論文の概要: Transfer Learning for Automated Feedback Generation on Small Datasets

• arxiv url: http://arxiv.org/abs/2503.11836v1
• Date: Fri, 14 Mar 2025 19:57:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:36:13.354429
• Title: Transfer Learning for Automated Feedback Generation on Small Datasets
• Title（参考訳）: 小型データセットを用いた自動フィードバック生成のための伝達学習
• Authors: Oscar Morris,
• Abstract要約: 人間のマーカーに依存する場合、このフィードバックをタイムリーかつ正確にすることは難しい。 本稿では,非常に長いシーケンスを持つ非常に小さなデータセット上で,そのようなシステムを訓練する手法について述べる。 実世界における自動評価・フィードバック生成システムの利用についても論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Feedback is a very important part the learning process. However, it is challenging to make this feedback both timely and accurate when relying on human markers. This is the challenge that Automated Feedback Generation attempts to address. In this paper, a technique to train such a system on a very small dataset with very long sequences is presented. Both of these attributes make this a very challenging task, however, by using a three stage transfer learning pipeline state-of-the-art results can be achieved with qualitatively accurate but unhuman sounding results. The use of both Automated Essay Scoring and Automated Feedback Generation systems in the real world is also discussed.
• Abstract（参考訳）: フィードバックは学習プロセスの重要な部分です。 しかし、人間のマーカーに依存する場合、このフィードバックをタイムリーかつ正確にすることは困難である。 これが、自動フィードバック生成(Automated Feedback Generation)が解決しようとする課題である。 本稿では,非常に長いシーケンスを持つ非常に小さなデータセット上で,そのようなシステムを訓練する手法について述べる。 これらの属性はどちらも非常に難しいタスクであるが、3段階の伝達学習パイプラインを用いて、定性的に正確だが非人間的な音響結果が得られる。 実世界における自動評価・フィードバック生成システムの利用についても論じる。

関連論文リスト

• Automated data processing and feature engineering for deep learning and big data applications: a survey [0.0]
  現代の人工知能(AI)のアプローチは、データから直接学習するアルゴリズムを設計することを目的としている。 従来のディープラーニングパイプラインのすべてのデータ処理タスクが自動化されたわけではない。
  論文  参考訳（メタデータ） (2024-03-18T01:07:48Z)
• Summarization with Graphical Elements [55.5913491389047]
  本稿では,グラフィカル要素による要約という新しい課題を提案する。 タスクの研究を支援するために,高品質なラベル付きデータセットを収集する。
  論文  参考訳（メタデータ） (2022-04-15T17:16:41Z)
• Transfer Learning for Autonomous Chatter Detection in Machining [0.9281671380673306]
  大振幅のシャッター振動は加工過程において最も重要な現象の1つである。 業界全体でのチャット検出に機械学習を適用する上で、3つの課題が特定できる。 これら3つの課題は、移行学習の傘の下でグループ化することができる。
  論文  参考訳（メタデータ） (2022-04-11T20:46:06Z)
• Toward Educator-focused Automated Scoring Systems for Reading and Writing [0.0]
  本稿では,データとラベルの可用性,信頼性と拡張性,ドメインスコアリング,プロンプトとソースの多様性,伝達学習といった課題に対処する。 モデルトレーニングコストを増大させることなく、エッセイの長さを重要な特徴として保持する技術を採用している。
  論文  参考訳（メタデータ） (2021-12-22T15:44:30Z)
• LID 2020: The Learning from Imperfect Data Challenge Results [242.86700551532272]
  Imperfect Dataワークショップからの学習は、新しいアプローチの開発に刺激を与え、促進することを目的としている。 我々は、弱教師付き学習環境における最先端のアプローチを見つけるために、3つの課題を編成する。 この技術的レポートは、課題のハイライトを要約している。
  論文  参考訳（メタデータ） (2020-10-17T13:06:12Z)
• Scaling Systematic Literature Reviews with Machine Learning Pipelines [57.82662094602138]
  体系的なレビューは、科学的文書からデータを抽出する。 これらの側面をそれぞれ自動化するパイプラインを構築し、多くの人間時間対システム品質トレードオフを実験します。 人間の専門的アノテーションの2週間だけで、パイプラインシステム全体の驚くほどの精度と一般性が得られることが分かりました。
  論文  参考訳（メタデータ） (2020-10-09T16:19:42Z)
• Visual Imitation Made Easy [102.36509665008732]
  本稿では,ロボットへのデータ転送を容易にしながら,データ収集プロセスを単純化する,模倣のための代替インターフェースを提案する。 我々は、データ収集装置やロボットのエンドエフェクターとして、市販のリーチ・グラブラー補助具を使用する。 我々は,非包括的プッシュと包括的積み重ねという2つの課題について実験的に評価した。
  論文  参考訳（メタデータ） (2020-08-11T17:58:50Z)
• Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
  ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。 本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。 その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-04T08:59:17Z)
• The World is Not Binary: Learning to Rank with Grayscale Data for Dialogue Response Selection [55.390442067381755]
  人間の努力なしに、グレースケールのデータを自動的に構築できることが示される。 本手法では,自動グレースケールデータ生成装置として,市販の応答検索モデルと応答生成モデルを用いる。 3つのベンチマークデータセットと4つの最先端マッチングモデルの実験は、提案手法が大幅に、一貫したパフォーマンス改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2020-04-06T06:34:54Z)

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。