論文の概要: T-TExTS (Teaching Text Expansion for Teacher Scaffolding): Enhancing Text Selection in High School Literature through Knowledge Graph-Based Recommendation
- arxiv url: http://arxiv.org/abs/2506.12075v1
- Date: Fri, 06 Jun 2025 17:20:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-22 23:32:14.627297
- Title: T-TExTS (Teaching Text Expansion for Teacher Scaffolding): Enhancing Text Selection in High School Literature through Knowledge Graph-Based Recommendation
- Title（参考訳）: T-TExTS (Teaching Text Expansion for Teacher Scaffolding):知識グラフに基づく勧告による高校文学におけるテキスト選択の促進
- Authors: Nirmal Gelal, Chloe Snow, Ambyr Rios, Hande Küçük McGinty,
- Abstract要約: 本研究は,文学テキストの選択において,初等教育者のための足場を提供するツールの必要性に対処するものである。
我々はT-TExTS(T-TExTS)のための推薦システムを開発した。
知識グラフを用いて、教育的メリット、ジャンル、主題的関連性に基づく高校英語文学の本を示唆する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The implementation of transformational pedagogy in secondary education classrooms requires a broad multiliteracy approach. Due to limited planning time and resources, high school English Literature teachers often struggle to curate diverse, thematically aligned literature text sets. This study addresses the critical need for a tool that provides scaffolds for novice educators in selecting literature texts that are diverse -- in terms of genre, theme, subtheme, and author -- yet similar in context and pedagogical merits. We have developed a recommendation system, Teaching Text Expansion for Teacher Scaffolding (T-TExTS), that suggests high school English Literature books based on pedagogical merits, genre, and thematic relevance using a knowledge graph. We constructed a domain-specific ontology using the KNowledge Acquisition and Representation Methodology (KNARM), transformed into a knowledge graph, which was then embedded using DeepWalk, biased random walk, and a hybrid of both approaches. The system was evaluated using link prediction and recommendation performance metrics, including Area Under the Curve (AUC), Mean Reciprocal Rank (MRR), Hits@K, and normalized Discounted Cumulative Gain (nDCG). DeepWalk outperformed in most ranking metrics, with the highest AUC (0.9431), whereas the hybrid model offered balanced performance. These findings demonstrate the importance of semantic, ontology-driven approaches in recommendation systems and suggest that T-TExTS can significantly ease the burden of English Literature text selection for high school educators, promoting more informed and inclusive curricular decisions. The source code for T-TExTS is available at: https://github.com/koncordantlab/TTExTS
- Abstract（参考訳）: 中等教育教室におけるトランスフォーメーション教育の実践には、幅広いマルチリテラシーのアプローチが必要である。
計画時間と資源が限られているため、高校の英文学教師は多様で、主題的に整合した文学のテキストセットの収集に苦慮することが多い。
この研究は、ジャンル、テーマ、サブテーマ、著者といった多種多様な文学テキストを選択する際に、初級教育者のための足場を提供するツールが、文脈や教育的メリットに類似している、という重要なニーズに対処するものである。
我々は,知識グラフを用いた教育的メリット,ジャンル,主題的妥当性に基づく高校英語文学書の推薦システムT-TExTSを開発した。
我々はKNowledge Acquisition and Representation Methodology (KNARM)を用いてドメイン固有のオントロジーを構築し、知識グラフに変換し、DeepWalk、バイアスドランダムウォーク、および両方のアプローチのハイブリッドを用いて埋め込みました。
このシステムは、AUC(Area Under the Curve)、MRR(Mean Reciprocal Rank)、Hits@K(Hits@K)、正規化Discounted Cumulative Gain(NDCG)など、リンク予測とレコメンデーションパフォーマンス指標を用いて評価された。
DeepWalkは、最も高いAUC(0.9431)と、バランスの取れたパフォーマンスを提供するハイブリッドモデルで、ほとんどのランキングでパフォーマンスが向上した。
これらの結果は,推薦システムにおける意味論的・オントロジー的アプローチの重要性を示し,T-TExTSは高校教育者の英語文学テキスト選択の負担を大幅に軽減し,より情報的かつ包括的なカリキュラム決定を促進することを示唆している。
