PulseAugur
实时 07:48:04
English(EN) Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents

新框架衡量协作讨论中的认知参与度

一项新研究引入了一个扩展的ICAP框架,用于衡量协作讨论中的认知参与度,并将人类标注与基于LLM的标注进行比较。研究发现,虽然人类标注者实现了稳健的评分者间一致性,但像上下文学习这样的LLM方法仅显示出中等程度的一致性。该研究表明,基于代理的方法在分析协作对话方面具有潜力,并强调了人类标注与LLM开发之间持续互动的重要性。 AI

影响 这项研究可能催生出更复杂的AI代理,能够理解并参与协作性人类讨论。

排序理由 该集群包含一篇详细介绍新框架和研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架衡量协作讨论中的认知参与度

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Lan Anh Do, Hanling Jiang, Shuchin Aeron, Ayanna K. Thomas ·

    使用扩展ICAP框架衡量协作讨论中的认知参与度:比较人工标注、上下文学习和反思性LLM代理

    arXiv:2607.28651v1 Announce Type: cross Abstract: Collaboration supports learning and problem-solving, but its effectiveness depends on cognitive engagement during discourse. This study applies an extended 7-point ICAP framework based on the Interactive, Constructive, Active, and…