論文の概要: Exploring Human-AI Complementarity in CPS Diagnosis Using Unimodal and Multimodal BERT Models

• arxiv url: http://arxiv.org/abs/2507.14579v1
• Date: Sat, 19 Jul 2025 11:47:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:31.951285
• Title: Exploring Human-AI Complementarity in CPS Diagnosis Using Unimodal and Multimodal BERT Models
• Title（参考訳）: 単モーダルおよび多モーダルBERTモデルを用いたCPS診断におけるAI補完性の探索
• Authors: Kester Wong, Sahan Bulathwela, Mutlu Cukurova,
• Abstract要約: 本稿では、AudiBERTモデルがデータセットに疎結合なクラスの分類を改善したことを強調して、過去の研究を拡張した。 BERTモデルに対する同様の有意なクラスワイド改善は、感情次元の分類では見られなかった。 相関分析の結果,AudiBERTモデルとBERTモデルの両方において,より大きなトレーニングデータが高いリコール性能に大きく関連していることがわかった。
• 参考スコア（独自算出の注目度）: 5.1126582076480505
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Detecting collaborative problem solving (CPS) indicators from dialogue using machine learning techniques is a significant challenge for the field of AI in Education. Recent studies have explored the use of Bidirectional Encoder Representations from Transformers (BERT) models on transcription data to reliably detect meaningful CPS indicators. A notable advancement involved the multimodal BERT variant, AudiBERT, which integrates speech and acoustic-prosodic audio features to enhance CPS diagnosis. Although initial results demonstrated multimodal improvements, the statistical significance of these enhancements remained unclear, and there was insufficient guidance on leveraging human-AI complementarity for CPS diagnosis tasks. This workshop paper extends the previous research by highlighting that the AudiBERT model not only improved the classification of classes that were sparse in the dataset, but it also had statistically significant class-wise improvements over the BERT model for classifications in the social-cognitive dimension. However, similar significant class-wise improvements over the BERT model were not observed for classifications in the affective dimension. A correlation analysis highlighted that larger training data was significantly associated with higher recall performance for both the AudiBERT and BERT models. Additionally, the precision of the BERT model was significantly associated with high inter-rater agreement among human coders. When employing the BERT model to diagnose indicators within these subskills that were well-detected by the AudiBERT model, the performance across all indicators was inconsistent. We conclude the paper by outlining a structured approach towards achieving human-AI complementarity for CPS diagnosis, highlighting the crucial inclusion of model explainability to support human agency and engagement in the reflective coding process.
• Abstract（参考訳）: 機械学習技術を用いた対話から協調問題解決(CPS)指標を検出することは、教育におけるAI分野において重要な課題である。 近年の研究では、意味のあるCPSインジケータを確実に検出するために、変換器(BERT)モデルからの双方向エンコーダ表現(Bidirectional Encoder Representations)を転写データに使用することを検討した。 特筆すべき進歩として、マルチモーダルBERT変異であるAudiBERTが、CPS診断を強化するために音声と音響の韻律的特徴を統合した。 当初, マルチモーダルな改善が見られたが, これらの拡張の統計的意義は明らかではなく, CPS診断タスクにヒトとAIの相補性を活用するためのガイダンスが不十分であった。 このワークショップ論文は,AudiBERTモデルがデータセットのスパースなクラス分類を改善しただけでなく,社会的認知次元における分類のためのBERTモデルよりも統計的に有意なクラス単位の改善を行ったことを強調して,過去の研究を拡張した。 しかし, 感性次元の分類では, BERTモデルに類似した有意なクラスワイド改善は見られなかった。 相関分析の結果,AudiBERTモデルとBERTモデルの両方において,より大きなトレーニングデータが高いリコール性能に大きく関連していることがわかった。 さらに、BERTモデルの精度は、人間のコーダ間の高いラター間合意と大きく関連していた。 AudiBERTモデルによって検出されたこれらのサブスキル内のインジケータの診断にBERTモデルを使用した場合、すべてのインジケータのパフォーマンスは矛盾していた。 本稿では,CPS診断における人間とAIの相補性を実現するための構造的アプローチを概説し,人間のエージェントを支援するためのモデル説明可能性と,反射的符号化プロセスにおける関与の重要性を強調した。