T-TExTSのソースコードは、https://github.com/koncordantlab/TTExTSで入手できる。
関連論文リスト
- Stay Hungry, Stay Foolish: On the Extended Reading Articles Generation with LLMs [3.2962799070467432]
本研究では,Large Language Models (LLMs) の可能性を探究し,教材作成の合理化を図る。
TED-Ed Dig Deeperセクションを最初の探索として使用し、補足的記事が文脈知識によってどのように豊かになるかを検討する。
実験により,本モデルが高品質なコンテンツと正確なコース提案を生成することを示す。
論文 参考訳（メタデータ） (2025-04-21T10:35:48Z) - Using Generative Text Models to Create Qualitative Codebooks for Student Evaluations of Teaching [0.0]
学生による教育評価(SET)は、教育者にとって重要なフィードバック源である。
SETのコレクションは、管理者がコースやプログラム全体の信号として役立つ。
自然言語処理(NLP)と大規模言語モデル(LLM)を用いてSETを解析する新しい手法について論じる。
論文 参考訳（メタデータ） (2024-03-18T17:21:35Z) - A Benchmark for Text Expansion: Datasets, Metrics, and Baselines [87.47745669317894]
本研究はテキスト拡張(TE)の新たな課題として,平文の適切な位置に細粒度修飾子を挿入することを目的とする。
補完的な4つのアプローチを活用して、1200万の自動生成インスタンスと2Kの人間注釈付き参照を持つデータセットを構築します。
事前訓練されたテキストインフィルモデルの上にパイプラインと共同でLocate&Infillモデルを構築し、Text2Textベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-09-17T07:54:38Z) - Flesch or Fumble? Evaluating Readability Standard Alignment of
Instruction-Tuned Language Models [4.867923281108005]
各種のオープンソース・クローズド・ソース・インストラクション・チューニング言語モデルを選択し、ストーリー・コンプリートの作成や物語の簡略化におけるそれらの性能について検討する。
以上の結果から,ChatGPTのような世界規模で認識されているモデルがより効果的であり,これらの生成タスクに対してより洗練されたプロンプトを必要とする可能性が示唆された。
論文 参考訳（メタデータ） (2023-09-11T13:50:38Z) - Harnessing Explanations: LLM-to-LM Interpreter for Enhanced
Text-Attributed Graph Representation Learning [51.90524745663737]
重要なイノベーションは、機能として説明を使用することで、下流タスクにおけるGNNのパフォーマンス向上に利用できます。
提案手法は、確立されたTAGデータセットの最先端結果を実現する。
本手法はトレーニングを著しく高速化し,ogbn-arxivのベースラインに最も近い2.88倍の改善を実現した。
論文 参考訳（メタデータ） (2023-05-31T03:18:03Z) - ConGraT: Self-Supervised Contrastive Pretraining for Joint Graph and Text Embeddings [20.25180279903009]
テキスト分散グラフ(TAG)におけるテキストとノードの分離表現を共同学習するためのContrastive Graph-Text Pretraining(ConGraT)を提案する。
提案手法は言語モデル(LM)とグラフニューラルネットワーク(GNN)を訓練し,CLIPにインスパイアされたバッチワイドコントラスト学習目標を用いて,それらの表現を共通の潜在空間に整列させる。
実験により、ConGraTは、ノードとテキストのカテゴリ分類、リンク予測、言語モデリングなど、さまざまな下流タスクのベースラインよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-05-23T17:53:30Z) - LASP: Text-to-Text Optimization for Language-Aware Soft Prompting of
Vision & Language Models [67.19124099815645]
ベースクラスオーバーフィットを軽減するために,Language-Aware Soft Prompting (LASP) 学習手法を提案する。
LASPは本質的に、トレーニング中に仮想クラス、すなわちビジュアルサンプルが使用できないクラス名を含むことができる。
LASPは、手作りのプロンプトとCLIPによる11のテストデータセットのうち8つの新しいクラスの精度が初めて一致し、上回っている。
論文 参考訳（メタデータ） (2022-10-03T17:56:35Z) - Using Machine Learning and Natural Language Processing Techniques to
Analyze and Support Moderation of Student Book Discussions [0.0]
IMapBookプロジェクトは、小学生のリテラシー向上と理解能力向上を目的として、インタラクティブな電子書籍を提示し、中途半端な本議論に参加することを目的としている。
本研究の目的は、メッセージ分類に対する機械学習ベースのアプローチを開発し、介入の必要性を議論モデレーターに自動的に通知し、進行中の議論に関する他の有用な情報を収集することである。
論文 参考訳（メタデータ） (2020-11-23T20:33:09Z) - Context-Based Quotation Recommendation [60.93257124507105]
本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。
これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。
音声テキストと関連するニュース記事の収集実験を行う。
論文 参考訳（メタデータ） (2020-05-17T17:49:53Z) - Object Relational Graph with Teacher-Recommended Learning for Video
Captioning [92.48299156867664]
本稿では,新しいモデルと効果的なトレーニング戦略の両方を含む完全なビデオキャプションシステムを提案する。
具体的には,オブジェクトリレーショナルグラフ(ORG)に基づくエンコーダを提案する。
一方,教師推薦学習(TRL)手法を設計し,成功した外部言語モデル(ELM)をフル活用し,豊富な言語知識をキャプションモデルに統合する。
論文 参考訳（メタデータ） (2020-02-26T15:34:52Z)
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。