論文の概要: Memory-Based vs. Context-Only Conditioning Produces Distinct Behavioral Patterns in Stateful Personalization

• arxiv url: http://arxiv.org/abs/2605.27389v1
• Date: Tue, 14 Apr 2026 18:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.519268
• Title: Memory-Based vs. Context-Only Conditioning Produces Distinct Behavioral Patterns in Stateful Personalization
• Title（参考訳）: メモリベース対コンテキストオンリー条件付けはステートフルパーソナライゼーションにおける個別行動パターンを生成する
• Authors: Junsoo Park, Youssef Medhat, Htet Phyo Wai, Ploy Thajchayapong, Ashok K. Goel,
• Abstract要約: 本研究では,教師が対象とする教育推薦システムにおいて,コンディショニングコンテキストがパーソナライズ行動をどのように形成するかを検討する。 文脈的推薦はより強い質問レベルの応答性を示すのに対し、メモリベースの勧告は歴史に依存した行動を示す。
• 参考スコア（独自算出の注目度）: 1.6637373649145608
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study how conditioning context shapes personalization behavior in a teacher-facing educational recommender system. We compare contextual conditioning based on the current student question with memory-based conditioning using persistent learner information. Using deviation correlation and paired statistical tests, we find that contextual recommendations exhibit stronger question-level responsiveness, while memory-based recommendations exhibit history-dependent behaviors, including learner-specific differentiation under identical input. Teacher-facing evaluation signals suggest these recommendations are interpretable and actionable. These results indicate that embedding-based similarity metrics capture responsiveness to the current question but do not characterize personalization grounded in learner history, motivating behavior-level diagnostics for studying conditioning effects.
• Abstract（参考訳）: 本研究では,教師が目指す教育推薦システムにおいて,コンディショニングコンテキストがパーソナライズ行動をどのように形成するかを検討する。 我々は,現在の学生の質問に基づく文脈条件付けと,永続的な学習者情報を用いたメモリベースの条件付けを比較する。 偏差相関とペア統計テストを用いて、文脈的推薦はより強い質問レベルの応答性を示すのに対し、記憶に基づく推薦は、同一入力下での学習者固有の識別を含む履歴依存的な行動を示す。 教師が直面する評価信号は、これらの勧告が解釈可能で実行可能であることを示唆している。 これらの結果から, 組込み型類似度尺度は, 現在の質問に対する応答性を捉えるが, 学習者の歴史に根ざしたパーソナライゼーションを特徴付けるものではなく, 条件づけ効果を研究するための行動レベル診断を動機付けていることが明らかとなった。

関連論文リスト

• A-MBER: Affective Memory Benchmark for Emotion Recognition [3.9870633524104107]
  感情認識のためのA-MBER(Affective Memory Benchmark)を提案する。 A-MBERは、記憶されたマルチセッションインタラクション履歴に根ざした現在の感情解釈に焦点を当てている。 結果は、A-MBERが特に強調するように設計されたサブセットで識別可能であることを示している。
  論文  参考訳（メタデータ） (2026-04-08T12:36:18Z)
• Evaluating Learner Representations for Differentiation Prior to Instructional Outcomes [1.6637373649145608]
  本研究は,学習者間の分離を共有比較ルールで保持するか否かに基づいて,学習者表現の評価方法を検討する。 本研究では,各学習者がコホート内の他者とどのように異なるかを,ペア距離を用いて評価する表現レベル尺度である差分性を導入する。 その結果、学習者レベルの表現は、相互作用レベルの表現よりも高い分離、より強力なクラスタリング構造、より信頼性の高いペアワイズ識別をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-04-07T13:13:47Z)
• Disentangling Learning from Judgment: Representation Learning for Open Response Analytics [0.0]
  オープンエンドの回答は学習の中心であるが、自動スコアリングは生徒の書き方と教師の成績を混同することが多い。 本稿では、コンテンツ信号とレーダ傾向を分離し、分析を通じて判断を可視化し、監査可能にする分析ファーストフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-30T02:06:28Z)
• Fuzzy, Symbolic, and Contextual: Enhancing LLM Instruction via Cognitive Scaffolding [3.553493344868413]
  本研究では,指導対話における大規模言語モデル(LLM)の認知行動に,素早いレベルの帰納的バイアスがどう影響するかを検討する。 本稿では,適応的,構造化された推論を促進するために,短期記憶スキーマと組み合わせたシンボリックスキャフォールディング手法を提案する。 予備的な結果は、我々の完全なシステムがベースラインの変種を一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-08-28T20:46:13Z)
• Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
  Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。 目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。 一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。 我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
  論文  参考訳（メタデータ） (2025-08-03T23:48:46Z)
• On the Loss of Context-awareness in General Instruction Fine-tuning [101.03941308894191]
  教師付き微調整後の文脈認識の喪失について検討した。 性能低下は,会話指導の微調整中に学んだ異なる役割に対する偏見と関連していることがわかった。 一般命令微調整データセットから文脈依存例を識別する指標を提案する。
  論文  参考訳（メタデータ） (2024-11-05T00:16:01Z)
• Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models [88.47454470043552]
  我々は、動的評価(動的評価)としても知られる、テスト時の言語モデルのパラメータをオンラインで微調整する問題を考察する。 オンライン適応はパラメータを時間的に変化する状態に変換し、メモリを重み付けしたコンテキスト長拡張の形式を提供する。
  論文  参考訳（メタデータ） (2024-03-03T14:03:48Z)
• Towards Differential Relational Privacy and its use in Question Answering [109.4452196071872]
  データセット内のエンティティ間の関係の記憶は、トレーニングされた質問応答モデルを使用する場合、プライバシの問題につながる可能性がある。 我々はこの現象を定量化し、微分プライバシー(DPRP)の定義を可能にする。 質問回答のための大規模モデルを用いた実験において,概念を解説する。
  論文  参考訳（メタデータ） (2022-03-30T22:59:24Z)

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。