Representational Alignment Supports Effective Machine Teaching

要約

優れた教師は知識があるだけではありません。
ただし、生徒が理解できる方法でコミュニケーションでき、生徒の世界の表現を共有できなければなりません。
この研究では、機械教育と実践的なコミュニケーションからの洞察を、表現的調整に関する急成長している文献と統合して、表現的調整と生徒の学習を促進するための教師の能力との関係を定義する効用曲線を特徴付けます。
この効用曲線の特性を調査するために、教師の正確さから表現の調整を解きほぐす教師あり学習環境を設計します。
私たちは、機械に機械を教える広範な計算実験を行い、さらに機械が人間に教える一連の実験を補完します。
生徒との表現的調整が改善されると生徒の学習成果 (つまり、課題の正確さ) が向上するという調査結果に基づいて、効用曲線に基づいて生徒を教師に割り当てる教室マッチング手順を設計します。
効果的な機械教師を設計する場合、正確な教師を構築するだけでは十分ではありません。私たちは、表現的にも生徒に合わせることができる教師を望んでいます。

要約(オリジナル)

A good teacher should not only be knowledgeable; but should be able to communicate in a way that the student understands — to share the student’s representation of the world. In this work, we integrate insights from machine teaching and pragmatic communication with the burgeoning literature on representational alignment to characterize a utility curve defining a relationship between representational alignment and teacher capability for promoting student learning. To explore the characteristics of this utility curve, we design a supervised learning environment that disentangles representational alignment from teacher accuracy. We conduct extensive computational experiments with machines teaching machines, complemented by a series of experiments in which machines teach humans. Drawing on our findings that improved representational alignment with a student improves student learning outcomes (i.e., task accuracy), we design a classroom matching procedure that assigns students to teachers based on the utility curve. If we are to design effective machine teachers, it is not enough to build teachers that are accurate — we want teachers that can align, representationally, to their students too.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google