論文の概要: Tutor Move Taxonomy: A Theory-Aligned Framework for Analyzing Instructional Moves in Tutoring

• arxiv url: http://arxiv.org/abs/2603.05778v1
• Date: Fri, 06 Mar 2026 00:20:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.785605
• Title: Tutor Move Taxonomy: A Theory-Aligned Framework for Analyzing Instructional Moves in Tutoring
• Title（参考訳）: Tutor Move Taxonomy: テュータリングにおけるインストラクショナルモブの分析のための理論指向フレームワーク
• Authors: Zhuqian Zhou, Kirk Vanacore, Tamisha Thompson, Jennifer St John, Rene Kizilcec,
• Abstract要約: 本稿では,教師対話の大規模解析を支援するために,教師移動分類法を提案する。 我々は,ハイブリッド誘導法により分類学を発展させた。 結果として得られた分類学は、学習支援、学習支援、社会的感情的・動機的支援、論理的支援の4つのカテゴリに分けられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding what makes tutoring effective requires methods for systematically analyzing tutors' instructional actions during learning interactions. This paper presents a tutor move taxonomy designed to support large-scale analysis of tutoring dialogue within the National Tutoring Observatory. The taxonomy provides a structured annotation framework for labeling tutors' instructional moves during one-on-one tutoring sessions. We developed the taxonomy through a hybrid deductive-inductive process. First, we synthesized research from cognitive science, the learning sciences, classroom discourse analysis, and intelligent tutoring systems to construct a preliminary framework of tutoring moves. We then refined the taxonomy through iterative coding of authentic tutoring transcripts conducted by expert annotators with extensive instructional and qualitative research experience. The resulting taxonomy organizes tutoring behaviors into four categories: tutoring support, learning support, social-emotional and motivational support, and logistical support. Learning support moves are further organized along a spectrum of student engagement, distinguishing between moves that elicit student reasoning and those that provide direct explanation or answers. By defining tutoring dialogue in terms of discrete instructional actions, the taxonomy enables scalable annotation using AI, computational modeling of tutoring strategies, and empirical analysis of how tutoring behaviors relate to learning outcomes.
• Abstract（参考訳）: テュータリングを効果的にするためには、学習者間の相互作用において教師の指導行動を体系的に分析する手法が必要である。 本稿では,全国テュータリング観測所内におけるチュータ対話の大規模解析を支援するために,チュータ移動分類法を提案する。 分類学は、1対1の授業セッション中に教師の指導の動きをラベル付けするための構造化されたアノテーションフレームワークを提供する。 我々は,ハイブリッド誘導法により分類学を発展させた。 まず, 認知科学, 学習科学, 教室談話分析, 知的学習システムから研究を合成し, 学習行動の予備的枠組みを構築した。 そこで我々は,広範囲な指導的,定性的な研究経験を持つ専門家アノテータが実施した,真の指導書の反復的コーディングを通じて,分類学を洗練させた。 結果として得られた分類学は、学習支援、学習支援、社会的感情的・動機的支援、論理的支援の4つのカテゴリに分けられる。 学習支援の動きは学生の関与の範囲に沿ってさらに整理され、学生の推論を引き出す動きと、直接の説明や回答を与える動きとを区別する。 学習対話を個別の指導行動の観点から定義することにより、AIを用いたスケーラブルなアノテーション、学習戦略の計算モデル、学習行動が学習結果にどのように関係するかの実証分析を可能にする。

関連論文リスト

• Letting Tutor Personas "Speak Up" for LLMs: Learning Steering Vectors from Dialogue via Preference Optimization [45.40380629269521]
  教師と学生の対話に埋め込まれた教師ペルソナが、明示的に指示された指示に頼らずにLLM行動の指導にどのように使えるかを示す。 ステアリングベクトルは、対話コンテキスト間でのチューター固有の変化をキャプチャし、接地型チューター発話とのセマンティックアライメントを改善し、嗜好に基づく評価を増大させる。
  論文  参考訳（メタデータ） (2026-02-07T17:44:07Z)
• 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)
• MathTutorBench: A Benchmark for Measuring Open-ended Pedagogical Capabilities of LLM Tutors [82.91830877219822]
  我々は、総合的なチューリングモデル評価のためのオープンソースのベンチマークであるMathTutorBenchを紹介する。 MathTutorBenchには、ダイアログベースの教育における科学の研究によって定義された、家庭教師の能力をカバーするデータセットとメトリクスが含まれている。 閉鎖的およびオープンウェイトなモデルの幅広いセットを評価し、問題解決能力によって示される課題の専門知識が、すぐには良い教育に変換されないことを発見した。
  論文  参考訳（メタデータ） (2025-02-26T08:43:47Z)
• Scaffolding Language Learning via Multi-modal Tutoring Systems with Pedagogical Instructions [34.760230622675365]
  知的家庭教師システム(ITS)は、人間の家庭教師を模倣し、学習者にカスタマイズされた指導やフィードバックを提供することを目的としている。 生成人工知能の出現に伴い、大規模言語モデル(LLM)は、複雑な会話の相互作用をシステムに付与する。 教育指導がITSの足場形成をいかに促進するかを,子どもに言語学習のための画像記述を指導するケーススタディにより検討した。
  論文  参考訳（メタデータ） (2024-04-04T13:22:28Z)
• Pedagogical Demonstrations and Pragmatic Learning in Artificial Tutor-Learner Interactions [8.715518445626826]
  本稿では,複数の目標を持つ環境において,両方の参加者が人工エージェントであるチューター・ラーナー・セットアップにおけるそのようなメカニズムの実装について検討する。 教師からの教育と学習者からの実践主義を用いて,実演による標準学習よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2022-02-28T21:57:50Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。