論文の概要: IntelliProof: An Argumentation Network-based Conversational Helper for Organized Reflection
- arxiv url: http://arxiv.org/abs/2511.04528v1
- Date: Thu, 06 Nov 2025 16:43:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-07 20:17:53.508841
- Title: IntelliProof: An Argumentation Network-based Conversational Helper for Organized Reflection
- Title（参考訳）: IntelliProof: 組織化されたリフレクションのためのArgumentation Networkベースの会話ヘルパー
- Authors: Kaveh Eskandari Miandoab, Katharine Kowalyshyn, Kabir Pamnani, Anesu Gavhera, Vasanth Sarathy, Matthias Scheutz,
- Abstract要約: LLMを通して議論的エッセイを分析する対話型システムであるIntelliProofを提案する。
既存の自動エッセイスコアシステムとは異なり、IntelliProofはユーザーエクスペリエンスを強調している。
IntelliProofは、議論的なエッセイとそれに対応する自然言語グラフをよりよく理解するためのツールセットを提供している。
- 参考スコア（独自算出の注目度）: 2.7353636376883563
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present IntelliProof, an interactive system for analyzing argumentative essays through LLMs. IntelliProof structures an essay as an argumentation graph, where claims are represented as nodes, supporting evidence is attached as node properties, and edges encode supporting or attacking relations. Unlike existing automated essay scoring systems, IntelliProof emphasizes the user experience: each relation is initially classified and scored by an LLM, then visualized for enhanced understanding. The system provides justifications for classifications and produces quantitative measures for essay coherence. It enables rapid exploration of argumentative quality while retaining human oversight. In addition, IntelliProof provides a set of tools for a better understanding of an argumentative essay and its corresponding graph in natural language, bridging the gap between the structural semantics of argumentative essays and the user's understanding of a given text. A live demo and the system are available here to try: \textbf{https://intelliproof.vercel.app}
- Abstract（参考訳）: LLMを通して議論的エッセイを分析する対話型システムであるIntelliProofを提案する。
IntelliProofはエッセイを議論グラフとして構成し、クレームはノードとして表現され、エビデンスはノードプロパティとしてアタッチされ、エッジはサポートやアタックをエンコードする。
既存の自動エッセイスコアシステムとは異なり、IntelliProofはユーザーエクスペリエンスを強調している。
このシステムは分類の正当性を提供し、エッセイのコヒーレンスを定量的に測定する。
人間の監視を維持しながら、議論的な品質の迅速な探索を可能にする。
さらに、IntelliProofは、議論的エッセイとそれに対応する自然言語のグラフをよりよく理解するためのツールセットを提供し、議論的エッセイの構造的意味論とユーザのテキスト理解とのギャップを埋めている。
ライブデモとシステムはここで試用することができる。 \textbf{https://intelliproof.vercel.app}
関連論文リスト
- Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。
このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
論文 参考訳（メタデータ） (2025-05-26T14:45:12Z) - Leveraging Small LLMs for Argument Mining in Education: Argument Component Identification, Classification, and Assessment [7.673465837624366]
本稿では,オープンソースの小型大言語モデル(LLM)を,数発のプロンプトと微調整による議論マイニングに活用することを提案する。
我々は,学生エッセイを議論に分割し,タイプ別に議論を分類し,その質を評価する3つの課題を遂行する。
我々は,小学校6-12年の学生エッセイのフィードバック賞 - 効果的なアグメンツデータセットのモデルを実証的に評価した。
論文 参考訳（メタデータ） (2025-02-20T09:23:40Z) - Prove Your Point!: Bringing Proof-Enhancement Principles to Argumentative Essay Generation [27.117415957353245]
議論的エッセイ生成(AEG)は、特定の議論のある話題や議論に関する完全なテキストを生成することを目的としている。
提案する2段階のフレームワークは,Proof-EnhancementとSelf-Enhancementである。
PESAは強力なベースラインモデルよりも論理的妥当性と説得性に優れた議論的エッセイを生成する。
論文 参考訳（メタデータ） (2024-10-30T02:13:39Z) - A School Student Essay Corpus for Analyzing Interactions of Argumentative Structure and Quality [12.187586364960758]
我々は,2つの年齢集団の学生のエッセイ1,320件のドイツ語コーパスを提示する。
各エッセイは、複数のレベルの粒度の議論的構造と品質のために手動で注釈付けされている。
議論マイニングとエッセイスコアリングのためのベースラインアプローチを提案し,両タスク間の相互作用を分析する。
論文 参考訳（メタデータ） (2024-04-03T07:31:53Z) - Mind the Gap: Automated Corpus Creation for Enthymeme Detection and
Reconstruction in Learner Arguments [15.184644294253848]
本稿では,学習者の議論に新たな2つの課題を紹介し,議論のギャップを識別し,そのギャップを埋める。
議論的学習者エッセイのICLEv3コーパスに基づいて,40,089個の議論インスタンスを作成し,エントロメムの検出と再構築を行う。
論文 参考訳（メタデータ） (2023-10-27T12:33:40Z) - A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - Prompt- and Trait Relation-aware Cross-prompt Essay Trait Scoring [3.6825890616838066]
自動エッセイスコアリング(AES)は、与えられたプロンプトのために書かれたエッセイをスコアリングすることを目的とする。
既存のAESシステムの多くは、トレーニングで使用されるのと同じプロンプトのエッセイを格付けし、総合的なスコアのみを割り当てている。
本稿では,プロンプトとトレーサの関係を意識したエッセイ・エッセイ・トレーサ・スコアラというロバストなモデルを提案する。
論文 参考訳（メタデータ） (2023-05-26T11:11:19Z) - Natural Language Decompositions of Implicit Content Enable Better Text Representations [52.992875653864076]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。
我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。
本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文 参考訳（メタデータ） (2023-05-23T23:45:20Z) - Persua: A Visual Interactive System to Enhance the Persuasiveness of
Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。
オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。
Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文 参考訳（メタデータ） (2022-04-16T08:07:53Z) - Discourse Analysis for Evaluating Coherence in Video Paragraph Captions [99.37090317971312]
ビデオ段落のコヒーレンスを評価するための,新しい談話に基づく枠組みを検討中である。
ビデオのコヒーレンスに条件付き段落のコヒーレンスをモデル化する上で,ビデオの談話表現が中心となる。
実験の結果,提案手法は,ビデオ段落のコヒーレンスをベースライン法よりも有意に向上させることがわかった。
論文 参考訳（メタデータ） (2022-01-17T04:23:08Z)
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。