AI-rendszer elemzi a diákok érvelését — automatizálja az osztálytermi diskurzust
Az új rendszer a tanárok és diákok megnyilvánulásait két dimenzió mentén osztályozza, ezzel felgyorsítva a tudáskonstrukció megértését.
Az osztálytermi beszélgetések elemzése kulcsfontosságú a diákok érvelési mintázatainak megértéséhez, ám a tudományos diskurzus kézi kódolása eddig rendkívül munkaigényes volt. Ezt a problémát orvosolja egy új automatizált diskurzuselemző rendszer, az ADAS, amelyről az arXiv-on jelent meg előnyomtatott formában egy tanulmány.
Az ADAS a tanárok és diákok megnyilvánulásait egyidejűleg két kiegészítő dimenzió mentén osztályozza: a megnyilvánulás típusa (Utterance Type, UT) és az érvelési komponens (Reasoning Component, RC) alapján. Ezeket az elemzési kategóriákat egy korábbi CDAT keretrendszerből vezették le a kutatók.
A kisebbségi osztályok közötti súlyos címke-egyensúlyhiány kezelésére a kutatók több technikát is alkalmaztak. Stratifikált újrafelosztást végeztek az annotált korpuszon, LLM-alapú szintetikus adatgenerálást használtak a kisebbségi osztályok célzására, majd egy kettős szondafejű RoBERTa-base osztályozót képeztek.
A GPT-5.4 alapvonal modellje, amely prompt-alapú megközelítéssel dolgozott, 0.467-es macro-F1 értéket ért el az UT, és 0.476-os macro-F1 értéket a RC dimenzióban. Ezek az eredmények felső korlátot állítanak a csak prompt-alapú módszerek számára, és egyben motiválják a finomhangolás szükségességét a jobb teljesítmény eléréséhez az arXiv:2604.21137v1 tanulmány szerint.