論文の概要: SLA-LENS: From Classroom Transcripts to CSLA-Informed and Evidence-Linked L2 Interaction Analytics

• arxiv url: http://arxiv.org/abs/2610.24259v1
• Date: Fri, 16 Oct 2026 21:33:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:50:18.912192
• Title: SLA-LENS: From Classroom Transcripts to CSLA-Informed and Evidence-Linked L2 Interaction Analytics
• Title（参考訳）: SLA-LENS: クラスルームのスクリプトからCSLAインフォームドおよびエビデンスリンクによるL2インタラクション分析へ
• Abstract要約: SLA-LENSは、教室の書き起こしを構造化された台詞アノテーションとエビデンスにリンクされた記述分析に結びつけるエンドツーエンドのLCM支援フレームワークである。 このフレームワークを21,000以上の文レベルのインスタンスからなる40のオンラインL2スペイン語教室書記書に適用する。
• 参考スコア（独自算出の注目度）: 0.9381597026868761
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What happens after a learner makes an error, and how does the instructor's response shape the next turn? Investigating these exchanges across classrooms requires context-sensitive annotation that is difficult to scale manually. We introduce SLA-LENS, an end-to-end LLM-assisted framework that connects classroom transcripts to structured pedagogical annotations and evidence-linked descriptive analytics. Grounded in interactionist Second Language Acquisition (SLA) theory, its annotation schema captures second language learner errors, pedagogical functions, and uptake or repair while accounting for speaker roles, conversational context, and hierarchical labels. We apply the framework to 40 authentic online L2 Spanish classroom transcripts comprising over 21,000 sentence-level instances. We evaluate proprietary and open-weight LLMs, including task-specific QLoRA adaptation, using expert-reviewed gold annotations, held-out silver data, and metrics sensitive to different types of annotation error. A deterministic reporting layer generates reproducible visualizations of participation, feedback, learner errors, uptake, and temporal interaction patterns, linked to supporting transcript evidence. By making these patterns accessible and inspectable, SLA-LENS supports systematic classroom discourse research, pedagogical reflection, and curriculum design.
• Abstract（参考訳）: 学習者が誤りを犯した後に何が起こるのか、そしてインストラクターの反応は次のターンにどのように変化するのか? 教室間での交換を調査するには、手動で拡張することが難しい文脈依存アノテーションが必要である。 SLA-LENS(SLA-LENS)は、教室の台詞を構造化された台詞アノテーションとエビデンスにリンクした記述分析に結びつけるエンドツーエンドのLCM支援フレームワークである。 相互作用主義者の第二言語習得(SLA)理論に基づいており、そのアノテーションスキーマは第二言語学習者エラー、教育機能、話者の役割、会話の文脈、階層的なラベルを考慮に入れながら獲得または修復する。 このフレームワークを21,000以上の文レベルのインスタンスからなる40のオンラインL2スペイン語教室書記書に適用する。 我々は,タスク固有のQLoRA適応,専門家レビューゴールドアノテーション,ホールドアウトシルバーデータ,各種アノテーションエラーに敏感なメトリクスなど,プロプライエタリかつオープンウェイトなLCMを評価した。 決定論的報告層は、参加、フィードバック、学習者エラー、取り込み、時間的相互作用パターンの再現可能な可視化を生成し、転写証拠を支持する。 これらのパターンをアクセスし、検査可能にすることで、SLA-LENSは、体系的な教室談話研究、教育的リフレクション、カリキュラム設計をサポートする。

関連論文リスト

• A didactical-driven teacher assistant for a dimensional modeling course [1.338174941551702]
  本稿では,フランス語大学における三次元モデリングの実践的指導支援について述べる。 このアーキテクチャは、インストラクタの教育的推論を、意図の検出、概念リンク、実践的アプローチ選択を扱う決定論的モジュールにフォーマル化する。
  論文  参考訳（メタデータ） (2026-06-12T11:35:33Z)
• Optimizing LLM Annotation of Classroom Discourse through Multi-Agent Orchestration [0.21410799064827235]
  大規模言語モデル(LLM)は、教育データを注釈付けするためのスケーラブルなツールとしてますます位置づけられている。 しかし, シングルパスLCMの出力は, ハイテイクな教育施設では信頼性が低いことが示唆されている。 このスケールと妥当性の緊張は、現代の教育データ科学の核心にある。
  論文  参考訳（メタデータ） (2026-03-08T16:51:03Z)
• Automated Feedback on Student-Generated UML and ER Diagrams Using Large Language Models [39.58317527488534]
  LLMツールのプロトタイプであるDUET(Diamatic & ER Tutor)を紹介する。 参照ダイアグラムと学生が提出したダイアグラムをテキスト表現に変換し、違いに基づいて構造化されたフィードバックを提供する。 多段階のLCMパイプラインを使用して図を比較し、反射フィードバックを生成する。 自己指導型学習を奨励し、指導戦略を伝えることを目的として、教育者の分析的な洞察を可能にする。
  論文  参考訳（メタデータ） (2025-07-31T11:49:01Z)
• Comparing LLM Text Annotation Skills: A Study on Human Rights Violations in Social Media Data [2.812898346527047]
  本研究では,ロシア語とウクライナ語におけるソーシャルメディア投稿のゼロショットおよび少数ショットアノテーションに対する大規模言語モデル(LLM)の機能について検討した。 これらのモデルの有効性を評価するため、それらのアノテーションは、人間の二重注釈付きラベルのゴールドスタンダードセットと比較される。 この研究は、各モデルが示すエラーと不一致のユニークなパターンを探求し、その強み、制限、言語間適応性に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-15T13:10:47Z)
• Recording for Eyes, Not Echoing to Ears: Contextualized Spoken-to-Written Conversion of ASR Transcripts [19.02690795530784]
  本研究では,ASRと文法の誤りに対処する文脈対応型スポンケン・トゥ・ブリッテン変換(CoS2W)タスクを提案する。 このタスクは、Large Language Models(LLM)のコンテキスト内学習機能と自然に一致する。
  論文  参考訳（メタデータ） (2024-08-19T03:53:48Z)
• A Tale of Two Languages: Large-Vocabulary Continuous Sign Language Recognition from Spoken Language Supervision [74.972172804514]
  我々は,署名された言語と音声のテキスト間の共同埋め込み空間において,署名シーケンスと出力を抽出できるマルチタスクトランスフォーマーモデルCSLR2を導入する。 新しいデータセットアノテーションは、6時間のテストビデオに対して、連続的なサインレベルアノテーションを提供する。 私たちのモデルは、両方のタスクにおいて、過去の技術状況よりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-05-16T17:19:06Z)
• From Language Modeling to Instruction Following: Understanding the Behavior Shift in LLMs after Instruction Tuning [63.63840740526497]
  そこで本研究では,本質的な変化に着目した事前学習モデルの調整方法について検討する。 次に、事前訓練されたモデルと命令調整されたモデルから導かれた説明を比較することで、命令チューニングの影響について研究する。 この結果から,指導指導の3つの重要な影響が明らかになった。
  論文  参考訳（メタデータ） (2023-09-30T21:16:05Z)
• Label Words are Anchors: An Information Flow Perspective for Understanding In-Context Learning [77.7070536959126]
  大規模言語モデル(LLM)の有望な能力としてインコンテキスト学習(ICL)が出現する 本稿では,情報フローレンズを用いたICLの動作機構について検討する。 本稿では,ICL性能向上のためのアンカー再重み付け手法,推論の高速化のための実演圧縮手法,GPT2-XLにおけるICLエラーの診断のための解析フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-23T15:26:20Z)

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。