[論文レビュー] Tutor Move Taxonomy: A Theory-Aligned Framework for Analyzing Instructional Moves in Tutoring

Zhuqian Zhou, Kirk Vanacore+3 more|arXiv (Cornell University)|Mar 6, 2026

Intelligent Tutoring Systems and Adaptive Learning被引用数 0

ひとこと要約

要約は、ペーパーは1対1の指導における指導行動をラベル付け・分析するためのチューター・ムーブの分類法を導入し、チュータリング対話のスケーラブルな注釈と分析を可能にします。

ABSTRACT

Understanding what makes tutoring effective requires methods for systematically analyzing tutors' instructional actions during learning interactions. This paper presents a tutor move taxonomy designed to support large-scale analysis of tutoring dialogue within the National Tutoring Observatory. The taxonomy provides a structured annotation framework for labeling tutors' instructional moves during one-on-one tutoring sessions. We developed the taxonomy through a hybrid deductive-inductive process. First, we synthesized research from cognitive science, the learning sciences, classroom discourse analysis, and intelligent tutoring systems to construct a preliminary framework of tutoring moves. We then refined the taxonomy through iterative coding of authentic tutoring transcripts conducted by expert annotators with extensive instructional and qualitative research experience. The resulting taxonomy organizes tutoring behaviors into four categories: tutoring support, learning support, social-emotional and motivational support, and logistical support. Learning support moves are further organized along a spectrum of student engagement, distinguishing between moves that elicit student reasoning and those that provide direct explanation or answers. By defining tutoring dialogue in terms of discrete instructional actions, the taxonomy enables scalable annotation using AI, computational modeling of tutoring strategies, and empirical analysis of how tutoring behaviors relate to learning outcomes.

研究の動機と目的

• tutoring moves の体系的分析の必要性を示し、効果を理解する。
• 1対1セッションでの指導対話をラベル付けするための構造化分類法を提案する。
• 分類法を認知科学と学習科学に整合させ、理論的基盤を確保する。
• チュータリングの相互作用のスケーラブルな注釈とAI支援分析の可能性を可能にする。

提案手法

• 分類法を構築するためのハイブリッドな演繹-帰納的プロセスを開発する。
• 認知科学、学習科学、教室ディスコース、知能チュータリングシステムの文献を統合する。
• 専門 annotator による authentic transcripts の反復的コーディングを通じて分類法を精練する。
• チュータリング行動を四つのカテゴリに整理する：チュータリング支援、学習支援、社会的・感情的・動機づけ支援、運用・後方支援。
• 学習支援ムーブを学生の関与のスペクトラム（推論を引き出す vs 直接的な説明や回答を提供する）に沿ってさらに整理する。
• 分類法をAI駆動の注釈とチュータリング戦略の計算モデリングを支える位置づけにする。

実験結果

リサーチクエスチョン

• RQ1 1対1セッションの指導対話にはどのような instructional moves が含まれるか。
• RQ2 スケーラブルな分析を支える理論整合的なフレームワークとして、指導行動をどのように分類できるか。
• RQ3 学習支援スペクトラムを備えた四カテゴリーの分類法が指導相互作用の主要ダイナミクスを捉えるか。
• RQ4 この分類法は指導行動と学習成果を結びつけることをどのように促進できるか。

主な発見

• 4カテゴリーのチュータリング・ムーブの分類法を提案：チュータリング支援、学習支援、社会的・感情的・動機づけ支援、運用支援。
• 学習支援のムーブは、学生の推論を引き出すムーブから直接的な説明・回答を提供するムーブへというスペクトラムに整理される。
• 分類法は理論の統合と authentic transcripts の反復的コーディングを組み合わせたハイブリッドな演繹-帰納プロセスによって開発された。
• このフレームワークはチュータリング対話のスケーラブルな注釈を可能にし、AI支援分析とチュータリング戦略の計算モデリングを支える。
• 分類法はチュータリング行動と学習成果の関係を実証分析することを目指す。