チュートリアル・スキャフォールディングにおける時間的ダイナミクスを学習するための表現学習
arXiv cs.CL / 2026/3/26
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、チュータ／学習者の対話ターンの意味論を、問題文および正解とコサイン類似度によって整合させることで、適応的なチュートリアル・スキャフォールディングのダイナミクスを測定する埋め込みベースの手法を提案する。
- Eedi Question Anchored Tutoring Dialogues データセットの1,576件の実際の数学チュータリング対話を用いて、タスク整合における体系的な差異と、各参加者が自らの貢献をどのように根拠づけるかに関する明確な時間的パターンを著者らは見出す。
- 混合効果モデリングにより、メッセージの順序やメッセージ長といったベースラインの特徴を考慮した後でも、役割別の意味整合（チュータ vs. 学習者）がチュートリアルの進行を予測することが示される。
- 結果は、スキャフォールディングは、タスク意味論に基づき、かつ役割に敏感な連続的プロセスとして扱うべきであり、インタラクションの初期における問題内容へのチュータの根拠づけが最も強いことを示唆する。
- 提案フレームワークは、人間のチュータリング対話分析および対話型チュータリング・システム（LLMベースのチュータリングを含む）の双方に対して、原理に基づく評価アプローチを提供する。
