論文の概要: CLARA: Can AI Assess Developmental Appropriateness in Children's Stories?

• arxiv url: http://arxiv.org/abs/2610.05783v1
• Date: Mon, 05 Oct 2026 04:32:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:26:36.348844
• Title: CLARA: Can AI Assess Developmental Appropriateness in Children's Stories?
• Title（参考訳）: クララ:AIは子どもの物語の発達的適切性を評価することができるか?
• Abstract要約: CLARAは認知,言語,社会的情緒的側面にまたがる構造的アノテーションを通して,発達的物語理解のための枠組みである。 CLARAの評価は、ベンチマーク比較、コンポーネント分析、翻訳されたバイリンガル整合性分析、および教育者による視覚障害者の評価を通じて行われる。 以上の結果から,AIシステムは,構造的発達アノテーションによって導かれる場合に,人間の発達判断の特定の側面を近似することができることが示唆された。
• 参考スコア（独自算出の注目度）: 31.128362378487576
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assessing the developmental suitability of children's narratives is important for educational recommendation and developmental literacy research, yet such assessment typically relies on subjective and difficult-to-scale human judgment. This raises an important question: Can AI systems approximate human developmental judgments of children's stories? To study this problem, we introduce CLARA, a cognitively grounded framework for developmental narrative understanding through structured annotation across cognitive (COG), language (LAN), and social-emotional (SEL) dimensions, together with a bilingual benchmark resource containing 1107 Chinese--English children's stories with normalized silver developmental references and structured developmental annotations. We evaluate CLARA through benchmark comparison, component analysis, translated bilingual consistency analysis, and blinded human evaluation with educators. Experimental results show that structured developmental annotation achieves substantially stronger alignment with developmental references and human judgments than readability-based methods and direct prompting baselines. Overall, our findings suggest that AI systems can approximate certain aspects of human developmental judgment when guided by structured developmental annotation, while also highlighting the importance of interpretability and human oversight in educational NLP.
• Abstract（参考訳）: 子どもの物語の発達的適合性を評価することは、教育レコメンデーションや発達的リテラシー研究において重要であるが、そのような評価は通常、主観的かつスケールの難しい人間の判断に依存している。 AIシステムは、子供の物語の人間の発達的判断を近似できるだろうか? そこで本研究では,認知的・言語的・社会的情緒的(SEL)次元にまたがる構造的アノテーションによる,発達的物語理解のための認知的基盤となるフレームワークであるCLARAと,正規化された銀の発達参照と構造化された発達的アノテーションを備えた1107人の中国人児童の物語を含むバイリンガル・ベンチマーク・リソースを紹介する。 CLARAの評価は、ベンチマーク比較、コンポーネント分析、翻訳されたバイリンガル整合性分析、および教育者による視覚障害者の評価を通じて行われる。 実験結果から, 構造的発達アノテーションは, 可読性に基づく手法よりも, 発達基準や人的判断との整合性を著しく向上し, ベースラインを直接的に促すことが示唆された。 概して,AIシステムは,構造化された発達アノテーションで導かれるときの人間の発達判断の特定の側面を近似でき,また,教育的NLPにおける解釈可能性や人間の監督の重要性も強調できる。

関連論文リスト

• I code or AI code: A comparative evaluation of AI-rated scores in classroom observations [0.0]
  この研究は、香港の30の幼稚園の38の教室から87の動画記録を分析した。 その結果,感情支援領域におけるAIとレーダの収束度が向上した。 これらの結果は,教師と児童の相互作用の相対的な変化を,転写に基づくAIスコアリングが捉えていることを示唆している。
  論文  参考訳（メタデータ） (2026-09-16T07:53:28Z)
• Beyond Length: Context-Aware Expansion and Independence as Developmentally Sensitive Evaluation in Child Utterances [17.781201178950973]
  成人の対話における子どもの発話の質を評価することは,文脈に敏感な指標が不足しているため,依然として困難である。 MLU(Mean Length of Utterance)、語彙多様性(vocd-D)、可読性指標(Flesch-Kincaid Grade Level, Gunning Fog Index)などの一般的なプロキシは、長さと会話のコンテキストを無視している。 LLM-as-a-judge フレームワークを導入し,まず先行する成人の発話型を分類し,幼児の反応を2つの軸に沿って評価する。
  論文  参考訳（メタデータ） (2026-02-05T07:19:04Z)
• Do Syntactic Categories Help in Developmentally Motivated Curriculum Learning for Language Models? [22.306066892204274]
  本研究では, BabyLM corpus と CHILDES の年齢群を解析した。 CHILDESは, 年齢による統語的区別が強くないが, 学習データに関する統語的知識は, 言語課題におけるモデル性能の解釈に有用であることを示す。
  論文  参考訳（メタデータ） (2025-11-11T13:03:27Z)
• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• Feature-based analysis of oral narratives from Afrikaans and isiXhosa children [14.74555743937968]
  我々は,4歳から5歳のアフリカーンスとイシクソサ語を話す子供たちの話を分析した。 語彙の多様性(一意的な単語)と長さに基づく特徴(平均発話長)を典型的な発達の指標として同定する。 目標指向のストーリーテリングに関連する特定の動詞と補助詞の使用は、介入を必要とする可能性の低減と相関する。
  論文  参考訳（メタデータ） (2025-07-17T14:31:32Z)
• Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
  本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。 本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-01T04:15:56Z)
• ConSiDERS-The-Human Evaluation Framework: Rethinking Human Evaluation for Generative Large Language Models [53.00812898384698]
  生成型大規模言語モデル(LLM)の人間による評価は多分野にわたる作業であるべきだと論じる。 認知バイアスが、流動的な情報や真理をいかに説明するか、そして、認識の不確実性が、Likertのような評価スコアの信頼性にどのように影響するかを強調します。 本稿では,ConSiDERS-The-Human評価フレームワークを提案する。一貫性,スコーリング基準,差別化,ユーザエクスペリエンス,責任,スケーラビリティの6つの柱からなる。
  論文  参考訳（メタデータ） (2024-05-28T22:45:28Z)
• BabySLM: language-acquisition-friendly benchmark of self-supervised spoken language models [56.93604813379634]
  音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。 語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。 テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-06-02T12:54:38Z)

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。