論文の概要: Instructions and Guide for Diagnostic Questions: The NeurIPS 2020
Education Challenge
- arxiv url: http://arxiv.org/abs/2007.12061v3
- Date: Mon, 12 Apr 2021 22:45:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 13:24:41.888025
- Title: Instructions and Guide for Diagnostic Questions: The NeurIPS 2020
Education Challenge
- Title（参考訳）: 診断的質問の指導とガイド: neurips 2020 教育チャレンジ
- Authors: Zichao Wang, Angus Lamb, Evgeny Saveliev, Pashmina Cameron, Yordan
Zaykov, Jos\'e Miguel Hern\'andez-Lobato, Richard E. Turner, Richard G.
Baraniuk, Craig Barton, Simon Peyton Jones, Simon Woodhead, Cheng Zhang
- Abstract要約: この競技では,参加者は,複数項目の診断質問に対する生徒の回答記録に集中する。
我々は,Eediの数学質問に対する学生の回答を2000万件以上提供した。
- 参考スコア（独自算出の注目度）: 40.96530220202453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital technologies are becoming increasingly prevalent in education,
enabling personalized, high quality education resources to be accessible by
students across the world. Importantly, among these resources are diagnostic
questions: the answers that the students give to these questions reveal key
information about the specific nature of misconceptions that the students may
hold. Analyzing the massive quantities of data stemming from students'
interactions with these diagnostic questions can help us more accurately
understand the students' learning status and thus allow us to automate learning
curriculum recommendations. In this competition, participants will focus on the
students' answer records to these multiple-choice diagnostic questions, with
the aim of 1) accurately predicting which answers the students provide; 2)
accurately predicting which questions have high quality; and 3) determining a
personalized sequence of questions for each student that best predicts the
student's answers. These tasks closely mimic the goals of a real-world
educational platform and are highly representative of the educational
challenges faced today. We provide over 20 million examples of students'
answers to mathematics questions from Eedi, a leading educational platform
which thousands of students interact with daily around the globe. Participants
to this competition have a chance to make a lasting, real-world impact on the
quality of personalized education for millions of students across the world.
- Abstract（参考訳）: デジタル技術は教育においてますます普及し、世界中の学生がパーソナライズされた高品質な教育リソースを利用できるようになっている。
これらの質問に対して学生が答える答えは、学生が持つかもしれない誤解の特定の性質に関する重要な情報を明らかにする。
これらの診断問題との相互作用から生じる大量のデータを分析することで、学生の学習状況をより正確に理解し、学習カリキュラムの推薦を自動化することができる。
この競技では,参加者は,これらの多票診断問題に対する学生の回答記録に焦点をあてる。
1) 学生の回答を正確に予測すること。
2)どの質問が質が高いかを正確に予測し、
3)各学生の回答を最もよく予測する質問のパーソナライズされた順序を決定する。
これらのタスクは、現実世界の教育プラットフォームの目標を密接に模倣しており、今日直面する教育上の課題を非常に代表している。
世界中の何千人もの学生が毎日交流する主要な教育プラットフォームであるEediから、数学の質問に対する生徒の回答の例を2000万件以上提供します。
このコンテストの参加者は、世界中の何百万人もの学生にパーソナライズされた教育の質に、永続的で現実世界的なインパクトを与える機会を持っている。
関連論文リスト
- How to Engage Your Readers? Generating Guiding Questions to Promote Active Reading [60.19226384241482]
教科書や科学論文から10Kのインテキスト質問のデータセットであるGuidingQを紹介した。
言語モデルを用いてこのような質問を生成するための様々なアプローチを探索する。
我々は、そのような質問が読解に与える影響を理解するために、人間の研究を行う。
論文 参考訳（メタデータ） (2024-07-19T13:42:56Z) - Enhancing Students' Learning Process Through Self-Generated Tests [0.0]
本稿では,学生の自律学習の促進を目的とした教育実験について述べる。
本研究の主目的は,評価試験に学生の質問を含めることによって,評価プロセスに学生を参加させることである。
学生がアップロードした質問は、登録された生徒全員と、関連する教師全員に表示される。
論文 参考訳（メタデータ） (2024-03-21T09:49:33Z) - Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。
本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
論文 参考訳（メタデータ） (2023-12-27T14:37:32Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Towards Mitigating ChatGPT's Negative Impact on Education: Optimizing
Question Design through Bloom's Taxonomy [0.0]
本稿では,Bloomの分類キーワードの最適セットを特定し,これらのツールが回答に自信を欠くような質問を生成するための進化的アプローチを提案する。
このアプローチの有効性は、オーストラリア、カンベラのニューサウスウェールズ大学で教えられているデータ構造・表現コースからの質問を用いたケーススタディによって評価される。
論文 参考訳（メタデータ） (2023-03-31T00:01:59Z) - Question Personalization in an Intelligent Tutoring System [5.644357169513361]
教科能力の異なる学生に合った質問を生成すれば,生徒の学習能力が向上することを示す。
この知見は,質問の言語的実現が学生の学習結果に影響を及ぼすことを示す。
論文 参考訳（メタデータ） (2022-05-25T15:23:51Z) - Continuous Examination by Automatic Quiz Assessment Using Spiral Codes
and Image Processing [69.35569554213679]
紙のキズは安価で、教室のキャンパス教育の範囲内にある。
クイズの修正は かなりの障害だ
本稿では,新しい画像処理技術によって問題を緩和することを提案する。
論文 参考訳（メタデータ） (2022-01-26T22:58:15Z) - Results and Insights from Diagnostic Questions: The NeurIPS 2020
Education Challenge [40.96530220202453]
このコンペティションは、教育学的に効果的で多目的質問(MCQ)である教育診断に関するものである。
大規模な学習シナリオにおいて、自動パーソナライズされた学習を促進するために、MCQに対する数億の回答に関するデータをどのように使用できるのか?
約400チームが約4000の応募を提出したNeurIPSコンペティションについて報告します。
論文 参考訳（メタデータ） (2021-04-08T20:09:58Z) - Educational Question Mining At Scale: Prediction, Analysis and
Personalization [35.42197158180065]
大規模に教育的な問題から洞察を抽出する枠組みを提案する。
我々は最先端のベイズ深層学習法、特に部分変分オートエンコーダ(p-VAE)を利用する。
提案したフレームワークを,数万の質問と数千万の回答をオンライン教育プラットフォームから収集した実世界のデータセットに適用する。
論文 参考訳（メタデータ） (2020-03-12T19:07:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。