論文の概要: Semantic-Driven Topic Modeling for Analyzing Creativity in Virtual Brainstorming
- arxiv url: http://arxiv.org/abs/2509.16835v1
- Date: Sat, 20 Sep 2025 23:18:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:15.999121
- Title: Semantic-Driven Topic Modeling for Analyzing Creativity in Virtual Brainstorming
- Title（参考訳）: 仮想ブレインストーミングにおける創造性分析のための意味駆動的トピックモデリング
- Authors: Melkamu Abay Mersha, Jugal Kalita,
- Abstract要約: 4つのモジュールコンポーネントを統合する意味駆動型トピックモデリングフレームワークを提案する。
本研究は,学生グループが大学改善に携わるグループを対象に,構造化Zoomブレインストーミングセッションの評価を行った。
LDA, ETM, BERTopicなどの定式化手法と比較して, 平均コヒーレンススコア0.687(CV)よりも高いトピックコヒーレンスを実現している。
この研究は、協調的思考を解析するための埋め込みベースのトピックモデリングの可能性を強調している。
- 参考スコア（独自算出の注目度）: 13.707653566827704
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Virtual brainstorming sessions have become a central component of collaborative problem solving, yet the large volume and uneven distribution of ideas often make it difficult to extract valuable insights efficiently. Manual coding of ideas is time-consuming and subjective, underscoring the need for automated approaches to support the evaluation of group creativity. In this study, we propose a semantic-driven topic modeling framework that integrates four modular components: transformer-based embeddings (Sentence-BERT), dimensionality reduction (UMAP), clustering (HDBSCAN), and topic extraction with refinement. The framework captures semantic similarity at the sentence level, enabling the discovery of coherent themes from brainstorming transcripts while filtering noise and identifying outliers. We evaluate our approach on structured Zoom brainstorming sessions involving student groups tasked with improving their university. Results demonstrate that our model achieves higher topic coherence compared to established methods such as LDA, ETM, and BERTopic, with an average coherence score of 0.687 (CV), outperforming baselines by a significant margin. Beyond improved performance, the model provides interpretable insights into the depth and diversity of topics explored, supporting both convergent and divergent dimensions of group creativity. This work highlights the potential of embedding-based topic modeling for analyzing collaborative ideation and contributes an efficient and scalable framework for studying creativity in synchronous virtual meetings.
- Abstract（参考訳）: 仮想ブレインストーミングセッションは協調的な問題解決の中心的な要素となっているが、アイデアの大量かつ不均一な分布は、しばしば価値ある洞察を効率的に抽出することが困難である。
アイデアのマニュアルコーディングは時間がかかり、主観的であり、グループの創造性を評価するための自動化アプローチの必要性を強調している。
本研究では,トランスフォーマーベースの埋め込み (Sentence-BERT) ,次元減少 (UMAP) ,クラスタリング (HDBSCAN) ,改良を伴うトピック抽出という,4つのモジュラーコンポーネントを統合した意味駆動型トピックモデリングフレームワークを提案する。
このフレームワークは、文レベルでの意味的類似性をキャプチャし、ノイズをフィルタリングし、アウトリーチを識別しながら、ブレインストーミングのスクリプティングからコヒーレントなテーマを発見できる。
本研究は,学生グループが大学改善に携わるグループを対象に,構造化Zoomブレインストーミングセッションの評価を行った。
その結果, LDA, ETM, BERTopicなどの既存の手法と比較して, 平均コヒーレンススコアが0.687(CV)であり, ベースラインをかなり上回る結果が得られた。
パフォーマンスの改善に加えて、このモデルは、探索されたトピックの深さと多様性に関する解釈可能な洞察を提供し、グループ創造性の収束次元と発散次元の両方をサポートする。
この研究は、協調的なアイデアを分析するための埋め込みベースのトピックモデリングの可能性を強調し、同期仮想ミーティングにおける創造性を研究するための効率的でスケーラブルなフレームワークに貢献している。
関連論文リスト
- A Neural Topic Method Using a Large-Language-Model-in-the-Loop for Business Research [0.6736390862233058]
トピックを潜在言語構造として概念化するニューラルトピック手法であるLX Topicを紹介する。
我々は,LX Topicが主要なモデルと比較して,最も高いトピック品質を達成することを示す。
LX Topicは、Webベースのシステムにおけるトピック発見、洗練、標準化されたアウトプットを統合することにより、トピックモデリングを再現性、解釈性、測定指向の機器として確立し、マーケティング研究と実践を行う。
論文 参考訳（メタデータ） (2026-03-04T01:20:39Z) - Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking [154.2388970262703]
