設計と,長距離コンテキストを組み込むための変換器+CRFアーキテクチャを用いた初期結果を作成する。
  論文  参考訳（メタデータ） (2023-12-09T05:38:32Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• Multi-Dimensional Evaluation of Text Summarization with In-Context Learning [79.02280189976562]
  本稿では,テキスト内学習を用いた多次元評価器として,大規模言語モデルの有効性について検討する。 実験の結果,テキスト要約作業において,文脈内学習に基づく評価手法が学習評価フレームワークと競合していることが判明した。 次に、テキスト内サンプルの選択や数などの要因がパフォーマンスに与える影響を分析する。
  論文  参考訳（メタデータ） (2023-06-01T23:27:49Z)
• Lexical Complexity Prediction: An Overview [13.224233182417636]
  テキスト中の未知の単語の発生は、読書の理解を著しく妨げている。 計算モデリングは、テキスト中の複雑な単語を識別し、より単純な代替語に置き換えるために応用されている。 本稿では,英文データに基づく語彙複雑性予測に対する計算手法の概要について述べる。
  論文  参考訳（メタデータ） (2023-03-08T19:35:08Z)
• M-SENSE: Modeling Narrative Structure in Short Personal Narratives Using Protagonist's Mental Representations [14.64546899992196]
  本研究では,登場人物の心的状態の推測を解析し,物語構造の顕著な要素を自動的に検出するタスクを提案する。 本稿では,物語構造の主要な要素,特にクライマックスと解像度のマニュアルアノテーションを含む,短い個人物語のSTORIESデータセットを紹介する。 我々のモデルは、クライマックスと解像度を識別するタスクにおいて、大幅な改善を達成できる。
  論文  参考訳（メタデータ） (2023-02-18T20:48:02Z)
• Deep Emotion Recognition in Textual Conversations: A Survey [0.8602553195689513]
  新しいアプリケーションと実装シナリオは、新しい課題と機会を示します。 これらは会話の文脈、話者、感情のダイナミクスのモデリングから、一般的な感覚表現の解釈まで様々である。 この調査は、アンバランスなデータに対処するテクニックを活用する利点を強調している。
  論文  参考訳（メタデータ） (2022-11-16T19:42:31Z)
• Negation, Coordination, and Quantifiers in Contextualized Language Models [4.46783454797272]
  機能語の意味的制約が学習されるかどうか, 周辺環境が組み込む環境に与える影響について検討する。 我々は、適切なデータセットを作成し、LMs vis-a-vis関数ワードの内部動作に関する新たな洞察を提供し、質的分析のための補助的なビジュアルWebインターフェースを実装した。
  論文  参考訳（メタデータ） (2022-09-16T10:01:11Z)
• Visualizing the Relationship Between Encoded Linguistic Information and Task Performance [53.223789395577796]
  本稿では,Pareto Optimalityの観点から,符号化言語情報とタスクパフォーマンスの動的関係について検討する。 我々は、機械翻訳と言語モデリングという2つの一般的なNLPタスクの実験を行い、様々な言語情報とタスクパフォーマンスの関係について検討する。 実験結果から,NLPタスクには構文情報が有用であるのに対して,より構文情報の符号化が必ずしも優れたパフォーマンスをもたらすとは限らないことが示唆された。
  論文  参考訳（メタデータ） (2022-03-29T19:03:10Z)
• CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities [92.79451009324268]
  我々は,GPT-3の創造的かつ議論的な記述を支援する能力を明らかにするために設計されたデータセットであるCoAuthorを提案する。 我々は、CoAuthorがGPT-3の言語、アイデア、コラボレーション機能に関する問題に対処できることを実証した。 インタラクション設計に関して,この作業がLMの約束や落とし穴に関して,より原則化された議論を促進する可能性について論じる。
  論文  参考訳（メタデータ） (2022-01-18T07:51:57Z)

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。