Fugu-MT 論文翻訳(概要): DiaCDM: Cognitive Diagnosis in Teacher-Student Dialogues using the Initiation-Response-Evaluation Framework

論文の概要: DiaCDM: Cognitive Diagnosis in Teacher-Student Dialogues using the Initiation-Response-Evaluation Framework

arxiv url: http://arxiv.org/abs/2509.24821v1
Date: Mon, 29 Sep 2025 14:09:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-30 22:32:20.037787
Title: DiaCDM: Cognitive Diagnosis in Teacher-Student Dialogues using the Initiation-Response-Evaluation Framework
Title（参考訳）: DiaCDM: 開始応答評価フレームワークを用いた教師と学生の対話における認知診断
Authors: Rui Jia, Yuang Wei, Ruijia Li, Yuang-Hao Jiang, Xinyu Xie, Yaomin Shen, Min Zhang, Bo Jiang,
Abstract要約: DiaCDMは、対話における生徒の認知状態を評価するツールである。我々は,対話に適した診断枠組みを設計するために,IRE(Initiation-Response-evaluation)フレームワークを教育理論から応用した。 3つの実世界の対話データセットの実験により、DiaCDMは診断精度を大幅に向上するだけでなく、結果の解釈可能性も向上することを確認した。
参考スコア（独自算出の注目度）: 14.259563761069275
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While cognitive diagnosis (CD) effectively assesses students' knowledge mastery from structured test data, applying it to real-world teacher-student dialogues presents two fundamental challenges. Traditional CD models lack a suitable framework for handling dynamic, unstructured dialogues, and it's difficult to accurately extract diagnostic semantics from lengthy dialogues. To overcome these hurdles, we propose DiaCDM, an innovative model. We've adapted the initiation-response-evaluation (IRE) framework from educational theory to design a diagnostic framework tailored for dialogue. We also developed a unique graph-based encoding method that integrates teacher questions with relevant knowledge components to capture key information more precisely. To our knowledge, this is the first exploration of cognitive diagnosis in a dialogue setting. Experiments on three real-world dialogue datasets confirm that DiaCDM not only significantly improves diagnostic accuracy but also enhances the results' interpretability, providing teachers with a powerful tool for assessing students' cognitive states. The code is available at https://github.com/Mind-Lab-ECNU/DiaCDM/tree/main.
Abstract（参考訳）: 認知診断(CD)は、構造化されたテストデータから学生の知識習得を効果的に評価する一方で、現実の教師と学生の対話に適用することは、2つの根本的な課題を提示する。従来のCDモデルは動的で非構造的な対話を扱うのに適したフレームワークがなく、長い対話から診断意味を正確に抽出することは困難である。このようなハードルを克服するために,革新的なモデルであるDiaCDMを提案する。我々は,対話に適した診断枠組みを設計するために,教育理論から開始応答評価(IRE)フレームワークを適用した。また,教師の質問を関連する知識コンポーネントと統合し,鍵情報をより正確に取得する,ユニークなグラフベースの符号化手法を開発した。我々の知る限り、これは対話環境における認知診断の初めての探索である。実世界の3つの対話データセットの実験では、DiaCDMは診断精度を大幅に向上するだけでなく、結果の解釈性も向上し、教師に生徒の認知状態を評価する強力なツールを提供する。コードはhttps://github.com/Mind-Lab-ECNU/DiaCDM/tree/mainで公開されている。

関連論文リスト

End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。 Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
論文参考訳（メタデータ） (2025-08-21T17:42:47Z)
LLM4CD: Leveraging Large Language Models for Open-World Knowledge Augmented Cognitive Diagnosis [56.50378080174923]
オープンワールド知識強化認知診断のための大規模言語モデルを活用するLCM4CDを提案する。本手法はLLMのオープンワールド知識を利用して認知表現型テキスト表現を構築し,CDタスクにリッチな意味情報を導入する。このアプローチは、従来のID埋め込みを意味表現に置き換え、新しい学生やオープンワールドの知識を持つエクササイズに対応できるようにし、コールドスタート問題に対処する。
論文参考訳（メタデータ） (2025-05-14T14:48:00Z)
Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations [74.83732294523402]
実世界の診断シナリオをシミュレートし,USMLE標準に適合するノイズと難易度を統合する新しいベンチマークを導入する。また、対話に基づく微調整についても検討し、静的データセットを会話形式に変換し、反復的推論プロセスをよりよく捉える。実験の結果、対話調整されたモデルは従来の手法よりも優れており、マルチラウンド推論のシナリオでは9.64%、ノイズの多い環境では6.18%の精度で改善されている。
論文参考訳（メタデータ） (2025-01-29T18:58:48Z)
A Dual-Fusion Cognitive Diagnosis Framework for Open Student Learning Environments [10.066184572184627]
本稿では,2つの異なるモダリティを整合させる上での課題を解決するために,二重融合認知診断フレームワーク(DFCD)を提案する。実験の結果,DFCDはオープンな学習環境において,異なるモダリティと強い適応性を統合することにより,優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2024-10-19T10:12:02Z)
Medical Dialogue Generation via Intuitive-then-Analytical Differential Diagnosis [14.17497921394565]
Intuitive-then-Analytic Differential Diagnosis (IADDx) を用いた医用対話生成フレームワークを提案する。本手法は,検索に基づく直感的アソシエーション(直感的アソシエーション)によるディファレンス診断から始まり,その後,グラフ強化解析手法により精査する。提案手法の有効性を2つのデータセットで検証した。
論文参考訳（メタデータ） (2024-01-12T12:35:19Z)
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)
MDDial: A Multi-turn Differential Diagnosis Dialogue Dataset with Reliability Evaluation [46.82607230465541]
エンドツーエンドのADD対話システムを構築するには、対話トレーニングデータセットが必要である。 ADDの対話データセットは英語では公開されていない。 MDDialは、英語で最初の差分診断対話データセットである。
論文参考訳（メタデータ） (2023-08-16T04:56:55Z)
CGoDial: A Large-Scale Benchmark for Chinese Goal-oriented Dialog Evaluation [75.60156479374416]
CGoDialは、Goal指向のダイアログ評価のための、新しい挑戦的で包括的な中国のベンチマークである。 96,763のダイアログセッションと574,949のダイアログがすべて含まれており、異なる知識ソースを持つ3つのデータセットをカバーする。学術ベンチマークと音声対話のシナリオのギャップを埋めるために、実際の会話からデータを収集したり、クラウドソーシングを通じて既存のデータセットに音声機能を追加する。
論文参考訳（メタデータ） (2022-11-21T16:21:41Z)
D4: a Chinese Dialogue Dataset for Depression-Diagnosis-Oriented Chat [25.852922703368133]
うつ病と診断された臨床セッションでは、医師は患者に症状を露呈させるための十分な感情的支援と会話を開始する。精神疾患に関連する社会的便秘が原因でうつ病の相談や診断に関連する対話データが開示されることは稀である。うつ病診断における医師と患者との対話をシミュレートした,うつ病診断指向チャットのための中国語対話データセットを構築した。
論文参考訳（メタデータ） (2022-05-24T03:54:22Z)

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。