論文の概要: Towards Actionable Pedagogical Feedback: A Multi-Perspective Analysis of Mathematics Teaching and Tutoring Dialogue

• arxiv url: http://arxiv.org/abs/2505.07161v1
• Date: Mon, 12 May 2025 00:48:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.230328
• Title: Towards Actionable Pedagogical Feedback: A Multi-Perspective Analysis of Mathematics Teaching and Tutoring Dialogue
• Title（参考訳）: 行動可能な教育的フィードバックに向けて--数学教育と学習対話の多面的分析
• Authors: Jannatun Naim, Jie Cao, Fareen Tasneem, Jennifer Jacobs, Brent Milne, James Martin, Tamara Sumner,
• Abstract要約: 本稿では,対話行動とドメイン固有の会話動作を統合した多視点談話分析を提案する。 私たちのフレームワークは、人間の教育者からのフィードバックを提供するのに役立ちますが、AIエージェントの開発にも役立ちます。
• 参考スコア（独自算出の注目度）: 6.13173513227026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective feedback is essential for refining instructional practices in mathematics education, and researchers often turn to advanced natural language processing (NLP) models to analyze classroom dialogues from multiple perspectives. However, utterance-level discourse analysis encounters two primary challenges: (1) multifunctionality, where a single utterance may serve multiple purposes that a single tag cannot capture, and (2) the exclusion of many utterances from domain-specific discourse move classifications, leading to their omission in feedback. To address these challenges, we proposed a multi-perspective discourse analysis that integrates domain-specific talk moves with dialogue act (using the flattened multi-functional SWBD-MASL schema with 43 tags) and discourse relation (applying Segmented Discourse Representation Theory with 16 relations). Our top-down analysis framework enables a comprehensive understanding of utterances that contain talk moves, as well as utterances that do not contain talk moves. This is applied to two mathematics education datasets: TalkMoves (teaching) and SAGA22 (tutoring). Through distributional unigram analysis, sequential talk move analysis, and multi-view deep dive, we discovered meaningful discourse patterns, and revealed the vital role of utterances without talk moves, demonstrating that these utterances, far from being mere fillers, serve crucial functions in guiding, acknowledging, and structuring classroom discourse. These insights underscore the importance of incorporating discourse relations and dialogue acts into AI-assisted education systems to enhance feedback and create more responsive learning environments. Our framework may prove helpful for providing human educator feedback, but also aiding in the development of AI agents that can effectively emulate the roles of both educators and students.
• Abstract（参考訳）: 効果的なフィードバックは数学教育における教育実践の洗練に不可欠であり、研究者は様々な視点から教室の対話を分析するために高度な自然言語処理(NLP)モデルに目を向けることが多い。 しかし, 発話レベルの談話分析では, 1つの発話が1つのタグが取得できない複数の目的を果たす多機能性, 2ドメイン固有の談話移動分類から多くの発話を排除し, フィードバックの欠落につながる2つの主な課題に遭遇する。 これらの課題に対処するために、ドメイン固有の会話動作を対話行為(43個のタグを持つフラット化された多機能SWBD-MASLスキーマ)と談話関係(16個の関係を持つセグメンテッド・談話表現理論の適用)と統合する多視点談話分析を提案した。 トップダウン分析フレームワークは、話の動きを含まない発話だけでなく、話の動きを含まない発話を包括的に理解することを可能にする。 これは、TalkMoves (Teaching)とSAGA22 (tutoring)の2つの数学教育データセットに適用される。 分散ユニグラム分析,シーケンシャル・トーク・ムーブ分析,マルチビュー・ディープ・ダイブを通じて,有意義な談話パターンを発見し,会話の移動を伴わない発話の重要な役割を明らかにした。 これらの知見は、対話関係と対話行為をAI支援教育システムに取り入れることの重要性を強調し、フィードバックを高め、より応答性の高い学習環境を構築する。 我々のフレームワークは、人間の教育者のフィードバックを提供するのに役立ち、また、教育者と学生の両方の役割を効果的にエミュレートできるAIエージェントの開発にも役立ちます。

関連論文リスト

• Unsupervised Mutual Learning of Discourse Parsing and Topic Segmentation in Dialogue [37.618612723025784]
  対話システムでは、会話の焦点の管理と対話のコーディネートにおいて、会話が重要な役割を果たす。 修辞的構造と主題的構造という2つの重要な構造から構成される。 我々は、修辞構造とトピック構造を統合する統一表現を導入し、それら間のセマンティック一貫性を確保する。 本稿では,レトリック構造とトピック構造を協調的にモデル化し,追加アノテーションを必要とせずに相互に強化できる教師なし相互学習フレームワーク(UMLF)を提案する。
  論文  参考訳（メタデータ） (2024-05-30T08:10:50Z)
• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• Channel-aware Decoupling Network for Multi-turn Dialogue Comprehension [81.47133615169203]
  本稿では,PrLMの逐次文脈化を超えて,発話間の包括的相互作用のための合成学習を提案する。 私たちは、モデルが対話ドメインに適応するのを助けるために、ドメイン適応型トレーニング戦略を採用しています。 実験の結果,提案手法は4つの公開ベンチマークデータセットにおいて,強力なPrLMベースラインを著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2023-01-10T13:18:25Z)
• Who says like a style of Vitamin: Towards Syntax-Aware DialogueSummarization using Multi-task Learning [2.251583286448503]
  個々の話者からの発声と独特の統語構造との関係に焦点をあてる。 話者は、音声プリントのような言語情報を含むことができる独自のテキストスタイルを持つ。 構文認識情報と対話要約の両方をマルチタスクで学習する。
  論文  参考訳（メタデータ） (2021-09-29T05:30:39Z)
• Filling the Gap of Utterance-aware and Speaker-aware Representation for Multi-turn Dialogue [76.88174667929665]
  マルチターン対話は、2つ以上の異なる話者の役割から複数の発話からなる。 既存の検索に基づくマルチターン対話モデルでは、事前訓練された言語モデル(PrLM)をエンコーダとして、対話を粗く表現する。 本稿では,対話履歴に係わる効果的な発話認識表現と話者認識表現をモデル化することにより,そのようなギャップを埋める新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-09-14T15:07:19Z)
• Masking Orchestration: Multi-task Pretraining for Multi-role Dialogue Representation Learning [50.5572111079898]
  マルチロール対話理解は、質問応答、行動分類、対話要約など、幅広い多様なタスクを含む。 対話コーパスは豊富に利用可能であるが、特定の学習タスクのためのラベル付きデータは非常に不足しており、高価である。 本研究では,教師なし事前学習タスクを用いた対話文脈表現学習について検討する。
  論文  参考訳（メタデータ） (2020-02-27T04:36:52Z)

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。