論文の概要: EduCoder: An Open-Source Annotation System for Education Transcript Data

• arxiv url: http://arxiv.org/abs/2507.05385v1
• Date: Mon, 07 Jul 2025 18:15:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.292539
• Title: EduCoder: An Open-Source Annotation System for Education Transcript Data
• Title（参考訳）: EduCoder:教育用テキストデータのためのオープンソースのアノテーションシステム
• Authors: Guanzhong Pan, Mei Tan, Hyunji Nam, Lucía Langlois, James Malamut, Liliana Deonizio, Dorottya Demszky,
• Abstract要約: EduCoderは、教育対話の発話レベルアノテーションをサポートするように設計されたドメイン特化ツールである。 研究者やドメインの専門家が、観測データに基づいたコードブックを共同で定義するためのプラットフォームを提供する。 分類的およびオープンなアノテーションタイプと文脈的素材を取り入れている。
• 参考スコア（独自算出の注目度）: 1.21874133788585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce EduCoder, a domain-specialized tool designed to support utterance-level annotation of educational dialogue. While general-purpose text annotation tools for NLP and qualitative research abound, few address the complexities of coding education dialogue transcripts -- with diverse teacher-student and peer interactions. Common challenges include defining codebooks for complex pedagogical features, supporting both open-ended and categorical coding, and contextualizing utterances with external features, such as the lesson's purpose and the pedagogical value of the instruction. EduCoder is designed to address these challenges by providing a platform for researchers and domain experts to collaboratively define complex codebooks based on observed data. It incorporates both categorical and open-ended annotation types along with contextual materials. Additionally, it offers a side-by-side comparison of multiple annotators' responses, allowing comparison and calibration of annotations with others to improve data reliability. The system is open-source, with a demo video available.
• Abstract（参考訳）: 教育対話の発話レベルアノテーションをサポートするために設計されたドメイン特化ツールであるEduCoderを紹介する。 NLPや定性的な研究のための汎用的なテキストアノテーションツールが増えているが、プログラミング教育の対話の書き起こしの複雑さに対処する人はほとんどいない。 一般的な課題としては、複雑な教育機能のためのコードブックの定義、オープンエンドとカテゴリコーディングの両方のサポート、授業の目的や教育的価値といった外部機能による発話の文脈化などがある。 EduCoderは、研究者やドメインの専門家が観測データに基づいて複雑なコードブックを共同で定義するためのプラットフォームを提供することによって、これらの課題に対処するように設計されている。 分類的およびオープンなアノテーションタイプと文脈的材料の両方を取り入れている。 さらに、複数のアノテータのレスポンスを並べて比較し、アノテーションと他のアノテーションの比較と校正によってデータの信頼性が向上する。 このシステムはオープンソースで、デモビデオが公開されている。

関連論文リスト

• Intent Matters: Enhancing AI Tutoring with Fine-Grained Pedagogical Intent Annotation [5.016171607846873]
  教師意図の微粒化アノテーションにより,LLM生成学習の質が向上することを示す。 本研究では,数学教育のためのダイアログ・データセットであるMathDialに着目し,自動アノテーション・フレームワークを用いてデータセットの一部を注釈付けする。 次に、これらのアノテーションを使用してLPMを微調整し、その性能を元の4つの分類体系に基づいて訓練されたモデルと比較する。
  論文  参考訳（メタデータ） (2025-06-09T10:45:18Z)
• Encoding Version History Context for Better Code Representation [13.045078976464307]
  本稿では,コードクローンを予測し,コード分類を行うために,バージョン履歴からコンテキスト情報を符号化することの潜在的な利点について,予備的な証拠を示す。 技術が一貫して機能するためには、コンテキスト、集約、モデルの異なる組み合わせを使用して、より大きなコードベースに関する包括的な調査を行う必要があります。
  論文  参考訳（メタデータ） (2024-02-06T07:35:36Z)
• Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
  本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-12-18T06:41:23Z)
• Uncovering Hidden Connections: Iterative Search and Reasoning for Video-grounded Dialog [81.2968606962913]
  ビデオグラウンドダイアログは、正確な応答生成のために、ダイアログ履歴とビデオコンテンツの両方を深く理解する必要がある。 本稿では,テキストエンコーダ,ビジュアルエンコーダ,ジェネレータで構成される反復探索・推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:37:13Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• Reasoning in Dialog: Improving Response Generation by Context Reading Comprehension [49.92173751203827]
  マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。 読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
  論文  参考訳（メタデータ） (2020-12-14T10:58:01Z)

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。