論文の概要: Procedural Generation of STEM Quizzes

• arxiv url: http://arxiv.org/abs/2009.03868v1
• Date: Tue, 8 Sep 2020 17:15:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 05:05:45.991787
• Title: Procedural Generation of STEM Quizzes
• Title（参考訳）: STEMクイズの手続き的生成
• Authors: Carlos Andujar
• Abstract要約: 手続き型質問生成は、STEMクイズのための多様で形式的で最新の適応型質問バンクを作成する作業を大幅に促進する、と我々は主張する。 我々は,スクリプトベースの質問生成のための概念実証Python APIを提示し,評価する。 私たちのシステムの副次的な利点は、質問銀行がPythonコードに実際に埋め込まれており、コラボレーション、バージョン管理、メンテナンスタスクが非常に簡単であることです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electronic quizzes are used extensively for summative and formative assessment. Current Learning Management Systems (LMS) allow instructors to create quizzes through a Graphical User Interface. Despite having a smooth learning curve, question generation/editing process with such interfaces is often slow and the creation of question variants is mostly limited to random parameters. In this paper we argue that procedural question generation greatly facilitates the task of creating varied, formative, up-to-date, adaptive question banks for STEM quizzes. We present and evaluate a proof-of-concept Python API for script-based question generation, and propose different question design patterns that greatly facilitate question authoring. The API supports questions including mathematical formulas, dynamically generated images and videos, as well as interactive content such as 3D model viewers. Output questions can be imported in major LMS. For basic usage, the required programming skills are minimal. More advanced uses do require some programming knowledge, but at a level that is common in STEM instructors. A side advantage of our system is that the question bank is actually embedded in Python code, making collaboration, version control, and maintenance tasks very easy. We demonstrate the benefits of script-based generation over traditional GUI-based approaches, in terms of question richness, authoring speed and content re-usability.
• Abstract（参考訳）: 電子キズは要約的および形式的評価に広く使用される。 現在の学習管理システム(LMS)では、インストラクターがグラフィカルユーザインタフェースを通じてクイズを作成することができる。 学習曲線が滑らかであるにもかかわらず、そのようなインタフェースによる質問生成/編集プロセスは遅く、質問変異の生成はランダムパラメータに限られる。 本稿では,STEMクイズのための多種多様な形式的,最新の適応型問合せバンクを作成する作業において,手続き的質問生成が大幅に促進されることを論じる。 我々は,スクリプトベースの質問生成のための概念実証Python APIを提案し,評価し,質問作成を容易にする異なる質問設計パターンを提案する。 このAPIは、数学的公式、動的に生成された画像とビデオ、および3Dモデルビューアのようなインタラクティブなコンテンツを含む質問をサポートする。 出力質問は主要なLMSでインポートできる。 基本的な使い方では、必要なプログラミングスキルは最小限です。 より高度な用途はプログラミングの知識を必要とするが、STEMインストラクターに共通するレベルである。 我々のシステムの副次的な利点は、質問バンクが実際にpythonコードに埋め込まれており、コラボレーション、バージョン管理、メンテナンスタスクがとても簡単であることです。 従来のGUIベースのアプローチよりもスクリプトベースの生成の利点を,質問の豊かさ,オーサリング速度,コンテンツ再使用性の観点から示す。

関連論文リスト

• Multimodal Reranking for Knowledge-Intensive Visual Question Answering [77.24401833951096]
  回答生成のための知識候補のランク付け品質を向上させるためのマルチモーダル・リランカを提案する。 OK-VQAとA-OKVQAの実験は、遠隔監視からのマルチモーダルリランカーが一貫した改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2024-07-17T02:58:52Z)
• Self-Improvement Programming for Temporal Knowledge Graph Question Answering [31.33908040172437]
  時間的知識グラフ質問回答(TKGQA)は、時間的知識グラフ(TKG)に対する時間的意図で質問に答えることを目的としている。 既存のエンドツーエンドの手法は、質問や候補者の回答の埋め込みを学習することで、時間制約を暗黙的にモデル化する。 TKGQA(Prog-TQA)のための新しい自己改善プログラミング手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T08:14:27Z)
• Improving Question Generation with Multi-level Content Planning [70.37285816596527]
  本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。 具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
  論文  参考訳（メタデータ） (2023-10-20T13:57:01Z)
• Automatic Short Math Answer Grading via In-context Meta-learning [2.0263791972068628]
  本研究では,数学質問に対する児童生徒の回答に対する自動短解格付けの問題について検討する。 我々は、数学的な内容に適応した人気のある言語モデルBERTの変種である MathBERT をベースモデルとして使用しています。 第二に、言語モデルへの入力としてスコアリングサンプルを提供する、コンテキスト内学習アプローチを用いる。
  論文  参考訳（メタデータ） (2022-05-30T16:26:02Z)
• Automatic question generation based on sentence structure analysis using machine learning approach [0.0]
  本稿では,英語の非構造化テキストから事実質問を生成するための枠組みを紹介する。 文パターンに基づく従来の言語アプローチと、いくつかの機械学習手法を組み合わせる。 フレームワークには、生成された質問の品質を見積もる質問評価モジュールも含まれている。
  論文  参考訳（メタデータ） (2022-05-25T14:35:29Z)
• Leaf: Multiple-Choice Question Generation [19.910992586616477]
  本稿では,事実テキストから複数選択質問を生成するシステムであるLeafを紹介する。 教室に非常に適していたことに加えて、リーフは工業的にも使えるようになった。
  論文  参考訳（メタデータ） (2022-01-22T10:17:53Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-10-29T18:28:16Z)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)
• Semantic Graphs for Generating Deep Questions [98.5161888878238]
  本稿では、まず、入力文書のセマンティックレベルグラフを構築し、次にアテンションベースのGGNN(Att-GGNN)を導入してセマンティックグラフを符号化する新しいフレームワークを提案する。 HotpotQAのDeep-question中心のデータセットでは、複数の事実の推論を必要とする問題よりもパフォーマンスが大幅に向上し、最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-04-27T10:52:52Z)

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。