論文の概要: The Impact of Background Speech on Interruption Detection in Collaborative Groups

• arxiv url: http://arxiv.org/abs/2507.07280v1
• Date: Wed, 09 Jul 2025 20:57:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.203961
• Title: The Impact of Background Speech on Interruption Detection in Collaborative Groups
• Title（参考訳）: 協調グループにおける背景音声が割り込み検出に及ぼす影響
• Authors: Mariah Bradford, Nikhil Krishnaswamy, Nathaniel Blanchard,
• Abstract要約: 単一会話と複数グループ対話設定における割り込み検出を解析する。 そして、重なり合う音声に対して頑健な割り込み識別のための最先端の手法を作成する。 我々の研究は、グループ間相互作用における割り込みがどのように現れるかについて、意味のある言語的・韻律的な情報に焦点を当てている。
• 参考スコア（独自算出の注目度）: 4.413246337852144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interruption plays a crucial role in collaborative learning, shaping group interactions and influencing knowledge construction. AI-driven support can assist teachers in monitoring these interactions. However, most previous work on interruption detection and interpretation has been conducted in single-conversation environments with relatively clean audio. AI agents deployed in classrooms for collaborative learning within small groups will need to contend with multiple concurrent conversations -- in this context, overlapping speech will be ubiquitous, and interruptions will need to be identified in other ways. In this work, we analyze interruption detection in single-conversation and multi-group dialogue settings. We then create a state-of-the-art method for interruption identification that is robust to overlapping speech, and thus could be deployed in classrooms. Further, our work highlights meaningful linguistic and prosodic information about how interruptions manifest in collaborative group interactions. Our investigation also paves the way for future works to account for the influence of overlapping speech from multiple groups when tracking group dialog.
• Abstract（参考訳）: 中断は、協調学習、グループ間相互作用の形成、知識構築への影響において重要な役割を果たす。 AIによるサポートは、教師がこれらのインタラクションを監視するのを助ける。 しかし,従来の割り込み検出と解釈に関するほとんどの研究は,比較的クリーンな音声を用いた単一会話環境で行われている。 小さなグループ内で協調学習するために教室にデプロイされたAIエージェントは、複数の同時会話と競合する必要がある。 本研究では,単一会話と複数グループ対話設定における割り込み検出を解析する。 次に、重なり合う音声に対して頑健な割り込み識別のための最先端の手法を作成し、教室に展開する。 さらに,協調的なグループ間相互作用における割り込みの出現について,意味のある言語的・韻律的情報を強調した。 また,グループダイアログの追跡において,複数グループからの重複音声の影響を考慮し,今後の課題を考察する。

関連論文リスト

• Speech Is Not Enough: Interpreting Nonverbal Indicators of Common Knowledge and Engagement [17.25829281965904]
  マルチモーダル分析は、グループメンバーの非言語的相互作用を特定するために重要である。 本稿では,教室における学生のタスク指向インタラクションにおける非言語行動の検出と追跡について紹介する。
  論文  参考訳（メタデータ） (2024-12-08T03:26:44Z)
• Conversational Rubert for Detecting Competitive Interruptions in ASR-Transcribed Dialogues [0.6138671548064356]
  割り込みを自動的に分類するシステムは、コールセンター、特に顧客満足度モニタリングとエージェントモニタリングのタスクで利用することができる。 我々は、ASRで書き起こされた顧客サポート電話対話からなる社内データセットをロシア語で作成し、テキストベースの割り込み分類モデルを開発した。
  論文  参考訳（メタデータ） (2024-07-20T17:25:53Z)
• Analysing Cross-Speaker Convergence in Face-to-Face Dialogue through the Lens of Automatically Detected Shared Linguistic Constructions [4.216085185442862]
  本研究は,参照通信コーパスに対する共用補間構造の自動検出手法を適用した。 そこで本研究では,共用構造物の相互作用における利用パターンを明らかにし,その頻度や参照対象の異なる構成量などの特徴が,オブジェクトラベルの収束度と関連していることを明らかにした。
  論文  参考訳（メタデータ） (2024-05-14T12:34:25Z)
• With a Little Help from my (Linguistic) Friends: Topic Segmentation of Multi-party Casual Conversations [0.565395466029518]
  本稿では,最近の機械学習に基づくトピックセグメンテーションモデルと同等の精度を達成しようとする。 このタスクで意味のあるものとして認識する機能は、会話の話題構造をよりよく理解するのに役立ちます。
  論文  参考訳（メタデータ） (2024-02-05T09:48:07Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• 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)
• Context-Aware Interaction Network for Question Matching [51.76812857301819]
  本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
  論文  参考訳（メタデータ） (2021-04-17T05:03:56Z)
• Active Speakers in Context [88.22935329360618]
  能動話者検出のための現在の手法は、単一話者からの短期音声視覚情報をモデル化することに焦点を当てている。 本稿では,複数話者間の関係を長期にわたってモデル化する新しい表現であるActive Speaker Contextを紹介する。 実験の結果,構造的特徴アンサンブルはすでにアクティブな話者検出性能の恩恵を受けていることがわかった。
  論文  参考訳（メタデータ） (2020-05-20T01:14:23Z)
• 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。