論文の概要: Modeling Engagement Signals in Technology-Enhanced Collaborative Learning: Toward AI-Ready Feedback
- arxiv url: http://arxiv.org/abs/2601.11549v1
- Date: Fri, 05 Dec 2025 18:28:50 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-01-25 09:20:18.318505
- Title: Modeling Engagement Signals in Technology-Enhanced Collaborative Learning: Toward AI-Ready Feedback
- Title（参考訳）: 技術強化型協調学習におけるエンゲージメントシグナルのモデル化:AI対応フィードバックに向けて
- Authors: Joan Zhong,
- Abstract要約: 本研究では、共有理解(Q2)、コンセンサス構築(Q4)、持続的モチベーション(Q6)を観測可能な行動信号として運用するフレームワークを提案する。
また、構造化された行動手がかりを透明な決定規則にマッピングして教育支援を行うAI対応プロトタイプも設計した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Modeling engagement in collaborative learning remains challenging, especially in technology-enhanced environments where surface indicators such as participation frequency can be misleading. This study proposes a lightweight and interpretable framework that operationalizes shared understanding (Q2), consensus building (Q4), and sustained motivation (Q6) as observable behavioral signals. Q2 and Q4 were consolidated into a Composite Signal Index (CSI), which supports a quadrant diagnostic model with implications for teacher- and AI-driven feedback. Constructive feedback (Q3), while not included in the CSI calculation, emerged as a meaningful regulatory cue and a strong candidate feature for future NLP-based modeling. An exploratory validation was conducted in an adult ESL classroom using a structured three-phase collaborative task (rotating reading -> retelling -> consensus). Results showed a positive association between CSI and sustained motivation, while qualitative reflections highlighted the potential role of Q3 in supporting shared regulation. We also designed an AI-ready prototype that maps structured behavioral cues onto transparent decision rules for instructional support. The framework provides a scalable and equitable approach to engagement modeling, emphasizing that silence does not equal disengagement and that frequent talk does not guarantee cognitive depth.
- Abstract（参考訳）: 協調学習におけるエンゲージメントのモデル化は、特に参加頻度などの表面指標が誤解を招く可能性のある技術強化環境では、依然として困難である。
本研究では、共有理解(Q2)、コンセンサス構築(Q4)、持続的モチベーション(Q6)を観測可能な行動信号として運用する軽量で解釈可能なフレームワークを提案する。
Q2とQ4は複合信号指数(CSI)に統合され、教師主導とAI駆動のフィードバックに影響を及ぼす4つの診断モデルをサポートする。
構成的フィードバック(Q3)は、CSI計算には含まれないが、有意義な規制のキューとして現れ、将来のNLPベースのモデリングのための強力な候補機能となった。
成人ESL教室において,3段階協調作業(回転読影 ->リテリング ->コンセンサス)を用いた探索的検証を行った。
その結果、CSIと持続的モチベーションは肯定的であり、質的リフレクションは共有規制を支持する上でのQ3の役割を浮き彫りにした。
また、構造化された行動手がかりを透明な決定規則にマッピングして教育支援を行うAI対応プロトタイプも設計した。
このフレームワークは、エンゲージメントモデリングに対するスケーラブルで公平なアプローチを提供し、沈黙は解離と等しくなく、頻繁に話すことは認知の深みを保証しない、と強調する。
関連論文リスト
- Beyond Description: Cognitively Benchmarking Fine-Grained Action for Embodied Agents [52.14392337070763]
CFG-Benchは、きめ細かな動作インテリジェンスを体系的に評価する新しいベンチマークである。
CFG-Benchは、1,368のキュレートされたビデオと19,562の3つのモダリティからなる質問応答ペアからなる。
CFG-Benchに関する包括的評価から,MLLMの先導者は,物理的相互作用の詳細な指示を生成するのに苦慮していることが明らかとなった。
論文 参考訳（メタデータ） (2025-11-24T02:02:29Z) - Analyzing Latent Concepts in Code Language Models [10.214183897113118]
グローバルなポストホック解釈可能性フレームワークであるコード概念分析(CoCoA)を提案する。
CoCoAは、コード言語モデルの表現空間における創発的語彙、構文、意味構造を明らかにする。
本稿では,静的解析ツールをベースとした構文アライメントと,プロンプトエンジニアリングによる大規模言語モデルを組み合わせたハイブリッドアノテーションパイプラインを提案する。
論文 参考訳（メタデータ） (2025-10-01T03:53:21Z) - Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why [50.191655141020505]
この調査は、デモから学ぶ機能ベースのアプローチとGANベースのアプローチの比較分析を提供する。
特徴に基づく手法とGANに基づく手法の2分法はますます曖昧になっていると我々は主張する。
論文 参考訳（メタデータ） (2025-07-08T11:45:51Z) - Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。
質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。
これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
論文 参考訳（メタデータ） (2025-06-03T14:44:48Z) - Embodied-R: Collaborative Framework for Activating Embodied Spatial Reasoning in Foundation Models via Reinforcement Learning [58.86928947970342]
Embodied-Rは、知覚のための大規模視覚言語モデルと推論のための小規模言語モデルを組み合わせたフレームワークである。
わずか5kのエボダイドビデオサンプルのトレーニングの後、Embodied-Rと3B LMは最先端のマルチモーダル推論モデルと一致した。
Embodied-Rは、体系的分析や文脈統合のような創発的な思考パターンも示している。
論文 参考訳（メタデータ） (2025-04-17T06:16:11Z) - A Novel Spatiotemporal Coupling Graph Convolutional Network [0.18130068086063336]
本稿では,新しいグラフ・コンテンポラル・ネットワーク(GCN)に基づく動的推定器,すなわちスペース・カップリングGCN(SCG)モデルについて述べる。
その結果、SCGは最先端技術と比較して精度が高く、ユーザやクラウドサービスへの強力な表現を学習できることを示した。
論文 参考訳（メタデータ） (2024-08-09T02:02:01Z) - elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。
このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。
elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
論文 参考訳（メタデータ） (2022-03-17T16:23:45Z)
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。