論文の概要: Dialogue Act Patterns in GenAI-Mediated L2 Oral Practice: A Sequential Analysis of Learner-Chatbot Interactions
- arxiv url: http://arxiv.org/abs/2604.05702v1
- Date: Tue, 07 Apr 2026 10:56:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.775913
- Title: Dialogue Act Patterns in GenAI-Mediated L2 Oral Practice: A Sequential Analysis of Learner-Chatbot Interactions
- Title（参考訳）: GenAI-Mediated L2 Oral Practiceにおける対話行為パターン:学習者とチャットボットの相互作用の逐次的分析
- Authors: Liqun He, Shijun, Chen, Mutlu Cukurova, Manolis Mavrikis,
- Abstract要約: 外国語学習者(EFL)とGenAI音声チャットボット(GenAI音声チャットボット)の対話行動(DA)パターンについて検討した。
12人の学生の70のセッションは、教育インフォームドコーディングスキームを用いて、人間のプログラマによって注釈付けされた。
ハイプログレッシブセッションでは学習者による質問がより多く,低プログレッシブセッションでは明確化検索の頻度が高かった。
- 参考スコア（独自算出の注目度）: 16.320536927966447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While generative AI (GenAI) voice chatbots offer scalable opportunities for second language (L2) oral practice, the interactional processes related to learners' gains remain underexplored. This study investigates dialogue act (DA) patterns in interactions between Grade 9 Chinese English as a foreign language (EFL) learners and a GenAI voice chatbot over a 10-week intervention. Seventy sessions from 12 students were annotated by human coders using a pedagogy-informed coding scheme, yielding 6,957 coded DAs. DA distributions and sequential patterns were compared between high- and low-progress sessions. At the DA level, high-progress sessions showed more learner-initiated questions, whereas low-progress sessions exhibited higher rates of clarification-seeking, indicating greater comprehension difficulty. At the sequential level, high-progress sessions were characterised by more frequent prompting-based corrective feedback sequences, consistently positioned after learner responses, highlighting the role of feedback type and timing in effective interaction. Overall, these findings underscore the value of a dialogic lens in GenAI chatbot design, contribute a pedagogy-informed DA coding framework, and inform the design of adaptive GenAI chatbots for L2 education.
- Abstract（参考訳）: 生成型AI(GenAI)音声チャットボットは、第2言語(L2)口頭練習のためのスケーラブルな機会を提供するが、学習者の獲得に関連する相互作用プロセスは未探索のままである。
日本語学習者(EFL)とGenAI音声チャットボット(GenAI音声チャットボット)の対話行動(DA)パターンを10週間の介入で検討した。
12人の学生の70のセッションは、教育インフォームドコーディングスキームを用いて、人間のプログラマによって注釈付けされ、6,957のDAが得られた。
DA分布とシーケンシャルパターンは, ハイプログレッシブセッションとロープログレッシブセッションで比較した。
DAレベルでは、ハイプログレッシブセッションはより学習者主導の質問を呈し、低プログレッシブセッションはより理解の難しさを示した。
逐次レベルでは、より頻繁なプロンプトベースの修正フィードバックシーケンスが特徴的であり、学習者の反応の後に一貫して位置決めされ、効果的なインタラクションにおけるフィードバックタイプとタイミングの役割を強調した。
全体として、これらの知見は、GenAIチャットボット設計におけるダイアログレンズの価値を強調し、教育用DAコーディングフレームワークに寄与し、L2教育のための適応型GenAIチャットボットの設計を通知する。
関連論文リスト
- ConsistentChat: Building Skeleton-Guided Consistent Multi-Turn Dialogues for Large Language Models from Scratch [79.12929103519922]
Skeleton-Guided Multi-Turn Dialogue Generationは、人間の意図を明示的にモデル化することで、マルチターン命令合成を制約する。
