When to generate hedges in peer-tutoring interactions

要約

この論文では、ピアチュータリングのやり取りにおいてヘッジが発生する場所を予測するための機械学習技術の応用について検討します。
この研究では、自然言語のターン、会話戦略、個別指導戦略、および非言語的行動について注釈が付けられた自然主義的な対面データセットが使用されています。
これらの要素は、前のターンのベクトル表現に処理され、いくつかの機械学習モデルへの入力として機能します。
結果は、前のターンのセマンティック情報をキャプチャする埋め込みレイヤーがモデルのパフォーマンスを大幅に向上させることを示しています。
さらに、この研究では、特徴の説明にシャプレー値を使用することで、ヘッジを予測する際の対人関係や非言語的行動などのさまざまな特徴の重要性についての洞察が得られます。
私たちは、講師と受講者の両方の視線がヘッジ予測に大きな影響を与えることを発見しました。
我々は、追跡アブレーション研究を通じてこの観察をさらに検証します。

要約(オリジナル)

This paper explores the application of machine learning techniques to predict where hedging occurs in peer-tutoring interactions. The study uses a naturalistic face-to-face dataset annotated for natural language turns, conversational strategies, tutoring strategies, and nonverbal behaviours. These elements are processed into a vector representation of the previous turns, which serves as input to several machine learning models. Results show that embedding layers, that capture the semantic information of the previous turns, significantly improves the model’s performance. Additionally, the study provides insights into the importance of various features, such as interpersonal rapport and nonverbal behaviours, in predicting hedges by using Shapley values for feature explanation. We discover that the eye gaze of both the tutor and the tutee has a significant impact on hedge prediction. We further validate this observation through a follow-up ablation study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google