関連論文リスト

• Explainable Collaborative Problem Solving Diagnosis with BERT using SHAP and its Implications for Teacher Adoption [5.1126582076480505]
  本研究では、転写データ中の異なるトークン化単語が、BERTモデルのCPSプロセスの分類にどのように寄与するかを検討する。 その結果, 良好な分類は, 分類決定の合理的な説明と一致しなかったことが示唆された。 分析では、分類に肯定的に寄与する刺激的な単語も同定したが、クラスには意味論的には意味がなかった。
  論文  参考訳（メタデータ） (2025-07-19T11:57:24Z)
• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Rethinking the Potential of Multimodality in Collaborative Problem Solving Diagnosis with Large Language Models [0.562479170374811]
  マルチモーダルデータと高度なモデルは、複雑なCPSの振る舞いを検出する可能性があると主張されている。 78人の中学生のCPSサブスキルと指標の診断におけるモデル性能向上のためのマルチモーダルデータの有用性について検討した。
  論文  参考訳（メタデータ） (2025-04-21T13:25:55Z)
• CDS: Knowledge Component-Driven Data Synthesis Guided by Cognitive Diagnosis Theory [39.579188324839386]
  大規模言語モデル(LLM)は大きな進歩を遂げているが、タスクの複雑さが増し、高いパフォーマンス要求が継続的改善の必要性を浮き彫りにしている。 いくつかの手法は、列車モデルの評価結果に基づいて、先進LLMによって生成された合成データを利用する。 本稿では,認知診断理論(CDT)にインスパイアされた診断プロセスを取り入れた認知診断合成(CDS)手法を提案する。
  論文  参考訳（メタデータ） (2025-01-13T20:13:59Z)
• Boosting Masked ECG-Text Auto-Encoders as Discriminative Learners [10.088785685439134]
  本稿では,コントラッシブマスクを用いた自動エンコーダアーキテクチャを用いて,ECGとテキストデータを事前学習するフレームワークD-BETAを提案する。 D-BETAは、生成性の強さと差別能力の強化を一意に組み合わせて、堅牢なクロスモーダル表現を実現する。
  論文  参考訳（メタデータ） (2024-10-03T01:24:09Z)
• PairCFR: Enhancing Model Training on Paired Counterfactually Augmented Data through Contrastive Learning [49.60634126342945]
  Counterfactually Augmented Data (CAD)は、既存のデータサンプルのラベルを他のクラスに戻すのに、最小限かつ十分な修正を適用することで、新しいデータサンプルを作成する。 近年の研究では、CADを用いたトレーニングが、他の重要な文脈情報を無視しながら、モデルが修正機能に過度にフォーカスする可能性があることが示されている。 我々は、対実的手がかりの学習に加えて、グローバルな特徴アライメントを促進するために、対照的な学習を採用する。
  論文  参考訳（メタデータ） (2024-06-09T07:29:55Z)
• Unmasking Dementia Detection by Masking Input Gradients: A JSM Approach to Model Interpretability and Precision [1.5501208213584152]
  本稿では,多段階進行に対するアルツハイマー病(AD)分類の解釈可能なマルチモーダルモデルを導入し,ヤコビアン・サリエンシ・マップ(JSM)をモダリティに依存しないツールとして組み込んだ。 アブレーション研究を含む評価では、モデルデバッグと解釈にJSMを用いることの有効性が示され、モデル精度も著しく向上した。
  論文  参考訳（メタデータ） (2024-02-25T06:53:35Z)
• Which Augmentation Should I Use? An Empirical Investigation of Augmentations for Self-Supervised Phonocardiogram Representation Learning [5.438725298163702]
  自己監視型学習(SSL) 対照的な学習は、データの不足を軽減できる可能性を示している。 本研究の目的は,PCG分類におけるSSLモデルの性能向上を目的とした,幅広いオーディオベースの拡張と組み合わせの探索と評価である。
  論文  参考訳（メタデータ） (2023-12-01T11:06:00Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Discover, Explanation, Improvement: An Automatic Slice Detection Framework for Natural Language Processing [72.14557106085284]
  スライス検出モデル(SDM)は、データポイントの低パフォーマンスなグループを自動的に識別する。 本稿では,NLPタスクの分類のための "Discover, Explain, improve (DEIM)" というベンチマークを提案する。 評価の結果,Edisaは情報的セマンティックな特徴を持つ誤り発生データポイントを正確に選択できることがわかった。
  論文  参考訳（メタデータ） (2022-11-08T19:00:00Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• To BERT or Not To BERT: Comparing Speech and Language-based Approaches for Alzheimer's Disease Detection [17.99855227184379]
  自然言語処理と機械学習はアルツハイマー病(AD)を確実に検出するための有望な技術を提供する 最近のADReSSチャレンジデータセットにおいて、AD検出のための2つのアプローチのパフォーマンスを比較し、比較する。 認知障害検出における言語学の重要性を考えると,細調整BERTモデルはAD検出タスクにおいて特徴に基づくアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-07-26T04:50:47Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)

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。