論文の概要: Conversational Learning Diagnosis via Reasoning Multi-Turn Interactive Learning
- arxiv url: http://arxiv.org/abs/2603.03236v1
- Date: Tue, 03 Mar 2026 18:29:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-04 21:38:10.926718
- Title: Conversational Learning Diagnosis via Reasoning Multi-Turn Interactive Learning
- Title（参考訳）: 対話型対話型学習の推論による会話型学習診断
- Authors: Fangzhou Yao, Sheng Chang, Weibo Gao, Qi Liu,
- Abstract要約: ParLDは、会話学習診断のためのプレビュー・アナライズ・レアソンフレームワークである。
マルチエージェントコラボレーションを用いて、学生の認知状態を複数の対話ターンで診断する。
- 参考スコア（独自算出の注目度）: 16.641654527654246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning diagnosis is a critical task that monitors students' cognitive state during educational activities, with the goal of enhancing learning outcomes. With advancements in language models (LMs), many AI-driven educational studies have shifted towards conversational learning scenarios, where students engage in multi-turn interactive dialogues with tutors. However, conversational learning diagnosis remains underdeveloped, and most existing techniques acquire students' cognitive state through intuitive instructional prompts on LMs to analyze the dialogue text. This direct prompting approach lacks a solid psychological foundation and fails to ensure the reliability of the generated analytical text. In this study, we introduce ParLD, a preview-analyze-reason framework for conversational learning diagnosis, which leverages multi-agent collaboration to diagnose students' cognitive state over multiple dialogue turns. Specifically, ParLD comprises three main components: (1) Behavior Previewer, which generates a student behavior schema based on previous states and learning content; (2) State Analyzer, which diagnoses the tutor-student dialogue and behavior schema to update the cognitive state; and (3) Performance Reasoner, which predicts the student's future responses and provides verifiable feedback to support ParLD's self-reflection with the Chain Reflector. They operate sequentially and iteratively during each interaction turn to diagnose the student's cognitive state. We conduct experiments to evaluate both performance prediction and tutoring support, emphasizing the effectiveness of ParLD in providing reliable and insightful learning diagnosis.
- Abstract（参考訳）: 学習診断は、学習成果を高めることを目的として、教育活動中の生徒の認知状態をモニタリングする重要な課題である。
言語モデル(LM)の進歩に伴い、多くのAIによる教育研究が会話学習のシナリオへと移行し、学生は家庭教師と多ターン対話を行うようになった。
しかし、会話学習診断はまだ未発達であり、既存のほとんどの技術は、LMの直感的な指導によって生徒の認知状態を取得し、対話テキストを解析する。
この直接的なプロンプトアプローチは、強固な心理的基盤を欠き、生成された分析テキストの信頼性を確保するのに失敗する。
本研究では,対話型学習診断のためのプレファレンス・アナライズ・レアソン・フレームワークであるParLDを紹介した。
具体的には,(1)過去の状態と学習内容に基づいて学生の行動スキーマを生成する行動プレビュー装置,(2)教師と学生の対話と行動スキーマを診断して認知状態を更新する状態アナライザ,(3)学生の今後の反応を予測し,チェインリフレクタによるParLDの自己回帰を支援するための検証可能なフィードバックを提供するパフォーマンス推論器,の3つの構成要素から構成される。
各相互作用の間に順次かつ反復的に動作し、学生の認知状態を診断する。
そこで我々は,ParLDの有効性を強調し,性能予測と学習支援の両方を評価する実験を行った。
関連論文リスト
- Decoding Student Minds: Leveraging Conversational Agents for Psychological and Learning Analysis [0.15293427903448018]
本稿では,教育環境における学習性能と感情的幸福感の両立を目的とした,心理的に認知された会話エージェントを提案する。
このシステムは、知識グラフ強化BERT(KG-BERT)と双方向Long Short-Term Memory(LSTM)を組み合わせて、学生の認知的および情緒的状態をリアルタイムで分類する。
論文 参考訳（メタデータ） (2025-12-11T09:06:45Z) - UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。
最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。
これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
論文 参考訳（メタデータ） (2025-11-12T01:27:02Z) - DiaCDM: Cognitive Diagnosis in Teacher-Student Dialogues using the Initiation-Response-Evaluation Framework [16.4724632629142]
DiaCDMは、対話における生徒の認知状態を評価するツールである。
我々は,対話に適した診断枠組みを設計するために,IRE(Initiation-Response-evaluation)フレームワークを教育理論から応用した。
3つの実世界の対話データセットの実験により、DiaCDMは診断精度を大幅に向上するだけでなく、結果の解釈可能性も向上することを確認した。
論文 参考訳（メタデータ） (2025-09-29T14:09:04Z) - Discerning minds or generic tutors? Evaluating instructional guidance capabilities in Socratic LLMs [35.33577525791391]
本研究は,質問生成を超えて指導指導能力を強調する。
実際の教育対話を基盤としたベンチマークである GuideEval を提案する。
本稿では,行動促進型指導対話を活用した行動誘導型微調整戦略を提案する。
論文 参考訳（メタデータ） (2025-08-08T01:02:44Z) - 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) - Sentiment Analysis in Learning Management Systems Understanding Student Feedback at Scale [0.0]
非言語コミュニケーションの欠如は、教育経験の有効性を低下させる言葉によるフィードバックへの依存につながった。
本稿では,学生と教師のギャップを埋めるために,感情分析を学習管理システム(LMS)に統合することを検討する。
論文 参考訳（メタデータ） (2025-06-05T18:13:07Z) - 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) - Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。
このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
論文 参考訳（メタデータ） (2024-03-20T17:47:49Z) - 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) - Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
自然言語を理解し、人間と対話するための訓練機械は、人工知能の解明と本質的なタスクである。
本稿では,対話理解タスクにおける対話モデリングの技術的視点から,過去の手法を概観する。
さらに,対話シナリオにおけるPrLMの強化に使用される対話関連事前学習手法を分類する。
論文 参考訳（メタデータ） (2021-10-11T03:52:37Z) - Structural Pre-training for Dialogue Comprehension [51.215629336320305]
本稿では,SPIDER, Structure Pre-trained DialoguE Readerについて述べる。
対話のような特徴をシミュレートするために,元のLM目的に加えて,2つの訓練目標を提案する。
広く使われている対話ベンチマークの実験結果から,新たに導入した自己教師型タスクの有効性が検証された。
論文 参考訳（メタデータ） (2021-05-23T15:16:54Z) - Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
対話モデリングの観点から,従来の手法を検討した。
対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
論文 参考訳（メタデータ） (2021-03-04T15:50:17Z)
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。