論文の概要: Measuring Inclusion in Interaction: Inclusion Analytics for Human-AI Collaborative Learning

• arxiv url: http://arxiv.org/abs/2602.09269v1
• Date: Mon, 09 Feb 2026 23:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.278509
• Title: Measuring Inclusion in Interaction: Inclusion Analytics for Human-AI Collaborative Learning
• Title（参考訳）: インタラクションにおける包摂性の測定:人間-AI協調学習のための包摂的分析
• Authors: Jaeyoon Choi, Nia Nixon,
• Abstract要約: 問題解決における動的相互作用プロセスとして包摂性を調べるための,談話に基づくフレームワークである包摂性分析を導入する。 スケーラブルで対話レベルの尺度を用いて,これらの構造を解析的に可視化する方法を実証する。 この研究は、人間とAIの協調学習環境への包摂性を測定するプロセス指向のアプローチに向けた最初のステップである。
• 参考スコア（独自算出の注目度）: 1.0742675209112622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inclusion, equity, and access are widely valued in AI and education, yet are often assessed through coarse sample descriptors or post-hoc self-reports that miss how inclusion is shaped moment by moment in collaborative problem solving (CPS). In this proof-of-concept paper, we introduce inclusion analytics, a discourse-based framework for examining inclusion as a dynamic, interactional process in CPS. We conceptualize inclusion along three complementary dimensions -- participation equity, affective climate, and epistemic equity -- and demonstrate how these constructs can be made analytically visible using scalable, interaction-level measures. Using both simulated conversations and empirical data from human-AI teaming experiments, we illustrate how inclusion analytics can surface patterns of participation, relational dynamics, and idea uptake that remain invisible to aggregate or post-hoc evaluations. This work represents an initial step toward process-oriented approaches to measuring inclusion in human-AI collaborative learning environments.
• Abstract（参考訳）: 包摂性、公平性、アクセス性はAIや教育において広く評価されているが、粗いサンプル記述子やポストホックな自己報告を通じて評価されることが多い。 本稿では,CPSにおける動的相互作用過程として包摂性を調べるための対話型フレームワークである包摂性分析を紹介する。 我々は,3つの相補的な側面 – 参加性,情緒的気候,疫学的平等 – に沿って包摂性を概念化し,これらの構成物を,スケーラブルで対話レベルの尺度を用いて分析的に可視化する方法を実証する。 シミュレーションされた会話と、人間とAIのチームによる実験データの両方を用いて、包括的分析が参加パターンやリレーショナルダイナミクス、そして総合的あるいはポストホック評価には見えないアイデア獲得をどのように表すかを説明する。 この研究は、人間とAIの協調学習環境への包摂性を測定するプロセス指向のアプローチに向けた最初のステップである。

関連論文リスト

• Using Large Language Models to Detect Socially Shared Regulation of Collaborative Learning [15.567266973412815]
  予測モデルを拡張し、埋め込み型アプローチを用いて、社会的に共有された学習行動の制御を自動的に検出する。 我々は,大規模言語モデル(LLM)を要約ツールとして活用し,システムログに整合した学生対話のタスク認識表現を生成する。 その結果, テキストのみの埋め込みは, 実行やグループダイナミクスに関連するSSRLの挙動の検出において, より強力な性能が得られることがわかった。
  論文  参考訳（メタデータ） (2026-01-08T00:30:46Z)
• LLM-MC-Affect: LLM-Based Monte Carlo Modeling of Affective Trajectories and Latent Ambiguity for Interpersonal Dynamic Insight [1.1119672724275114]
  感情調整は、人間の相互作用の中核的な性質であり、リアルタイムで意味が構築されるかを形成する。 本稿では,静的なラベルではなく,連続的な潜在確率分布として感情を特徴付ける確率的フレームワークを提案する。 この研究は、対人ダイナミクスを理解するためのスケーラブルでデプロイ可能な経路を確立し、一般化可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-01-07T06:50:41Z)
• Evaluating Cognitive-Behavioral Fixation via Multimodal User Viewing Patterns on Social Media [52.313084466769375]
  本稿では,ユーザのマルチモーダルなソーシャルメディアエンゲージメントパターンを分析し,認知行動の定着を評価する新しい枠組みを提案する。 既存のベンチマークと、新しくキュレートされたマルチモーダルデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2025-09-05T05:50:00Z)
• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Towards interactive evaluations for interaction harms in human-AI systems [8.989911701384788]
  我々は,テキストインタラクションの害に着目したテキストインタラクション倫理に基づく評価へのシフトを提案する。 まず,(1)静的,(2)普遍的なユーザエクスペリエンスを仮定し,(3)構成妥当性を限定した現状評価手法の限界について議論する。 インタラクティブな評価を設計するための実践的原則として, 生態学的に有効な相互作用シナリオ, ヒューマンインパクトメトリクス, 多様な人間参加アプローチなどがあげられる。
  論文  参考訳（メタデータ） (2024-05-17T08:49:34Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Harnessing Transparent Learning Analytics for Individualized Support through Auto-detection of Engagement in Face-to-Face Collaborative Learning [3.0184625301151833]
  本稿では,共同作業における学生の個人参加を自動的に検出する透過的アプローチを提案する。 提案手法は,学生の個人的関与を反映し,異なる協調学習課題を持つ生徒を識別する指標として利用することができる。
  論文  参考訳（メタデータ） (2024-01-03T12:20:28Z)
• Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
  本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。 我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。 機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
  論文  参考訳（メタデータ） (2023-02-14T05:25:03Z)
• An Artificial Intelligence driven Learning Analytics Method to Examine the Collaborative Problem solving Process from a Complex Adaptive Systems Perspective [0.7450115015150832]
  協調問題解決(CPS)は、学生グループが学習タスクを完了し、知識を構築し、問題を解決することを可能にする。 従来の研究は、CPSの複雑さ、多モード性、ダイナミクス、シナジーなどを調べることの重要性を論じてきた。 本研究は、オンラインインタラクション設定におけるCPSの性質を理解するために、マルチモーダルプロセスとパフォーマンスデータを収集した。
  論文  参考訳（メタデータ） (2022-10-28T11:13:05Z)
• Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy Evaluation Approach [84.02388020258141]
  強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。 ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。 実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2021-02-20T03:29:20Z)

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。