論文の概要: AI-Driven Analytics of Team-Teaching Talk: Acoustic Patterns across Experience, Cohorts and the Learning Design

• arxiv url: http://arxiv.org/abs/2606.09831v1
• Date: Sun, 19 Apr 2026 03:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.787352
• Title: AI-Driven Analytics of Team-Teaching Talk: Acoustic Patterns across Experience, Cohorts and the Learning Design
• Title（参考訳）: チームTeaching TalkのAI駆動分析:経験、コホート、学習デザインの音響パターン
• Authors: Yuchen Liu, Roberto Martinez-Maldonado, Riordan Alfredo, Paola Mejia-Domenzain, Dwi Rahayu, Sadia Nawaz,
• Abstract要約: チームの教えが実際にどのように展開されるかという経験的な理解は限られています。 本稿では,AIを用いた音声処理手法を用いて,チーム学習環境における授業内容の分析を行う。
• 参考スコア（独自算出の注目度）: 7.356648934198833
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As classroom cohorts expand, team teaching is increasingly used to integrate the expertise and pedagogical perspectives of multiple teachers. Yet, there is limited empirical understanding of how team teaching unfolds in practice, particularly regarding differences in teachers' contributions across experience levels, student cohorts, and learning task design. Prior research on team teaching has largely relied on retrospective self-reports or small-scale observations, offering limited insight into the micro-level processes through which team teaching is enacted. Teacher talk offers a scalable lens on these processes. While research in individual teaching contexts shows that acoustic features of speech (e.g., voice quality, intonation, and loudness) can shape student learning, evidence from team-teaching settings remains scarce. Moreover, capturing such features through manual observation or transcription is especially challenging in team-teaching classrooms, where multiple teachers speak across extended sessions and spatial locations, limiting scalability without automation. Grounded in spatial pedagogy theory and team-teaching research, this paper presents an AI-based speech processing approach to analyse classroom talk in team-teaching settings. We analysed 36 recorded undergraduate and postgraduate sessions involving 12 teachers. Spatial pedagogy behaviours were coded and acoustic features extracted to examine variation across teachers' experience, student cohorts, and the learning task design. The results reveal systematic differences, most notably in loudness dynamics: high-experience teachers, undergraduate classes and collaborative learning tasks exhibited greater loudness variation, suggesting more frequent modulation of volume to foreground key information and support classroom interaction and engagement.
• Abstract（参考訳）: 教室のコホートが拡大するにつれて、複数の教師の専門知識と教育的視点を統合するために、チームの教育がますます使われています。 しかし、特に経験レベル、学生コホート、学習課題設計における教師の貢献の相違について、チームの教えが実際にどのように展開されるかという経験的理解は限られている。 チームの教えに関する以前の研究は、レトロスペクティブの自己報告や小さな観察に大きく依存しており、チームの教えが実行されるマイクロレベルのプロセスについて限定的な洞察を提供しています。 教師の講演は、これらのプロセスにスケーラブルなレンズを提供する。 個別の教育文脈における研究は、音声の音響的特徴(例えば、声質、イントネーション、大声)が学生の学習を形作ることができることを示しているが、チーム教育の設定による証拠は乏しいままである。 さらに、このような特徴を手動の観察や書き起こしを通じて捉えることは、複数の教師が拡張セッションや空間的な場所をまたいで会話し、自動化せずにスケーラビリティを制限するチーム教育教室において特に困難である。 本稿では, 空間教育理論とチーム教育研究を基礎として, チーム教育環境における授業内容の分析を行うためのAIベースの音声処理手法を提案する。 12名の教員を対象とし,36名の学部生と大学院生のセッションを分析した。 空間的教育行動のコード化と音響的特徴を抽出し,教師の経験,学生のコホート,学習課題デザインの多様性について検討した。 その結果,高経験の教員,大学院生,共同学習課題が大きな音質変化を示し,音量変化の頻度が増加し,鍵情報の事前調整や教室間の交流やエンゲージメントが促進されたことが示唆された。

関連論文リスト

• EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus [59.693733170193944]
  EduDialは総合的な多ターン教師/学生対話データセットである。 EduDialは345のコアナレッジポイントをカバーし、教師と学生エージェントの対話によって生成された34,250の対話セッションで構成されている。
  論文  参考訳（メタデータ） (2025-10-14T18:18:43Z)
• INSIGHT: Bridging the Student-Teacher Gap in Times of Large Language Models [0.7499722271664147]
  INSIGHTは、さまざまなAIツールを組み合わせて、エクササイズを解決する過程において、スタッフと学生を教えることを支援する概念実証である。 我々は,学生の質問からFAQを動的に構築するキーワードを抽出することで,学生の質問をLLMに解析する。
  論文  参考訳（メタデータ） (2025-04-24T15:47:20Z)
• Enhancing Talk Moves Analysis in Mathematics Tutoring through Classroom Teaching Discourse [6.1701318546149]
  本稿では,会話の動きを用いた数学の授業内容の分析に焦点をあてる。 機械学習モデルを開発するために、広範な学習対話の収集、アノテーション、分析をスケールすることは、困難でリソース集約的なタスクである。
  論文  参考訳（メタデータ） (2024-12-18T00:13:04Z)
• Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
  GRADEは、教育と表現的アライメントを研究するための新しい制御された実験環境である。 学生との表現的整合性が向上し,生徒の学習成果が向上することがわかった。 しかし、この効果は、教えられているクラスのサイズと表現の多様性によって中和される。
  論文  参考訳（メタデータ） (2024-06-06T17:48:24Z)
• Multimodal Classification of Teaching Activities from University Lecture Recordings [0.9790236766474201]
  本稿では,授業のいつでも実施されている活動の種類を特定するマルチモーダル分類アルゴリズムを提案する。 いくつかの学術活動は、音声信号とより容易に識別でき、テキストの書き起こしに頼って他者を特定する必要がある。
  論文  参考訳（メタデータ） (2023-12-24T08:33:30Z)
• 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)
• Computationally Identifying Funneling and Focusing Questions in Classroom Discourse [24.279653100481863]
  本稿では,授業談話におけるファネリングと集中型質問を計算的に検出するタスクを提案する。 ファネリングと集中型質問にラベル付けされた2,348の教師発話の注釈付きデータセットをリリースする。 我々の最高のモデルである教師付きRoBERTaモデルは、データセットに微調整され、人間の専門家ラベルと.76の強い線形相関と、ポジティブな教育結果を持つ。
  論文  参考訳（メタデータ） (2022-07-08T01:28:29Z)
• 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。