Unified Vision-Language Models (UVLM) は、単一のフレームワーク内での理解と生成の両方をサポートすることで、マルチモーダル学習を促進することを目的としている。
本稿では,解析処理と起案処理を交互に行う新たな思考パラダイムである,インターリーブド・アナライジング・ドレイティング問題解決ループ(AD-Loop)を紹介する。
テキスト思考を視覚的思考とインターリーブすることで、AD-Loopはモデルが理解と出力の両方を反復的に洗練し、真のシナジーを育むことができる。
論文 参考訳（メタデータ） (2026-02-24T23:26:09Z) - Enhancing Retrieval-Augmented Generation with Topic-Enriched Embeddings: A Hybrid Approach Integrating Traditional NLP Techniques [0.0]
本研究は,用語ベースの信号と話題構造を文脈文の埋め込みと統合したトピック強化埋め込みを提案する。
項レベルのセマンティクスとトピックレベルのセマンティクスを併用することにより、トピックに富んだ埋め込みはセマンティクスクラスタリングを改善し、検索精度を高め、計算負担を軽減する。
論文 参考訳（メタデータ） (2025-12-31T13:43:57Z) - A Survey on Generative Recommendation: Data, Model, and Tasks [55.36322811257545]
ジェネレーティブ・レコメンデーションは、差別的なスコアではなく、世代としてのレコメンデーションを再認識する。
この調査は、データ、モデル、タスク次元にまたがる統合された三部構成のフレームワークを通じて包括的な調査を提供する。
世界知識の統合、自然言語理解、推論能力、スケーリング法則、創造的生成の5つの主要な利点を特定します。
論文 参考訳（メタデータ） (2025-10-31T04:02:58Z) - Uni-MMMU: A Massive Multi-discipline Multimodal Unified Benchmark [69.8473923357969]
統一マルチモーダルモデルは、視覚的理解と生成を共同で行うことを目的としているが、現在のベンチマークでは、その真の統合を検査することはめったにない。
提案するUni-MMMUは、8つの推論中心領域にまたがる生成と理解の双方向の相乗効果を拡大する総合的なベンチマークである。
論文 参考訳（メタデータ） (2025-10-15T17:10:35Z) - Toward Purpose-oriented Topic Model Evaluation enabled by Large Language Models [0.8193467416247519]
トピック品質の4つの重要な側面にまたがる9つのLarge Language Models(LLM)ベースのメトリクスを利用する目的指向評価フレームワークを導入する。
このフレームワークは、敵対的およびサンプリングベースのプロトコルを通じて検証され、ニュース記事、学術出版物、ソーシャルメディア投稿にまたがるデータセットに適用される。
論文 参考訳（メタデータ） (2025-09-08T18:46:08Z) - Foundation Model for Skeleton-Based Human Action Understanding [56.89025287217221]
本稿では,統一骨格に基づくDense Representation Learningフレームワークを提案する。
USDRLはトランスフォーマーベースのDense Spatio-Temporal (DSTE)、Multi-Grained Feature Deorrelation (MG-FD)、Multi-Perspective Consistency Training (MPCT)で構成されている。
論文 参考訳（メタデータ） (2025-08-18T02:42:16Z) - BEYONDWORDS is All You Need: Agentic Generative AI based Social Media Themes Extractor [2.699900017799093]
ソーシャルメディア投稿のテーマ分析は、公開談話に対する大きな理解を提供する。
従来の手法は、構造化されていない大規模なテキストデータの複雑さとニュアンスを捉えるのに苦労することが多い。
本研究では,事前学習した言語モデルからツイートの埋め込みを統合したテーマ分析のための新しい手法を提案する。
論文 参考訳（メタデータ） (2025-02-26T18:18:37Z) - A Large-Scale Evaluation of Speech Foundation Models [110.95827399522204]
音声処理ユニバーサルパフォーマンスベンチマーク(SUPERB)を構築し,基礎モデルパラダイムの有効性について検討する。
凍結基盤モデルを用いてSUPERBにおける音声処理タスクに対処する統合マルチタスクフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-15T00:03:16Z) - Topic Modeling as Multi-Objective Contrastive Optimization [43.64673378425551]
近年の表現学習アプローチは、ログライクリフのエビデンスローバウンド(ELBO)の重み付けされた線形結合と、入力文書のペアを対比する対照的な学習目標を最適化することにより、ニューラルトピックモデルを強化する。
本稿では,一組の入力文書間で共有される有用なセマンティクスを捉えるために,話題ベクトルの集合を指向した新しいコントラスト学習手法を提案する。
我々のフレームワークは、トピックコヒーレンス、トピックの多様性、下流のパフォーマンスの観点から、高性能なニューラルトピックモデルを一貫して生成する。
論文 参考訳（メタデータ） (2024-02-12T11:18:32Z) - Relational Object-Centric Actor-Critic [44.99833362998488]
近年の研究では、アンタングルオブジェクト表現は、イメージベースでオブジェクト中心の強化学習タスクにおけるポリシー学習に役立つことが強調されている。
本稿では,アクタ批判的アプローチとモデルに基づくアプローチを統合した,オブジェクト中心強化学習アルゴリズムを提案する。
シミュレーションされた3次元ロボット環境と構成構造を持つ2次元環境において,本手法の評価を行った。
論文 参考訳（メタデータ） (2023-10-26T06:05:12Z) - Dynamic-SUPERB: Towards A Dynamic, Collaborative, and Comprehensive Instruction-Tuning Benchmark for Speech [107.81472531864195]
テキスト言語モデルは、よく整形された命令が与えられたときに、目に見えないタスクに一般化する際、顕著なゼロショット能力を示している。
ゼロショット方式で複数のタスクを実行するための命令チューニングを活用できるユニバーサル音声モデルを構築するためのベンチマークであるDynamic-SUPERBを提案する。
論文 参考訳（メタデータ） (2023-09-18T06:43:30Z) - Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。
提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
論文 参考訳（メタデータ） (2022-09-20T09:16:05Z)
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。