論文の概要: PeerMathDial: A Middle School Dialogue Dataset for Student Collaborative Math Problem Solving
- arxiv url: http://arxiv.org/abs/2606.21557v1
- Date: Fri, 19 Jun 2026 15:55:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 12:44:12.368982
- Title: PeerMathDial: A Middle School Dialogue Dataset for Student Collaborative Math Problem Solving
- Title（参考訳）: PeerMathdial: 学生協調数学問題解決のための中学生対話データセット
- Abstract要約: 協調問題解決(CPS)は、ピアインタラクションのプロセスが極めて重要である教育における中核的なスキルである。
PeerMathDialは、真正な中学校の数学教室から収集されたピアCPS対話の最初のデータセットである。
27人の学生による55の対話があり、合計6,406回である。
データセットと対話行動分類を用いて、3つのユースケースにまたがるPeerMathDialの実践的応用を実証する。
- 参考スコア（独自算出の注目度）: 10.652842345233559
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Collaborative Problem Solving (CPS) is a core skill in education, where the process of peer interaction is highly important. However, existing educational dialogue datasets mostly focus on classroom instruction or tutoring (i.e., teacher/tutor-student interaction), yet datasets centering small-group, student-student interaction are limited. This thus leaves research with limited resources for studying how students interact, coordinate, and solve problems together in real educational settings. To address this, we introduce PeerMathDial, the first dataset of peer CPS dialogues collected from authentic middle school math classrooms. It contains 55 dialogues from 27 students, totaling 6,406 turns. To facilitate research on CPS discourse analysis, we further build a corpus-grounded dialogue act taxonomy assisted by LLMs. Using the dataset and the dialogue act taxonomy, we demonstrate the practical applications of PeerMathDial across three use cases. First, we track how dialogues evolve over time and measure the impact of teacher interventions. Second, we align dialogue actions with student surveys to reveal the connection between students' traits (e.g., confidence, leadership) and their actual behaviors. Third, by evaluating LLMs on dialogue act prediction, we glimpse at the potential of LLMs for student simulation in educational applications. Our dataset and source code will be released to the community.
- Abstract（参考訳）: 協調問題解決(CPS)は、ピアインタラクションのプロセスが極めて重要である教育における中核的なスキルである。
しかし、既存の教育対話データセットは、主に教室の授業や授業(教師/教師-学生の交流)に焦点を当てているが、小グループ、学生-学生の交流を中心としたデータセットは限られている。
これにより、学生が実際の教育環境でどのように相互作用し、協調し、解決するかを研究するための限られたリソースが研究に残されることになる。
そこで本研究では,真正な中学校数学教室から収集したピアCPS対話の最初のデータセットであるPeerMathDialを紹介する。
27人の学生による55の対話があり、合計6,406回である。
CPS談話分析の研究を容易にするために,LLMを用いたコーパスグラウンドの対話行為分類法をさらに構築する。
データセットと対話行動分類を用いて、3つのユースケースにまたがるPeerMathDialの実践的応用を実証する。
まず、時間とともに対話がどのように進化するかを追跡し、教師の介入の影響を計測する。
第2に,学生の性格(例えば,自信,リーダーシップ)と実際の行動との関係を明らかにするために,学生調査と対話行動の整合性を明らかにする。
第3に,対話行動予測における LLM の評価により,学生シミュレーションにおける LLM の可能性について概観する。
私たちのデータセットとソースコードはコミュニティにリリースされます。
関連論文リスト
- "How Do I ...?": Procedural Questions Predominate Student-LLM Chatbot Conversations [39.146761527401424]
本稿では,学習コンテキストの異なる2つのデータセット,形式的自己学習(formive self-study)と要約的評価コースワーク(summative evaluationed coursework)に焦点をあてる。
11の異なるLarge Language Model(LLM)と3つの人間レーダを用いて、両方の学習文脈から6,113のメッセージを分析した。
以上の結果から,「手続き的」な質問は両学習文脈で優位に立つが,学生が要約的評価の準備をする場合には,その傾向が示唆された。
論文 参考訳（メタデータ） (2026-02-20T17:27:41Z) - 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) - The StudyChat Dataset: Student Dialogues With ChatGPT in an Artificial Intelligence Course [1.9116784879310025]
大規模言語モデル(LLM)は教育に大きな影響を与え、機会と課題の両方を提起している。
本研究では,LLMを用いた実世界の学生インタラクションのデータセットであるStudioChatを紹介する。
本稿では,ChatGPTのコア機能を再現したWebアプリケーションをデプロイし,学生のLLMとのインタラクションをログに記録する。
これらの相互作用を分析し、利用傾向を強調し、特定の生徒の行動がコースの結果とどのように関連しているかを分析する。
論文 参考訳（メタデータ） (2025-03-11T00:17:07Z) - INTERACT: Enabling Interactive, Question-Driven Learning in Large Language Models [15.825663946923289]
大規模言語モデル(LLM)は、質問に答える能力は優れているが、知識を疑問視したり洗練したりすることなく、静的データを受動的に吸収する。
本稿では,LLMが学生と教師の対話を通して,対話型,質問駆動型学習にどのように移行できるかを考察する。
論文 参考訳（メタデータ） (2024-12-16T02:28:53Z) - 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) - 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) - Zero-Shot Goal-Directed Dialogue via RL on Imagined Conversations [70.7884839812069]
大規模言語モデル(LLM)は、多くの自然言語タスクに対する強力で一般的な解決策として登場した。
しかしながら、言語生成の最も重要なアプリケーションの多くは対話的であり、エージェントは望ましい結果に達するために相手と話し合わなければならない。
本研究では,そのような目標指向対話に対して,RLでLLMを適応させる新しい手法について検討する。
論文 参考訳（メタデータ） (2023-11-09T18:45:16Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - DialogZoo: Large-Scale Dialog-Oriented Task Learning [52.18193690394549]
我々は,多種多様な対話課題を解くための統合基盤モデルの構築を目指している。
この目的を達成するために、73の公開データセットから、まず大規模なラベル付き対話データセットを収集する。
論文 参考訳（メタデータ） (2022-05-25T11:17:16Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳（メタデータ） (2022-05-11T16:01:03Z)
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。