論文の概要: TACT: Taxonomy-Aligned Post-Training for Pedagogically Adaptive English Tutoring

• arxiv url: http://arxiv.org/abs/2608.03952v1
• Date: Tue, 04 Aug 2026 17:16:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 17:47:10.515407
• Title: TACT: Taxonomy-Aligned Post-Training for Pedagogically Adaptive English Tutoring
• Title（参考訳）: TACT: Pedagogically Adaptive English Tutoring の分類学的アライメント
• Authors: Dongjie Yang, Siyan Lin, Leixian Shen, Rui Sheng, Huamin Qu, Zixin Chen,
• Abstract要約: 教育適応型ESLチューターの訓練後評価のための人為的枠組みであるTACT(Taxonomy-Aligned Conversational Tutor)を提案する。 TACTCorpusは、32,379のアノテーションと品質管理された強化トレーニングデータを使って、260人の真正な教師と学生の会話を豊かにする。 TACTBenchは78の教師コンテキストからなる戦略バランスの診断ベンチマークであり、TACTutorはバックボーンを20.30%改善している。
• 参考スコア（独自算出の注目度）: 40.018315504853966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used to provide conversational practice for English-as-a-second-language (ESL) learners. Effective ESL tutoring, however, requires more than fluent response generation: a tutor must select an appropriate pedagogical action based on learner behavior and dialogue context. Human-tutoring research offers principles for adaptive support, but they are often task-specific and remain insufficiently integrated into LLM-based ESL tutor training and evaluation. We present TACT (Taxonomy-Aligned Conversational Tutor), a human-grounded framework for post-training and evaluating pedagogically adaptive ESL tutors. Drawing on established literature, we develop two complementary taxonomies: the Tutor-Strategy Taxonomy with 13 tutor response strategies and the Student-Move Taxonomy characterizing learner behavior by move type and status. Using these taxonomies, we construct TACTCorpus, which enriches 260 authentic teacher-student conversations with 32,379 annotations and quality-controlled augmented training data. We then post-train Qwen3.5-4B through supervised fine-tuning followed by taxonomy-aligned Group Relative Policy Optimization, producing TACTutor and optimizing it for scaffolding quality rather than reference imitation alone. On TACTBench, a strategy-balanced diagnostic benchmark comprising 78 authentic tutoring contexts, TACTutor improves over its backbone by 20.30% and outperforms all evaluated proprietary baselines under the same protocol, while maintaining backbone performance on established external educational benchmarks; in a blinded study with 50 learners, it also receives the highest overall mean rating among the evaluated tutors. We release the data, benchmark, and model weights, providing an open foundation for developing pedagogically adaptive ESL tutors.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、英語を第2言語(ESL)学習者に対して会話の実践を提供するために、ますます使われてきている。 教師は学習者行動と対話コンテキストに基づいて適切な教育行動を選択する必要がある。 ヒューマンチューニング研究は適応支援の原則を提供するが、それらはしばしばタスク固有であり、LLMベースのESLチュータートレーニングと評価に不十分に組み込まれている。 TACT(タキソノミー・アラインド・コンバーショナル・テューター)は,教育的適応型ESLチューターを訓練後評価するための人為的な枠組みである。 確立された文献に基づいて,13の学習者対応戦略を持つテューター・ストラテジー分類法と,移動型とステータスによる学習者の行動の特徴を特徴付ける学生・運動分類法という2つの相補的な分類法を開発した。 これらの分類法を用いてTACTCorpusを構築し,32,379アノテーションと品質管理強化トレーニングデータを用いた260人の教師学生の会話を豊かにする。 次に,教師付き微調整によるQwen3.5-4B後のQwen3.5-4Bの後,分類に整合したグループ相対政策最適化を行い,TACTutorを生産し,参照模倣のみではなく,足場品質に最適化した。 TACTBenchは、78の真のチューターコンテキストからなる戦略バランスの診断ベンチマークであり、TACTutorはバックボーンを20.30%改善し、既存の外部教育ベンチマークのバックボーン性能を維持しながら、同じプロトコルで評価されたプロプライエタリなベースラインをすべて上回っている。 我々は、データ、ベンチマーク、モデルウェイトを公開し、教育適応型ESLチューターを開発するためのオープンな基盤を提供する。

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)
• PATS: Personality-Aware Teaching Strategies with Large Language Model Tutors [66.56586559631516]
  大型言語モデル (LLM) は教育教師としての可能性を秘めている。 しかし、異なる学習戦略は、異なる学生の個性に利益をもたらす。 それにもかかわらず、現在のLLM教育システムは生徒の性格特性を考慮に入れていない。
  論文  参考訳（メタデータ） (2026-01-13T10:17:26Z)
• 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)
• Can Large Language Models Match Tutoring System Adaptivity? A Benchmarking Study [0.0]
  大規模言語モデル(LLM)は動的命令補助として約束を守る。 しかし、LLMが知的チューリングシステム(ITS)の適応性を再現できるかどうかは不明である。
  論文  参考訳（メタデータ） (2025-04-07T23:57:32Z)
• Training LLM-based Tutors to Improve Student Learning Outcomes in Dialogues [46.60683274479208]
  本稿では,大規模言語モデル(LLM)を訓練し,学生の正当性を最大化するチューター発話を生成する手法を提案する。 モデルにより生成された教師発話が,学生の正答率を著しく高めることを示す。
  論文  参考訳（メタデータ） (2025-03-09T03:38:55Z)
• BIPED: Pedagogically Informed Tutoring System for ESL Education [11.209992106075788]
  大規模言語モデル(LLM)は、容易に利用でき、コスト効率の良い会話型知能チューニングシステム(CITS)として機能する大きな可能性を秘めている。 既存のCITSは、単純な概念だけを教えるか、多様な学習戦略に取り組むために必要な教育的な深さを欠くように設計されている。 バイリンガル PEDagogically-informed Tutoring dataset of one-on-one, human-to- Human English tutoring Interaction。
  論文  参考訳（メタデータ） (2024-06-05T17:49:24Z)

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。