論文の概要: Towards Comprehensive Argument Analysis in Education: Dataset, Tasks, and Method

• arxiv url: http://arxiv.org/abs/2505.12028v1
• Date: Sat, 17 May 2025 14:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.998003
• Title: Towards Comprehensive Argument Analysis in Education: Dataset, Tasks, and Method
• Title（参考訳）: 教育における包括的論証分析に向けて:データセット,課題,方法
• Authors: Yupei Ren, Xinyi Zhou, Ning Zhang, Shangqing Zhao, Man Lan, Xiaopeng Bai,
• Abstract要約: 垂直次元と水平次元の両方から,14種類の微粒な関係型を提案する。 議論コンポーネント検出,関係予測,エッセイ自動評価という3つの課題について実験を行った。 本研究は, 文質評価のための詳細な論証アノテーションの重要性を強調し, 多次元論証分析を奨励するものである。
• 参考スコア（独自算出の注目度）: 14.718309497236694
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Argument mining has garnered increasing attention over the years, with the recent advancement of Large Language Models (LLMs) further propelling this trend. However, current argument relations remain relatively simplistic and foundational, struggling to capture the full scope of argument information, particularly when it comes to representing complex argument structures in real-world scenarios. To address this limitation, we propose 14 fine-grained relation types from both vertical and horizontal dimensions, thereby capturing the intricate interplay between argument components for a thorough understanding of argument structure. On this basis, we conducted extensive experiments on three tasks: argument component detection, relation prediction, and automated essay grading. Additionally, we explored the impact of writing quality on argument component detection and relation prediction, as well as the connections between discourse relations and argumentative features. The findings highlight the importance of fine-grained argumentative annotations for argumentative writing quality assessment and encourage multi-dimensional argument analysis.
• Abstract（参考訳）: 近年のLarge Language Models (LLMs) の発展により、この傾向はさらに加速している。 しかし、現在の議論関係は比較的単純で基礎的であり、特に現実世界のシナリオにおける複雑な議論構造を表現する場合、議論情報の完全な範囲を捉えることに苦慮している。 この制限に対処するため,垂直次元と水平次元の両方から14種類の微粒な関係型を提案する。 そこで我々は,3つの課題(議論成分の検出,関係予測,エッセイ自動評価)について広範な実験を行った。 さらに,文質が論証成分の検出と関係予測に及ぼす影響や,論証関係と論証的特徴の関連性についても検討した。 本研究は, 文質評価のための詳細な論証アノテーションの重要性を強調し, 多次元論証分析を奨励するものである。

関連論文リスト

• Path-of-Thoughts: Extracting and Following Paths for Robust Relational Reasoning with Large Language Models [62.12031550252253]
  本稿では,関係推論に対処するための新しいフレームワークであるPath-of-Thoughts(PoT)を提案する。 PoTは、問題コンテキスト内の重要なエンティティ、関係、属性を識別するタスクに依存しないグラフを効率的に抽出する。 PoTは、提案された質問に対応するグラフ内の関連する推論連鎖を特定し、潜在的な答えの推論を容易にする。
  論文  参考訳（メタデータ） (2024-12-23T20:27:12Z)
• Generation of Explanations for Logic Reasoning [0.0]
  この研究は、GPT-3.5-turboを用いて、フォーティオリの議論の分析を自動化することに集中している。 この論文は人工知能と論理的推論の分野に多大な貢献をしている。
  論文  参考訳（メタデータ） (2023-11-22T15:22:04Z)
• A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
  Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。 提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
  論文  参考訳（メタデータ） (2023-10-18T20:18:05Z)
• Explainable Topic-Enhanced Argument Mining from Heterogeneous Sources [33.62800469391487]
  核エネルギーのような物議を醸す標的が与えられれば、議論の採鉱は異質な情報源から議論のテキストを識別することを目的としている。 現在のアプローチでは、ターゲット関連セマンティック情報を議論テキストに統合するより良い方法を模索している。 提案手法は, トピック・エンハンスな議論マイニング手法である。
  論文  参考訳（メタデータ） (2023-07-22T17:26:55Z)
• On the Visualisation of Argumentation Graphs to Support Text Interpretation [2.3226893628361682]
  本研究は,議論の解釈を支援するための正規テキストと比較して,議論グラフ(AG)の影響を分析することに焦点を当てた。 AGは、特に馴染みのないトピックにおいて、議論の解釈に対してより批判的なアプローチを提供すると考えられていた。
  論文  参考訳（メタデータ） (2023-03-06T15:51:30Z)
• Towards Preserving Semantic Structure in Argumentative Multi-Agent via Abstract Interpretation [0.0]
  モデルチェックの観点から抽象概念を考察する。 いくつかの議論は、様々な観点から同じ位置を守り、議論フレームワークのサイズを減らそうとしている。
  論文  参考訳（メタデータ） (2022-11-28T21:32:52Z)
• Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
  本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。 本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:49:19Z)
• ConvoSumm: Conversation Summarization Benchmark and Improved Abstractive Summarization with Argument Mining [61.82562838486632]
  我々は、さまざまなオンライン会話形式のニュースコメント、ディスカッションフォーラム、コミュニティ質問応答フォーラム、電子メールスレッドに関する4つの新しいデータセットをクラウドソースする。 我々は、データセットの最先端モデルをベンチマークし、データに関連する特徴を分析します。
  論文  参考訳（メタデータ） (2021-06-01T22:17:13Z)
• High-order Semantic Role Labeling [86.29371274587146]
  本稿では,ニューラルセマンティックロールラベリングモデルのための高階グラフ構造を提案する。 これにより、モデルは孤立述語-引数対だけでなく、述語-引数対間の相互作用も明示的に考慮することができる。 CoNLL-2009ベンチマークの7つの言語に対する実験結果から、高次構造学習技術は強力なSRLモデルに有益であることが示された。
  論文  参考訳（メタデータ） (2020-10-09T15:33:54Z)
• Aspect-Controlled Neural Argument Generation [65.91772010586605]
  我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。 評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。 これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
  論文  参考訳（メタデータ） (2020-04-30T20:17:22Z)

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。