約15,000のマルチターン会話と224,392の発話を持つマルチターン命令データセットであるConsistentChatを構築した。
Light, Topdial, MT-Evalベンチマークの実験では、ConsistentChatで微調整されたモデルでは、チャットの一貫性が20～30%向上し、タスクの成功率が15%向上している。
論文 参考訳（メタデータ） (2025-06-04T04:21:48Z) - Automatic Proficiency Assessment in L2 English Learners [51.652753736780205]
英語の第二言語習熟度(L2)は通常、英語の教師や専門家の評価者によって知覚的に評価される。
本稿では, 音声信号と対応文字の双方に対処し, 総合的なL2習熟度評価のための深層学習手法について検討する。
論文 参考訳（メタデータ） (2025-05-05T12:36:03Z) - Contrastive Speaker-Aware Learning for Multi-party Dialogue Generation with LLMs [4.691083532629246]
マルチパーティ対話生成は、複数の話者の複雑な相互作用と会話スレッド間の相互作用によって大きな課題を呈する。
本稿では,事前学習されたLarge Language Models (LLM) を利用した新しい生成モデルである Speaker-Attentive LLM (SA-LLM) と,これらの課題に対処するための話者認識型コントラスト学習戦略を提案する。
SA-LLMは、明示的な関係アノテーションなしで文脈的コヒーレンスと話者の役割を暗黙的に学習する、話者対応の入力符号化と対照的な学習目的を取り入れている。
論文 参考訳（メタデータ） (2025-03-11T19:28:12Z) - Investigation of the effectiveness of applying ChatGPT in Dialogic Teaching Using Electroencephalography [6.34494999013996]
大規模言語モデル(LLM)には、知識を解釈し、質問に答え、文脈を考える能力がある。
この研究は、34人の大学生を参加者として募集し、ランダムに2つのグループに分けられた。
実験群はChatGPTを用いて対話型指導を行い,コントロール群は人間教師と対話した。
論文 参考訳（メタデータ） (2024-03-25T12:23:12Z) - Multi-Stage Coarse-to-Fine Contrastive Learning for Conversation Intent
Induction [34.25242109800481]
本稿では,第11回対話システム技術チャレンジ(DSTC11)におけるタスク指向対話における会話からのインテントインジェクションの追跡方法について述べる。
意図的クラスタリングの本質は、異なる対話発話の表現を区別することにある。
DSTC11の評価結果では,このトラックの2つのサブタスクのうちの1位が提案システムである。
論文 参考訳（メタデータ） (2023-03-09T04:51:27Z) - Scheduled Multi-task Learning for Neural Chat Translation [66.81525961469494]
ニューラルチャット翻訳(NCT)のためのマルチタスク学習フレームワークを提案する。
具体的には、大規模なドメイン内チャット翻訳データをトレーニングに組み込むための3段階のトレーニングフレームワークを考案する。
提案手法の有効性と優越性を検証するために, 4言語方向の広範囲な実験を行った。
論文 参考訳（メタデータ） (2022-05-08T02:57:28Z) - Towards Robust Online Dialogue Response Generation [62.99904593650087]
これは、トレーニングと実世界のテストの相違によって引き起こされる可能性がある、と私たちは主張する。
本稿では, 発話レベルサンプリングと半発話レベルサンプリングの両方からなる階層的サンプリング手法を提案する。
論文 参考訳（メタデータ） (2022-03-07T06:51:41Z) - DialogBERT: Discourse-Aware Response Generation via Learning to Recover
and Rank Utterances [18.199473005335093]
本稿では,従来の PLM に基づく対話モデルを強化した対話応答生成モデルである DialogBERT を提案する。
発話間の談話レベルのコヒーレンスを効果的に把握するために,マスク付き発話回帰を含む2つの訓練目標を提案する。
3つのマルチターン会話データセットの実験により、我々のアプローチがベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2020-12-03T09:06:23Z) - Interactive Teaching for Conversational AI [2.5259192787433706]
現在の会話型AIシステムは、事前設計された要求のセットを理解し、関連するアクションを実行することを目的としている。
子どもが大人と対話する最初の言語を学習する方法に触発された本論文では、新しいTeachable AIシステムについて述べる。
インタラクティブな授業セッションを使ってエンドユーザーから直接、概念と呼ばれる新しい言語ナゲットを学ぶことができる。
論文 参考訳（メタデータ） (2020-12-02T04:08:49Z) - Modeling Long Context for Task-Oriented Dialogue State Generation [51.044300192906995]
本稿では,シンプルで効果的な発話タグ付け手法と双方向言語モデルを用いたマルチタスク学習モデルを提案する。
提案手法は,入力対話コンテキストシーケンスが長い場合に,ベースラインの性能が著しく低下する,という問題を解決する。
本実験では,MultiWOZ 2.0データセットにおいて,ベースラインに対して7.03%の相対的改善を実現し,新しい最先端のジョイントゴール精度を52.04%に設定した。
論文 参考訳（メタデータ） (2020-04-29T11:02:25Z)
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。