論文の概要: Modeling and Visualization Reasoning for Stakeholders in Education and Industry Integration Systems: Research on Structured Synthetic Dialogue Data Generation Based on NIST Standards

• arxiv url: http://arxiv.org/abs/2506.16952v1
• Date: Fri, 20 Jun 2025 12:37:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.444285
• Title: Modeling and Visualization Reasoning for Stakeholders in Education and Industry Integration Systems: Research on Structured Synthetic Dialogue Data Generation Based on NIST Standards
• Title（参考訳）: 教育・産業統合システムにおける利害関係者のモデリングと可視化:NIST標準に基づく構造化合成対話データ生成に関する研究
• Authors: Wei Meng,
• Abstract要約: 本研究では,教育産業統合(EII)システムにおける利害関係者の相互作用の構造的複雑さと意味的あいまいさに対処する。 我々は,NIST(National Institute of Standards and Technology)合成データ品質フレームワークに基づく構造モデリングパラダイムを提案する。
• 参考スコア（独自算出の注目度）: 3.5516803380598074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study addresses the structural complexity and semantic ambiguity in stakeholder interactions within the Education-Industry Integration (EII) system. The scarcity of real interview data, absence of structured variable modeling, and lack of interpretability in inference mechanisms have limited the analytical accuracy and policy responsiveness of EII research. To resolve these challenges, we propose a structural modeling paradigm based on the National Institute of Standards and Technology (NIST) synthetic data quality framework, focusing on consistency, authenticity, and traceability. We design a five-layer architecture that includes prompt-driven synthetic dialogue generation, a structured variable system covering skills, institutional, and emotional dimensions, dependency and causal path modeling, graph-based structure design, and an interactive inference engine. Empirical results demonstrate the effectiveness of the approach using a 15-segment synthetic corpus, with 41,597 tokens, 127 annotated variables, and 820 semantic relationship triples. The model exhibits strong structural consistency (Krippendorff alpha = 0.83), construct validity (RMSEA = 0.048, CFI = 0.93), and semantic alignment (mean cosine similarity > 0.78 via BERT). A key causal loop is identified: system mismatch leads to emotional frustration, reduced participation, skill gaps, and recurrence of mismatch, revealing a structural degradation cycle. This research introduces the first NIST-compliant AI modeling framework for stakeholder systems and provides a foundation for policy simulation, curriculum design, and collaborative strategy modeling.
• Abstract（参考訳）: 本研究では,教育産業統合(EII)システムにおける利害関係者の相互作用の構造的複雑さと意味的あいまいさに対処する。 実インタビューデータの不足、構造化変数モデリングの欠如、推論機構の解釈可能性の欠如は、EII研究の分析精度と政策応答性を制限している。 これらの課題を解決するため,我々は,NIST(National Institute of Standards and Technology)合成データ品質フレームワークに基づく構造モデリングパラダイムを提案し,一貫性,信頼性,トレーサビリティに着目した。 提案する5層アーキテクチャは,プロンプト駆動型合成対話生成,スキル,制度的,感情的次元,依存性と因果経路のモデリング,グラフベース構造設計,対話型推論エンジンを含む。 実験により, 41,597個のトークン, 127個の注釈付き変数, 820個の意味的関係を持つ15個の合成コーパスを用いたアプローチの有効性が示された。 このモデルは強い構造整合性(クリッペンドルフα = 0.83)、構成妥当性(RMSEA = 0.048, CFI = 0.93)、セマンティックアライメント(平均コサイン類似度 > 0.78 via BERT)を示す。 システムミスマッチは、感情的なフラストレーション、参加の減少、スキルギャップ、ミスマッチの再発を引き起こし、構造的劣化サイクルを明らかにする。 本研究は,NIST準拠の利害関係者向けAIモデリングフレームワークを初めて導入し,政策シミュレーション,カリキュラム設計,協調戦略モデリングの基盤を提供する。

関連論文リスト

• Elucidating the Design Space of Multimodal Protein Language Models [69.3650883370033]
  マルチモーダルタンパク質言語モデル(PLM)は、シーケンスとトークンに基づく構造情報を統合する。 本稿では,マルチモーダルPLMの設計空間を体系的に解明し,その限界を克服する。 我々の進歩はよりきめ細かな監督にアプローチし、トークンベースのマルチモーダルPLMが堅牢な構造モデリングを実現することを実証する。
  論文  参考訳（メタデータ） (2025-04-15T17:59:43Z)
• Interpreting token compositionality in LLMs: A robustness analysis [10.777646083061395]
  Constituent-Aware Pooling (CAP)は、大規模言語モデルが言語構造をどのように処理するかを分析するために設計された方法論である。 CAPは様々なモデルレベルで構成型プールを通してモデル活性化に介入する。 本研究は,合成セマンティクス処理とモデル解釈可能性に関する,現在のトランスフォーマーアーキテクチャの基本的制約を明らかにする。
  論文  参考訳（メタデータ） (2024-10-16T18:10:50Z)
• Co-designing heterogeneous models: a distributed systems approach [0.40964539027092917]
  本稿では3つの要素に基づく異種システムに適したモデリング手法を提案する。 モデルとは何かという推論主義的な解釈、分散システムのメタファ、そして協調設計サイクルは、モデルの実践的な設計と構築を記述している。 本手法の適合性について,3つの異なるセキュリティ指向モデルを用いて検討する。
  論文  参考訳（メタデータ） (2024-07-10T13:35:38Z)
• SINKT: A Structure-Aware Inductive Knowledge Tracing Model with Large Language Model [64.92472567841105]
  知識追跡(KT)は、学生が次の質問に正しく答えるかどうかを判断することを目的としている。 大規模言語モデルを用いた構造認識帰納的知識追跡モデル(SINKT) SINKTは、学生の知識状態と質問表現とを相互作用させることで、対象の質問に対する学生の反応を予測する。
  論文  参考訳（メタデータ） (2024-07-01T12:44:52Z)
• Syntax-Informed Interactive Model for Comprehensive Aspect-Based Sentiment Analysis [0.0]
  総合ABSAのためのシンタクティック・依存性強化マルチタスクインタラクション・アーキテクチャ(SDEMTIA)を提案する。 我々のアプローチは、SDEIN(Syntactic Dependency Embedded Interactive Network)を用いた構文知識(依存関係と型)を革新的に活用する。 また,学習効率を高めるために,マルチタスク学習フレームワークに,新規で効率的なメッセージパッシング機構を組み込んだ。
  論文  参考訳（メタデータ） (2023-11-28T16:03:22Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。