論文の概要: Which course? Discourse! Teaching Discourse and Generation in the Era of LLMs

• arxiv url: http://arxiv.org/abs/2602.02878v1
• Date: Mon, 02 Feb 2026 22:35:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.117245
• Title: Which course? Discourse! Teaching Discourse and Generation in the Era of LLMs
• Title（参考訳）: 講座とは? 講座! LLM 時代における講義と生成の指導
• Authors: Junyi Jessy Li, Yang Janet Liu, Kanishka Misra, Valentina Pyatkin, William Sheffield,
• Abstract要約: NLPの分野は、過去数年間で大規模な継続的な変革を受けており、規律の境界を超えた議論を引き起こしている。 本稿では,意図的,注意的,一貫性のある言語構造に対する豊富な言語知識と計算モデルを備えた領域である談話処理の角度から,この問題を考察する。 我々は「計算談話と自然言語生成」という新たなコースを提示する。
• 参考スコア（独自算出の注目度）: 37.14307877244518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The field of NLP has undergone vast, continuous transformations over the past few years, sparking debates going beyond discipline boundaries. This begs important questions in education: how do we design courses that bridge sub-disciplines in this shifting landscape? This paper explores this question from the angle of discourse processing, an area with rich linguistic insights and computational models for the intentional, attentional, and coherence structure of language. Discourse is highly relevant for open-ended or long-form text generation, yet this connection is under-explored in existing undergraduate curricula. We present a new course, "Computational Discourse and Natural Language Generation". The course is collaboratively designed by a team with complementary expertise and was offered for the first time in Fall 2025 as an upper-level undergraduate course, cross-listed between Linguistics and Computer Science. Our philosophy is to deeply integrate the theoretical and empirical aspects, and create an exploratory mindset inside the classroom and in the assignments. This paper describes the course in detail and concludes with takeaways from an independent survey as well as our vision for future directions.
• Abstract（参考訳）: NLPの分野は、過去数年間で大規模な継続的な変革を受けており、規律の境界を超えた議論を引き起こしている。 この変化する風景にサブ分野を橋渡しするコースをどうやって設計すればよいのか? 本稿では,意図的,注意的,一貫性のある言語構造に対する豊富な言語知識と計算モデルを備えた領域である談話処理の角度から,この問題を考察する。 談話は、オープンエンドまたはロングフォームのテキスト生成に非常に関係があるが、既存の学部カリキュラムでは、この接続は未探索である。 我々は,「計算談話と自然言語生成」という新たなコースを提示する。 このコースは補完的な専門知識を持つチームによって共同で設計され、2025年秋にLinguisticsとComputer Scienceがクロスリストした上級の学部コースとして初めて提供された。 私たちの哲学は、理論的な側面と経験的な側面を深く統合し、教室や課題の中で探索的なマインドセットを構築することです。 本報告では,本コースを詳述し,独立調査の成果と今後の展望について述べる。

関連論文リスト

• Designing a Syllabus for a Course on Empirical Software Engineering [2.518416353853374]
  この章は、コース設計における第一かつ最も重要なステップであるシラバスの作成において、教育者を支援することを目的としている。 それはシラバスの基本的な構成要素、すなわちコース、コーストピック、実践的な課題のリストを提供する。 コースのトピックは、この本の後続の章にも関連付けられており、読者はこれらの章を深く掘り下げて、特定の研究方法や横断的なトピックを教えることを支援することができる。
  論文  参考訳（メタデータ） (2025-03-14T10:58:29Z)
• To Build Our Future, We Must Know Our Past: Contextualizing Paradigm Shifts in Natural Language Processing [14.15370310437262]
  我々は、NLPを文化、インセンティブ、インフラなどの分野として形成する要因について研究する。 インタビュアーは、フィールドにおける循環パターンと、過去の並列性のない新しいシフトを識別する。 我々は、NLPの将来へのビジョン、関心、希望を共有することで結論付ける。
  論文  参考訳（メタデータ） (2023-10-11T17:59:36Z)
• A Framework for Curriculum Transformation in Quantum Information Science and Technology Education [0.0]
  QCTF(Quantum Curriculum Transformation Framework)は4つのステップで構成されている。1はトピックを選択し、2は対象とするスキルを選択し、3は学習目標を選択し、4はこの目標を達成するための教育アプローチを選択する。 このフレームワークは、QIST教育の物語を構造化することを目的としており、将来のテストと改良により、QISTの実践に関するさらなる研究の基盤を形成する。
  論文  参考訳（メタデータ） (2023-08-20T21:44:10Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• A Survey of Knowledge Enhanced Pre-trained Language Models [78.56931125512295]
  我々は、知識強化事前学習言語モデル(KE-PLMs)の包括的なレビューを行う。 NLUでは、言語知識、テキスト知識、知識グラフ(KG)、ルール知識の4つのカテゴリに分類する。 NLGのKE-PLMは、KGベースと検索ベースに分類される。
  論文  参考訳（メタデータ） (2022-11-11T04:29:02Z)
• An Inclusive Notion of Text [69.36678873492373]
  テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。 言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
  論文  参考訳（メタデータ） (2022-11-10T14:26:43Z)

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。