[論文レビュー] TeachPro: Multi-Label Qualitative Teaching Evaluation via Cross-View Graph Synergy and Semantic Anchored Evidence Encoding

Xiangqian Wang, Yonghong Jia+4 more|arXiv (Cornell University)|Jan 14, 2026

Intelligent Tutoring Systems and Adaptive Learning被引用数 0

ひとこと要約

TeachPro は、クロスビューグラフネットワーク、次元アンカー付き証拠エンコード、およびパラメータ効率の高い予測ヘッドを用いた、多ラベル・五次元評価として学生の指導評価を再定義し、専門家が注釈した新しいデータセットで検証します。

ABSTRACT

Standardized Student Evaluation of Teaching often suffer from low reliability, restricted response options, and response distortion. Existing machine learning methods that mine open-ended comments usually reduce feedback to binary sentiment, which overlooks concrete concerns such as content clarity, feedback timeliness, and instructor demeanor, and provides limited guidance for instructional improvement.We propose TeachPro, a multi-label learning framework that systematically assesses five key teaching dimensions: professional expertise, instructional behavior, pedagogical efficacy, classroom experience, and other performance metrics. We first propose a Dimension-Anchored Evidence Encoder, which integrates three core components: (i) a pre-trained text encoder that transforms qualitative feedback annotations into contextualized embeddings; (ii) a prompt module that represents five teaching dimensions as learnable semantic anchors; and (iii) a cross-attention mechanism that aligns evidence with pedagogical dimensions within a structured semantic space. We then propose a Cross-View Graph Synergy Network to represent student comments. This network comprises two components: (i) a Syntactic Branch that extracts explicit grammatical dependencies from parse trees, and (ii) a Semantic Branch that models latent conceptual relations derived from BERT-based similarity graphs. BiAffine fusion module aligns syntactic and semantic units, while a differential regularizer disentangles embeddings to encourage complementary representations. Finally, a cross-attention mechanism bridges the dimension-anchored evidence with the multi-view comment representations. We also contribute a novel benchmark dataset featuring expert qualitative annotations and multi-label scores. Extensive experiments demonstrate that TeachPro offers superior diagnostic granularity and robustness across diverse evaluation settings.

研究の動機と目的

• SET を二値感情から、5つの教育的側面に跨る多次元・多クラス評価へ再構成する。
• 次元特異的な証拠を用いて定性的フィードバックを次元に結びつける証拠エンコーダを活用する。
• コメントから構文情報と意味情報の両方をクロスビューグラフ・シナジー сетиで捉える。
• 多ラベル出力のためのパラメータ効率の高い予測ヘッドを提供する。
• 次元レベルの評価と証拠 grounding のための専門家注釈付きベンチマークデータセットを導入する。

提案手法

• 五つの教育次元を学習可能な意味的アンカーにマッピングし、証拠を grounding するためのクロスアテンションを用いる次元アンカー付き証拠エンコーダ。
• 構文ブランチ（SynGCN）と意味ブランチ（SemGCN）を備えたクロスビューグラフ・シナジー ネットワークにより、コメントの文法的・意味的関係をモデル化する。
• 構文と意味表現を整合させる BiAffine クロスビュー融合と、埋め込みを分離する微分正則化。
• 次元プロンプトとレビュー断片を整合させる次元語彙エンコーディング段階でのプロトタイプ指向の相互作用。
• 共有射影と次元特異的摂動を持つ低ランク適応（LoRA）風のパラメータ効率的な多次元評価ヘッド。
• 5つの次元全体での共同監視学習によるエンドツーエンド訓練。

実験結果

リサーチクエスチョン

• RQ1 学生コメントを1つの感情ラベルではなく、5つの教育的次元に基づく学習指導設計でどうマッピングできるか？
• RQ2 次元アンカー付き証拠はオープンエンドのフィードバックを特定の教育側面へ効果的に grounding できるか？
• RQ3 構文と意味の二重グラフ表現は、単一視点モデルより解釈性と精度を向上させるか？
• RQ4 パラメータ効率の高いヘッドは、性能を犠牲にすることなく多次元予測を正確に行えるか？
• RQ5 TeachScope データセットは次元をまたぐ堅牢で細粒度の評価と証拠 grounding をサポートするか？

主な発見

• TeachPro は五つの教育次元における細粒度の多ラベル予測を実現する。
• 次元アンカー付き証拠エンコーダは、テキストのスパンと教育的次元の間に解釈可能な結びつきを提供する。
• 構文と意味を組み合わせた二重ブランチグラフ（SynGCN と SemGCN）と BiAffine 融合により表現力が向上する。
• 低ランクのパラメータ効率的な予測ヘッドは、モデルの複雑さを抑えつつ性能を維持する。
• TeachScope は専門家注釈付きの多次元データと根拠スパンを提供し、ABSA風の教育研究を支援する。