論文の概要: PedagoSense: A Pedology Grounded LLM System for Pedagogical Strategy Detection and Contextual Response Generation in Learning Dialogues
- arxiv url: http://arxiv.org/abs/2602.01169v1
- Date: Sun, 01 Feb 2026 11:38:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.640575
- Title: PedagoSense: A Pedology Grounded LLM System for Pedagogical Strategy Detection and Contextual Response Generation in Learning Dialogues
- Title（参考訳）: PedagoSense: 学習対話における語学戦略検出と文脈応答生成のための語学基盤LLMシステム
- Authors: Shahem Sultan, Shahem Fadi, Yousef Melhim, Ibrahim Alsarraj, Besher Hassan,
- Abstract要約: PedagoSenseは2段階戦略分類器と大規模言語モデル生成を組み合わせたペドロジー基盤システムである。
システムはまず、バイナリ分類器を用いて教育戦略が存在するかどうかを検知し、その後、特定の戦略を特定するためのきめ細かい分類を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the challenge of improving interaction quality in dialogue based learning by detecting and recommending effective pedagogical strategies in tutor student conversations. We introduce PedagoSense, a pedology grounded system that combines a two stage strategy classifier with large language model generation. The system first detects whether a pedagogical strategy is present using a binary classifier, then performs fine grained classification to identify the specific strategy. In parallel, it recommends an appropriate strategy from the dialogue context and uses an LLM to generate a response aligned with that strategy. We evaluate on human annotated tutor student dialogues, augmented with additional non pedagogical conversations for the binary task. Results show high performance for pedagogical strategy detection and consistent gains when using data augmentation, while analysis highlights where fine grained classes remain challenging. Overall, PedagoSense bridges pedagogical theory and practical LLM based response generation for more adaptive educational technologies.
- Abstract（参考訳）: 本稿では,教師の会話における効果的な教育戦略を検出し,推奨することで,対話型学習における対話品質向上の課題に対処する。
PedagoSenseは2段階戦略分類器と大規模言語モデル生成を組み合わせたペドロジー基盤システムである。
システムはまず、バイナリ分類器を用いて教育戦略が存在するかどうかを検知し、その後、特定の戦略を特定するためのきめ細かい分類を行う。
並行して、対話コンテキストから適切な戦略を推奨し、LSMを使用してその戦略に沿ったレスポンスを生成する。
本研究は,2進的課題に対する非教育的会話を付加した,人間の注釈付き学生対話について評価する。
結果から,データ拡張時の教育戦略検出と一貫した利得が得られ,分析では細粒度クラスが難解な点が強調された。
全体として、PedagoSenseはより適応的な教育技術のための教育理論と実践的なLCMベースの応答生成を橋渡ししている。
関連論文リスト
- Towards Mining Effective Pedagogical Strategies from Learner-LLM Educational Dialogues [0.40724544758045295]
本稿では,学習者-LLM対話から効果的な教育戦略を特定するために,対話分析手法を用いた継続的な研究について述べる。
提案手法は,対話データ収集,対話行動(DA)アノテーション,DAパターンマイニング,予測モデル構築を含む。
論文 参考訳（メタデータ） (2025-10-20T16:11:34Z) - Exploring LLMs for Predicting Tutor Strategy and Student Outcomes in Dialogues [48.99818550820575]
近年の研究では、教師が使う戦略が学生の成績に重大な影響を与えることが示されている。
対話における教師戦略の予測に関する研究は少ない。
本稿では,現代のLLM,特にLlama 3 と GPT-4o を用いて,対話における将来の教師の動きと学生の成果を予測する能力について検討する。
論文 参考訳（メタデータ） (2025-07-09T14:47:35Z) - Dialogic Pedagogy for Large Language Models: Aligning Conversational AI with Proven Theories of Learning [1.2691047660244332]
大言語モデル(LLM)は、リッチな会話学習体験を可能にすることによって、教育を変革している。
本稿では,LLMをベースとした会話エージェントが高等教育にどのように利用されているのかを概観する。
論文 参考訳（メタデータ） (2025-06-24T10:19:09Z) - From Problem-Solving to Teaching Problem-Solving: Aligning LLMs with Pedagogy using Reinforcement Learning [82.50157695987558]
大規模言語モデル(LLM)は教育を変換することができるが、直接質問応答のための最適化はしばしば効果的な教育を損なう。
オンライン強化学習(RL)に基づくアライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-21T15:00:07Z) - Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。
我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。
我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
論文 参考訳（メタデータ） (2024-09-24T22:31:39Z) - BIPED: Pedagogically Informed Tutoring System for ESL Education [11.209992106075788]
大規模言語モデル(LLM)は、容易に利用でき、コスト効率の良い会話型知能チューニングシステム(CITS)として機能する大きな可能性を秘めている。
既存のCITSは、単純な概念だけを教えるか、多様な学習戦略に取り組むために必要な教育的な深さを欠くように設計されている。
バイリンガル PEDagogically-informed Tutoring dataset of one-on-one, human-to- Human English tutoring Interaction。
論文 参考訳（メタデータ） (2024-06-05T17:49:24Z) - Strategize Before Teaching: A Conversational Tutoring System with
Pedagogy Self-Distillation [35.11534904787774]
本稿では,教育応答生成と教育戦略予測を組み合わせた統合フレームワークを提案する。
我々の実験と分析は、授業戦略がダイアログ学習に与える影響について光を当てた。
論文 参考訳（メタデータ） (2023-02-27T03:43:25Z) - Opportunities and Challenges in Neural Dialog Tutoring [54.07241332881601]
言語学習のための2つの対話学習データセットを用いて、様々な生成言語モデルを厳密に分析する。
現在のアプローチでは、制約のある学習シナリオでチューリングをモデル化できますが、制約の少ないシナリオではパフォーマンスが悪くなります。
人的品質評価では, モデルと接地木アノテーションの両方が, 同等のチュータリングの点で低い性能を示した。
論文 参考訳（メタデータ） (2023-01-24T11:00:17Z) - Rethinking Supervised Learning and Reinforcement Learning in
Task-Oriented Dialogue Systems [58.724629408229205]
本稿では、従来の教師あり学習とシミュレータなしの逆学習法を用いて、最先端のRL法に匹敵する性能を実現する方法を示す。
我々の主な目的は、教師あり学習で強化学習に勝ることではなく、タスク指向対話システムの最適化における強化学習と教師あり学習の役割を再考する価値を示すことである。
論文 参考訳（メタデータ） (2020-09-21T12:04:18Z)
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。