論文の概要: Natural Language Processing for Aligning Readings with Learning Objectives and Assessing Topic Balance in Dental Education

• arxiv url: http://arxiv.org/abs/2610.15941v1
• Date: Sun, 11 Oct 2026 21:48:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 08:25:32.714619
• Title: Natural Language Processing for Aligning Readings with Learning Objectives and Assessing Topic Balance in Dental Education
• Title（参考訳）: 歯科教育における学習目的とトピックバランスの評価による読解の調整のための自然言語処理
• Abstract要約: ワークフローはPubMedBERT文の埋め込みと検索のためのコサイン類似性、エビデンスチェックのための自然言語推論(NLI)、カバレッジ分析のためのトピックモデリングを組み合わせる。 13のコースレベルLOと3,837対のPubMed由来コーパスを用いて歯科教育におけるアプローチを検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Curriculum teams often lack time to check whether assigned readings support learning objectives (LOs) and whether topic coverage is balanced. We present a natural language processing (NLP) workflow to support evidence-informed curation of reading lists. The workflow combines PubMedBERT sentence embeddings and cosine similarity for retrieval, natural language inference (NLI) for evidence checking, and topic modeling for coverage analysis. We tested the approach in dental education using 13 course-level LOs and a PubMed-derived corpus of 3,837 LO-abstract pairs. Median cosine similarity ranged from 0.86 to 0.91 across the 13 LOs, showing generally high semantic similarity. Topic modeling showed broad but uneven coverage, with one or two dominant topics per domain. Similarity alone was not enough for selecting readings: among high-similarity pairs (cosine 0.90-1.00), 22.9% were classified by NLI as neutral or contradictory. In a 49-pair expert-labeled validation set, cosine-based retrieval (cosine >= 0.90) achieved 0.69 accuracy, while the combined cosine and NLI approach achieved 0.73 accuracy against expert alignment labels. Overall, the workflow shows how AI can support curriculum alignment by reducing false positives and helping select readings that better match intended LOs.
• Abstract（参考訳）: カリキュラムチームは、割り当てられた読書が学習目標(LO)をサポートするかどうか、トピックカバレッジがバランスしているかどうかを確認する時間がないことが多い。 提案する自然言語処理(NLP)ワークフローは,エビデンス情報を用いた読解リストのキュレーションを支援する。 このワークフローは、検索のためのPubMedBERT文の埋め込みとコサイン類似性、エビデンスチェックのための自然言語推論(NLI)、カバレッジ分析のためのトピックモデリングを組み合わせる。 13のコースレベルLOと3,837対のPubMed由来コーパスを用いて歯科教育におけるアプローチを検証した。 中間コサインの類似性は13のLOで0.86から0.91まで変化し、概して高い意味的類似性を示した。 トピックモデリングでは、ドメイン毎に1つないし2つの主要なトピックがカバーされた。 高相似性対 (cosine 0.90-1.00) の中で、22.9%はNLIによって中性または矛盾性に分類された。 49対のエキスパートラベル付き検証セットでは、コサインベース検索(cosine >= 0.90)は0.69の精度を達成し、コサインとNLIの組み合わせは専門家アライメントラベルに対して0.73の精度を達成した。 全体として、ワークフローは、偽陽性を減らし、意図したLOにマッチした読みを選択できるようにすることで、AIがカリキュラムアライメントをサポートする方法を示している。

関連論文リスト

• Beyond Similarity: Grounded Agentic Extraction and Expert-Adjudicated Evaluation of Intertextuality in Classical Chinese Histories [3.694051864521789]
  我々は、大言語モデルが2つのテキスト単位をフルに読み込むエージェントタスクとして、きめ細かいテクスチャ間抽出をリキャストする。 3つのドメインの専門家がプールされたマルチモデル候補を2,533対のテキスト間ペアのベンチマークに設定し、Analects と Book of Han を徹底的に比較する手法を検証する。
  論文  参考訳（メタデータ） (2026-07-30T02:34:23Z)
• Automatic Detection of Complex Quotation Patterns in Aggadic Literature [0.9476463361600828]
  本稿では,ラビ語文学における聖書引用の自動検出のための新しい3段階アルゴリズムACTを提案する。 提案手法は,Dicta,Passim,Text-Matcher,および人間注釈クリティカルエディションなど,主要なシステムに対して評価された。 引用検出の改善に加えて、コーパスをまたいでスタイリスティックなパターンを分類するACTの能力は、ジャンル分類とテクスト間分析のための新しい道を開く。
  論文  参考訳（メタデータ） (2025-12-29T14:45:58Z)
• Semantic Alignment of Multilingual Knowledge Graphs via Contextualized Vector Projections [8.709638469928448]
  埋め込みに基づくコサイン類似性マッチングを用いた言語間アライメントシステム 我々は、より優れた埋め込みを生成するために、微調整変換器に基づく多言語モデルを使用する。 我々はOAEI-2022マルチファームトラックについて検討した。
  論文  参考訳（メタデータ） (2025-12-22T11:02:30Z)
• DenoSent: A Denoising Objective for Self-Supervised Sentence Representation Learning [59.4644086610381]
  本稿では,他の視点,すなわち文内視点から継承する新たな認知的目的を提案する。 離散ノイズと連続ノイズの両方を導入することで、ノイズの多い文を生成し、モデルを元の形式に復元するように訓練する。 我々の経験的評価は,本手法が意味的テキスト類似性(STS)と幅広い伝達タスクの両面で競合する結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2024-01-24T17:48:45Z)
• RankCSE: Unsupervised Sentence Representations Learning via Learning to Rank [54.854714257687334]
  本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。 コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。 セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
  論文  参考訳（メタデータ） (2023-05-26T08:27:07Z)
• Towards Unsupervised Recognition of Token-level Semantic Differences in Related Documents [61.63208012250885]
  意味的差異をトークンレベルの回帰タスクとして認識する。 マスク付き言語モデルに依存する3つの教師なしアプローチについて検討する。 その結果,単語アライメントと文レベルのコントラスト学習に基づくアプローチは,ゴールドラベルと強い相関関係があることが示唆された。
  論文  参考訳（メタデータ） (2023-05-22T17:58:04Z)
• Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
  非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。 我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。 また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
  論文  参考訳（メタデータ） (2023-01-22T18:22:55Z)
• Distant finetuning with discourse relations for stance classification [55.131676584455306]
  そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。 また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
  論文  参考訳（メタデータ） (2022-04-27T04:24:35Z)
• Stretching Sentence-pair NLI Models to Reason over Long Documents and Clusters [35.103851212995046]
  自然言語推論(NLI)は,文ペア間の意味的関係を推定するフレームワークとして,NLPコミュニティによって広く研究されている。 我々は、NLIモデルの実アプリケーションへの直接ゼロショット適用性について、訓練された文ペア設定を超えて検討する。 本研究では,ContractNLIデータセット上で,フルドキュメント上で動作し,最先端のパフォーマンスを実現するための新たなアグリゲーション手法を開発した。
  論文  参考訳（メタデータ） (2022-04-15T12:56:39Z)
• Pair-Level Supervised Contrastive Learning for Natural Language Inference [11.858875850000457]
  Pair-level Supervised Contrastive Learning approach (PairSCL)を提案する。 対照的な学習目的は、1つのクラスでそれらをまとめて、他のクラスでペアを分割することで、文対の様々なクラスを区別するように設計されている。 NLIの2つの公開データセット上でPairSCLの評価を行い、PairSCLの精度は平均2.1%向上した。
  論文  参考訳（メタデータ） (2022-01-26T13:34:52Z)

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。