从文字到智慧：学生对话中的话语标注与基线模型
计算与语言
2025-11-26 v1
摘要
识别学生对话中的话语特征对于教育研究者来说至关重要，这有助于识别导致学生参与知识构建而仅仅完成任务的课程和教学变量。对学生对话进行手动分析以识别这些话语特征是耗时且费力的，这限制了研究的规模和范围。利用自然语言处理(NLP)技术可以促进这些话语特征的自动检测，为教育研究者提供可扩展且数据驱动的见解。然而，现有的 NLP 研究虽聚焦于对话中的话语，却很少涉及教育数据。在本工作中，我们填补了这一空白，提出一个包含学生对话话语标注的数据集，涵盖知识构建和任务生产两类话语。我们还使用预训练的大型语言模型 GPT-3.5 和 Llama-3.1 建立了基线模型，用于自动预测这些话语属性在对话中每一轮话的特性。实验结果表明，这些最新模型在该任务上表现不佳，表明存在未来的研究潜力。
引用
@article{arxiv.2511.20547,
title = {From Words to Wisdom: Discourse Annotation and Baseline Models for Student Dialogue Understanding},
author = {Farjana Sultana Mim and Shuchin Aeron and Eric Miller and Kristen Wendell},
journal= {arXiv preprint arXiv:2511.20547},
year = {2025}
}