論文の概要: Buggy rule diagnosis for combined steps through final answer evaluation in stepwise tasks
- arxiv url: http://arxiv.org/abs/2507.13651v1
- Date: Fri, 18 Jul 2025 04:39:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 20:43:26.186637
- Title: Buggy rule diagnosis for combined steps through final answer evaluation in stepwise tasks
- Title（参考訳）: 段階的タスクにおける最終回答評価による統合段階のバギールール診断
- Authors: Gerben van der Hoek, Johan Jeuring, Rogier Bos,
- Abstract要約: 多くのインテリジェントなチューターシステムは、ステップワイズタスクの解決において学生を支援することができる。
本研究は,最終回答に基づく自動誤り診断の可能性について検討する。
- 参考スコア（独自算出の注目度）: 0.23408308015481663
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Many intelligent tutoring systems can support a student in solving a stepwise task. When a student combines several steps in one step, the number of possible paths connecting consecutive inputs may be very large. This combinatorial explosion makes error diagnosis hard. Using a final answer to diagnose a combination of steps can mitigate the combinatorial explosion, because there are generally fewer possible (erroneous) final answers than (erroneous) solution paths. An intermediate input for a task can be diagnosed by automatically completing it according to the task solution strategy and diagnosing this solution. This study explores the potential of automated error diagnosis based on a final answer. We investigate the design of a service that provides a buggy rule diagnosis when a student combines several steps. To validate the approach, we apply the service to an existing dataset (n=1939) of unique student steps when solving quadratic equations, which could not be diagnosed by a buggy rule service that tries to connect consecutive inputs with a single rule. Results show that final answer evaluation can diagnose 29,4% of these steps. Moreover, a comparison of the generated diagnoses with teacher diagnoses on a subset (n=115) shows that the diagnoses align in 97% of the cases. These results can be considered a basis for further exploration of the approach.
- Abstract（参考訳）: 多くのインテリジェントなチューターシステムは、ステップワイズタスクの解決において学生を支援することができる。
学生が複数のステップを1ステップで組み合わせる場合、連続する入力を接続する可能なパスの数は、非常に大きいかもしれない。
この組合せ爆発は誤りの診断を難しくする。
最終解法を用いて段階の組み合わせを診断すると、一般に(誤)解道よりも(誤)最終解答が少ないため、組合せの爆発を軽減できる。
タスクソリューション戦略に従って自動的に完了し、このソリューションを診断することにより、タスクの中間入力を診断することができる。
本研究は,最終回答に基づく自動誤り診断の可能性について検討する。
学生が複数のステップを組み合わせてバギールールの診断を行うサービスの設計について検討する。
本手法の有効性を検証するため, 連続入力を単一規則で接続しようとするバギールールサービスでは認識できない2次方程式を解く際に, 生徒の既存のデータセット(n=1939)にサービスを適用した。
その結果、最終回答評価は29,4%のステップで診断できることがわかった。
また, サブセット (n=115) における教師診断との比較では, 診断が97%で一致していることが示唆された。
これらの結果は、さらなるアプローチの探求の基盤とみなすことができる。
関連論文リスト
- Hide and Seek with LLMs: An Adversarial Game for Sneaky Error Generation and Self-Improving Diagnosis [51.88592148135258]
本稿では,エラー生成と診断のための動的対向フレームワークであるHie and Seek Game (HSG)を提案する。
HSGには2つの敵対的役割がある: Sneakyは、微妙で偽りの推論エラーを発生させることで「隠す」ことと、それらを正確に検出するために「探す」診断である。
いくつかの数学推論タスクの実験では、HSGはエラー診断を著しく向上し、GPT-4oのようなベースラインよりも16.8%--31.4%高い精度を達成している。
論文 参考訳（メタデータ） (2025-08-05T12:45:21Z) - Combining model tracing and constraint-based modeling for multistep strategy diagnoses [0.23408308015481663]
モデルトレースと制約に基づくモデリングを融合する手法を提案する。
制約を、学生の入力が戦略のステップと共通する特性として定義することにより、学生が戦略から逸脱した場合に診断を与えることができる。
論文 参考訳（メタデータ） (2025-07-18T04:47:47Z) - Towards the Identifiability and Explainability for Personalized Learner
Modeling: An Inductive Paradigm [36.60917255464867]
本稿では,エンコーダ・デコーダモデルにインスパイアされた新しい応答効率応答パラダイムに基づく,識別可能な認知診断フレームワークを提案する。
診断精度を損なうことなく,ID-CDFが効果的に対処できることが示唆された。
論文 参考訳（メタデータ） (2023-09-01T07:18:02Z) - Generalized Out-of-distribution Fault Diagnosis (GOOFD) via Internal Contrastive Learning [8.583116999933731]
本稿では,診断サブタスクを統合するために,一般化されたアウト・オブ・ディストリビューション障害診断フレームワークを提案する。
内部のコントラスト学習とマハラノビス距離に基づく統一的な断層診断手法が提案手法の基盤となる。
提案手法は,複数の故障診断タスクに適用可能であり,既存の単一タスク法よりも優れた性能を実現することができる。
論文 参考訳（メタデータ） (2023-06-27T07:50:25Z) - FastDiagP: An Algorithm for Parallelized Direct Diagnosis [64.65251961564606]
FastDiagは、競合を事前に決定せずに診断計算をサポートする典型的な直接診断アルゴリズムである。
本稿では,投機的プログラミングのアイデアに基づく新しいアルゴリズムであるFastDiagPを提案する。
このメカニズムは、高速な回答で一貫性チェックを提供し、アルゴリズムのランタイムパフォーマンスを高めるのに役立つ。
論文 参考訳（メタデータ） (2023-05-11T16:26:23Z) - Efficient Model Based Diagnosis [0.0]
入力と出力の間に因果関係を持つシステムに対して、効率的なモデルに基づく診断プロセスを記述する。
また、ループを含む動的システムやシステムに診断プロセスを適用する方法を示す。
論文 参考訳（メタデータ） (2022-09-20T16:07:19Z) - Efficient Symptom Inquiring and Diagnosis via Adaptive Alignment of
Reinforcement Learning and Classification [0.6415701940560564]
そこで本研究では,それぞれに強化学習課題と分類課題として定式化された症状検索と疾患診断を併用した医学的自動診断法を提案する。
我々はMedlinePlus知識ベースから抽出された新しいデータセットを作成し、より多くの病気とより完全な症状情報を含む。
実験結果から,本手法は異なるデータセット上での3つの最新手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-12-01T11:25:42Z) - An Efficient Diagnosis Algorithm for Inconsistent Constraint Sets [68.8204255655161]
過制約問題における最小限の障害制約を識別する分割・分散型診断アルゴリズム(FastDiag)を提案する。
ヒットセットの競合指向計算とfastdiagを比較し,詳細な性能解析を行う。
論文 参考訳（メタデータ） (2021-02-17T19:55:42Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳（メタデータ） (2020-04-29T15:02:41Z) - Probabilistic Diagnostic Tests for Degradation Problems in Supervised
Learning [0.0]
分類アルゴリズムにおけるクラス不均衡、重なり合い、小さな分散、ノイズラベル、スパース限界精度などの問題。
各問題の兆候と症状の同定に基づく確率診断モデルを示す。
いくつかの教師付きアルゴリズムの動作と性能は、トレーニングセットにそのような問題がある場合に研究される。
論文 参考訳（メタデータ） (2020-04-06T20:32:35Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳（メタデータ） (2020-03-14T02:05:54Z)
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。