# Enhancing Science Classroom Discourse Analysis through Joint Multi-Task Learning for Reasoning-Component Classification

### 저자

Jiho Noh, Mukhesh Raghava Katragadda, Raymond Carl, Soon Lee

### 💡 개요

본 연구는 과학 교실 담화에서 학생들의 추론 패턴을 자동 분석하기 위한 시스템(ADAS)을 제안합니다. ADAS는 발화 유형(Utterance Type)과 추론 구성 요소(Reasoning Component)를 동시에 분류하며, 소수 클래스 라벨 불균형 문제를 해결하기 위해 데이터 재분할, LLM 기반 합성 데이터 증강, 이중 탐침 헤드 RoBERTa 모델을 활용합니다. 이를 통해 교사의 특정 피드백(Fq)이 학생들의 추론적 사고를 유발하는 주요 요인임을 밝혀냈습니다.

### 🔑 시사점 및 한계

- 교실 담화 자동 분석 시스템을 통해 학생들의 인지적 참여를 높이고 교육적 실천을 개선하는 데 기여할 수 있습니다.

- LLM 기반 데이터 증강은 소수 클래스의 분류 성능을 유의미하게 향상시키며, 추론 구성 요소 분류는 비교적 간단한 모델로도 좋은 성능을 보입니다.

- 본 연구에서 제시된 분석 방법론은 추후 과학 교육 담화 연구에 대한 새로운 통찰력을 제공할 것입니다.

- GPT-5.4 제로샷 베이스라인의 낮은 성능은 프롬프트 기반 접근 방식의 한계를 보여주며, 미세 조정의 필요성을 시사합니다.

[PDF 보기](https://arxiv.org/pdf/2604.21137)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).