論文の概要: Making Reasoning Visible: Configuration-Aware Diagnostic Modeling for Adaptive Scaffolding in Structured Reasoning Tasks

• arxiv url: http://arxiv.org/abs/2610.35609v1
• Date: Mon, 26 Oct 2026 15:30:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.054567
• Title: Making Reasoning Visible: Configuration-Aware Diagnostic Modeling for Adaptive Scaffolding in Structured Reasoning Tasks
• Title（参考訳）: 推論の可視化:構造的推論タスクにおける適応スキャフォールディングのための構成認識モデル
• Abstract要約: 本研究では,学生の問題解決を目に見えるものにするための診断フレームワークを提案する。 このフレームワークは5つの解釈可能な戦略次元を計算する。 タスク構造と行動パターンから調整要求を推定し、推論を4つの異なる状態に分類する。
• 参考スコア（独自算出の注目度）: 3.713899709861167
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling the latent, multi-step reasoning processes of learners is a core challenge for adaptive tutoring systems, which often rely on simple right/wrong answers rather than understanding how students think. Instantiated here for grammatical reasoning, this study introduces a diagnostic framework that makes students' step-by-step problem-solving visible by analyzing their action sequences in an interactive learning game. The framework computes five interpretable strategy dimensions (e.g., systematic error correction, random guessing), estimates coordination demand from task structure and behavioral patterns, and classifies reasoning into four distinct states. Analyzing 36,234 interactions from 234 students working on 42 morphosyntactic exercises, we found that reasoning strategies vary primarily by context rather than stable traits (intraclass correlation = 0.14), and students show high persistence in unproductive states; specifically, 74.6% of failures driven by high coordination demand (rather than simple knowledge gaps) are followed by another failure without intervention. Our early warning model predicts validation success with strong accuracy (AUC = 0.826 using strategy patterns alone; 0.902 with additional sequential context) while avoiding circular reliance on current error counts. These findings demonstrate that making latent reasoning processes visible enables earlier, more targeted scaffolding that responds to how students are thinking rather than simply whether they succeed. While demonstrated in language learning, the framework provides a generalizable, interpretable architecture for diagnosing complex, structured reasoning in any domain.
• Abstract（参考訳）: 学習者の潜在的多段階推論プロセスのモデル化は、適応型学習システムにとって重要な課題である。 そこで本研究では, 対話型学習ゲームにおいて, 生徒の行動系列を分析して, ステップバイステップの問題解決を目に見えるようにするための診断フレームワークを提案する。 このフレームワークは、5つの解釈可能な戦略次元(例えば、系統的誤り訂正、ランダムな推測)を計算し、タスク構造と行動パターンから協調需要を推定し、推論を4つの異なる状態に分類する。 また,42回のモルフォシンタクティックエクササイズにおいて,234名の学生による36,234人のインタラクションを分析したところ,評価戦略は安定な特性よりも文脈によって異なることが判明し,非生産的状態において高い持続性を示し,特に,高い調整需要(単純な知識ギャップではなく)によって引き起こされる障害の74.6%が,介入なしに別の障害が続くことがわかった。 我々の早期警告モデルは, 精度の高い検証成功を予測し(戦略パターンのみを用いたAUC = 0.826, 追加の逐次コンテキストによる0.902) , 現在のエラー数に依存しない。 これらの結果から,潜伏推論プロセスの可視化は,単に成功するかどうかではなく,学生の考え方に反応する,より早く,より標的となる足場化を可能にすることが示唆された。 言語学習で実証されているが、このフレームワークは任意のドメインにおける複雑な構造的推論を診断するための一般化可能な解釈可能なアーキテクチャを提供する。

関連論文リスト

• Deep Reasoning in General Purpose Agents via Structured Meta-Cognition [58.185853639335896]
  構造化メタ推論を用いてタスク固有の足場を構築するための推論時アプローチを提案する。 我々は、より制御された推論スレッドに複雑なタスクを分散する汎用エージェントでこのアプローチをインスタンス化する。
  論文  参考訳（メタデータ） (2026-05-12T01:21:37Z)
• Modeling Grammatical Hypothesis Testing in Young Learners: A Sequence-Based Learning Analytics Study of Morphosyntactic Reasoning in an Interactive Game [0.0]
  本研究では,小学校の学習者における文法的推論について,シーケンスに基づく学習分析手法を用いて検討する。 8～11歳児100名のゲームプレイセッション(9,783件)を教室で分析した。 その結果、決定詞と動詞は、左から右への通常の治療から逸脱した行動列を含む難易度の重要な部位であることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-02T17:04:52Z)
• Task Complexity Matters: An Empirical Study of Reasoning in LLMs for Sentiment Analysis [2.1036545320600095]
  推論能力を持つ大規模言語モデル(LLM)は、推論が言語タスク全体のパフォーマンスを普遍的に改善する、という魅力的な物語を生み出している。 7つのモデルファミリーにまたがる504構成を包括的に評価することで,この主張を検証した。 その結果, 推論の有効性は, タスク依存的であり, 課題の多い仮定であることが明らかとなった。
  論文  参考訳（メタデータ） (2026-02-27T14:49:05Z)
• Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
  表現空間における潜在連鎖を操作可能な因果過程として研究する。 遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。 これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
  論文  参考訳（メタデータ） (2026-02-09T15:25:12Z)
• Schoenfeld's Anatomy of Mathematical Reasoning by Language Models [56.656180566692946]
  我々は、Schoenfeldのエピソード理論を誘導型中間スケールレンズとして採用し、ThinkARM(モデルにおける推論の解剖学)を紹介する。 ThinkARMは、推論トレースを分析、探索、実装、検証などの機能的推論ステップに明示的に抽象化する。 エピソードレベルの表現は推論ステップを明確にし、現代の言語モデルにおける推論がどのように構造化され、安定化され、変更されるかの体系的な分析を可能にする。
  論文  参考訳（メタデータ） (2025-12-23T02:44:25Z)
• Cognitive Foundations for Reasoning and Their Manifestation in LLMs [63.12951576410617]
  大規模言語モデル(LLM)は複雑な問題を解くが、単純な変種では失敗し、人間の推論と根本的に異なるメカニズムによって正しい出力を達成することを示唆している。 我々は認知科学研究を、推論不変量、メタ認知制御、推論と知識の組織化のための表現、変換操作にまたがる28の認知要素の分類学に合成する。 複雑な問題に対して66.7%の性能向上を図り、成功構造を自動的に把握するテストタイム推論ガイダンスを開発した。
  論文  参考訳（メタデータ） (2025-11-20T18:59:00Z)
• Causality can systematically address the monsters under the bench(marks) [64.36592889550431]
  ベンチマークはさまざまなバイアス、アーティファクト、リークに悩まされている。 モデルは、調査の不十分な障害モードのため、信頼できない振る舞いをする可能性がある。 因果関係はこれらの課題を体系的に解決するための 理想的な枠組みを提供します
  論文  参考訳（メタデータ） (2025-02-07T17:01:37Z)

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。