JUSThink Dialogue and Actions Corpus

该数据集包含9至12岁儿童参与名为JUSThink的机器人辅助人机协作学习活动的对话记录、事件日志和测试响应。数据收集于2019年10月在瑞士两所国际学校进行的研究中。

This dataset comprises dialogue transcripts, event logs, and test responses from children aged 9 to 12 who participated in a robot-assisted human-computer collaborative learning activity named JUSThink. The data was collected during a study conducted in October 2019 at two international schools in Switzerland.

原始信息汇总

JUSThink Dialogue and Actions Corpus 数据集概述

数据集内容

1. 对话转录

   • 包含10个两人团队的匿名对话转录。
   • 每个转录文件为团队特定的CSV格式，包含团队编号、话语编号、开始时间、结束时间、说话者（参与者A/B、机器人R、实验者I）和话语内容。
   • 转录基于Inter Pausal Unit (IPU)定义，并标注了标点符号、填充词和话语标记。

2. 事件日志

   • 包含39个两人团队的事件日志。
   • 每个日志文件为团队特定的CSV格式，包含团队编号、尝试编号、轮次编号、事件编号、时间戳、执行者（参与者A/B、机器人R、团队T）、动作描述和对象。
   • 日志详细记录了团队在解决问题过程中的交互和动作。

3. 测试响应

   • 包含39个团队的预测试和后测试响应。
   • 每个测试响应文件为CSV格式，包含团队编号、参与者A和B对每个问题的回答。
   • 测试评估了关于生成树的概念。

附加信息

• 网络元数据
  • 提供了一个JSON文件，描述了孩子们工作的网络结构，包括节点标签、节点ID、位置、边及其成本。
  • 该文件可被读入NetworkX图库中进行进一步分析。

数据集使用

• 数据集已被用于研究参与者如何在其对话和动作中对任务特定参照物进行自动分析，以及这与任务成功（即任务表现和学习成果）的关系。
• 相关工具和分析结果可在Zenodo Repository中找到，DOI: 10.5281/zenodo.4675070。

许可证

• 本数据集根据Creative Commons Attribution 4.0 International License授权。

搜集汇总

数据集介绍

构建方式

JUSThink Dialogue and Actions Corpus数据集的构建基于一项机器人介导的协作学习活动，该活动旨在研究9至12岁儿童在解决图论问题时的对话和行为。数据收集于2019年10月在瑞士的两所国际学校进行，涵盖了39个两人小组的对话转录、事件日志以及测试响应。对话转录部分基于语音停顿单元（IPU）进行分割，并标注了标点符号、填充词等语言特征。事件日志记录了每个小组在活动中的具体操作，如按钮点击、节点添加等。测试响应则包括活动前后的多项选择题答案，用于评估儿童的学习效果。

特点

该数据集的特点在于其多维度的数据记录方式，涵盖了对话、行为和测试响应三个方面。对话转录部分详细记录了每个小组的对话内容，包括时间戳、发言者身份及具体话语，且经过匿名化处理。事件日志则精确记录了每个小组在活动中的操作序列，包括操作时间、执行者及具体动作。测试响应部分则提供了活动前后的测试结果，便于分析儿童的学习进展。此外，数据集还包含了一个JSON格式的网络元数据文件，描述了儿童所操作的图结构。

使用方法

使用JUSThink Dialogue and Actions Corpus时，研究者可通过对话转录文件分析儿童在协作学习中的语言表达模式，结合事件日志文件进一步探讨其行为与任务表现之间的关系。测试响应文件可用于评估儿童的学习效果，并通过元数据文件还原其操作的图结构。数据集支持多种分析工具，如NetworkX库可用于解析网络元数据文件。此外，研究者可参考相关文献，深入探讨儿童在协作学习中的对齐行为及其对任务成功的影响。

背景与挑战

背景概述

JUSThink Dialogue and Actions Corpus 数据集由瑞士洛桑联邦理工学院（EPFL）的研究团队于2019年10月创建，旨在研究儿童在机器人介导的协作学习活动中的对话与行为模式。该数据集记录了9至12岁儿童在解决图论问题时的对话转录、事件日志以及测试响应，研究团队通过分析这些数据，探讨了儿童在学习过程中的任务表现、学习成果及其对自我、他人和机器人的感知。该数据集为教育机器人学和人机交互领域提供了宝贵的实证数据，推动了协作学习与机器人辅助教学的研究进展。

当前挑战

JUSThink数据集在解决协作学习中的对话与行为对齐问题时面临多重挑战。首先，如何从复杂的对话和事件日志中提取出有效的任务相关特征，以准确反映儿童的协作行为和学习效果，是一个技术难题。其次，数据集的构建过程中，研究人员需处理大量的语音转录和事件日志，确保数据的准确性和一致性，尤其是在多语言环境下，语音的标准化和匿名化处理增加了数据处理的复杂性。此外，如何通过自动化方法分析对话与行为的对齐关系，并将其与任务成功关联，也是该数据集面临的核心挑战之一。

常用场景

经典使用场景

JUSThink Dialogue and Actions Corpus 数据集在协作学习领域具有重要应用，尤其是在机器人介导的儿童协作学习活动中。该数据集记录了9至12岁儿童在解决图论问题时的对话、行为日志和测试响应，为研究儿童在协作任务中的语言和行为对齐提供了丰富的数据支持。通过分析这些数据，研究者可以深入探讨儿童在协作学习中的互动模式、任务表现与学习成果之间的关系。

衍生相关工作

基于JUSThink Dialogue and Actions Corpus 数据集，研究者已开展了多项经典工作。例如，Norman等人（2022）利用该数据集开发了自动分析方法，研究儿童在协作任务中的语言和行为对齐。Nasir等人（2020）则探讨了儿童对机器人的积极感知与学习效果之间的关系。这些研究不仅推动了协作学习领域的发展，还为机器人介导的教育活动提供了重要的理论和实践依据。

数据集最近研究

最新研究方向

近年来，JUSThink Dialogue and Actions Corpus在机器人介导的协作学习领域引起了广泛关注。该数据集通过记录9至12岁儿童在解决图论问题时的对话、行为日志和测试响应，为研究儿童在协作学习中的语言与行为对齐提供了丰富的数据支持。最新的研究方向聚焦于自动分析方法，探索参与者在任务特定指称上的语言与行为对齐如何影响任务成功，包括任务表现和学习成果。这一研究方向不仅揭示了协作学习中的动态交互机制，还为教育机器人的设计提供了实证依据，推动了人机交互与教育技术的深度融合。