論文の概要: Kwame: A Bilingual AI Teaching Assistant for Online SuaCode Courses
- arxiv url: http://arxiv.org/abs/2010.11387v2
- Date: Mon, 14 Jun 2021 00:12:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 04:46:37.124960
- Title: Kwame: A Bilingual AI Teaching Assistant for Online SuaCode Courses
- Title（参考訳）: Kwame: オンラインSuaCodeコースのためのバイリンガルAI指導アシスタント
- Authors: George Boateng
- Abstract要約: 我々は、英語とフランス語のSuaCodeコースから学生のコーディング質問に対する回答を提供するバイリンガル人工知能(AI)指導アシスタント(TA)を開発した。
KwameはSBERT(Sentence-BERT)をベースとしたQAシステムで,過去のコホートにおいて,教科のクイズ,授業ノート,学生の質問から作成された質問応答ペアを用いて,オフラインで学習し,評価した。
その結果,コースデータの微調整と上位3と5の回答の返却により精度が向上した。
- 参考スコア（独自算出の注目度）: 2.4366811507669124
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Introductory hands-on courses such as our smartphone-based coding course,
SuaCode require a lot of support for students to accomplish learning goals.
Online environments make it even more difficult to get assistance especially
more recently because of COVID-19. Given the multilingual context of SuaCode
students - learners across 42 African countries that are mostly Anglophone or
Francophone - in this work, we developed a bilingual Artificial Intelligence
(AI) Teaching Assistant (TA) - Kwame - that provides answers to students'
coding questions from SuaCode courses in English and French. Kwame is a
Sentence-BERT (SBERT)-based question-answering (QA) system that we trained and
evaluated offline using question-answer pairs created from the course's
quizzes, lesson notes and students' questions in past cohorts. Kwame finds the
paragraph most semantically similar to the question via cosine similarity. We
compared the system with TF-IDF and Universal Sentence Encoder. Our results
showed that fine-tuning on the course data and returning the top 3 and 5
answers improved the accuracy results. Kwame will make it easy for students to
get quick and accurate answers to questions in SuaCode courses.
- Abstract（参考訳）: 私たちのスマートフォンベースのコーディングコースのような入門コースでは、学生が学習目標を達成するために多くのサポートが必要です。
オンライン環境は、特に最近は新型コロナウイルスのため、支援を受けるのがさらに難しくなっている。
SuaCodeの学生の多言語的文脈 – 主にアングロフォンやフランコフォンである42カ国の学習者 – を踏まえて,我々は,英語とフランス語のSuaCodeコースから,学生のコーディング質問に対する回答を提供するバイリンガル人工知能(AI)指導アシスタント(TA)-Kwameを開発した。
kwameは,授業のクイズ,授業ノート,学生の過去のコホートから作成した質問応答ペアを用いて,オフラインでトレーニングおよび評価を行う,sbert(sbert-based question-answering)システムである。
クウェームはこの段落を、コサイン類似性を通じて、最も意味論的に類似している。
TF-IDFとUniversal Sentence Encoderを比較した。
その結果,コースデータの微調整とトップ3と5の回答の返却により精度が向上した。
Kwameは学生がSuaCodeのコースで質問に対して素早く正確な回答を得られるようにする。
関連論文リスト
- Explain in Plain Language Questions with Indic Languages: Drawbacks, Affordances, and Opportunities [1.9121661610146587]
我々は,最近導入されたCGBG (Code Generation Based Grading) による,平易言語活動における言語に依存しない説明を可能にする手法の有効性を評価した。
論文 参考訳（メタデータ） (2024-09-30T13:56:29Z) - Can a Multichoice Dataset be Repurposed for Extractive Question Answering? [52.28197971066953]
我々は,Multiple-choice Question answering (MCQA)のために設計されたBandarkar et al.(Bandarkar et al., 2023)を再利用した。
本稿では,英語と現代標準アラビア語(MSA)のためのガイドラインと並列EQAデータセットを提案する。
私たちの目標は、ベレベレにおける120以上の言語変異に対して、他者が私たちのアプローチを適応できるようにすることです。
論文 参考訳（メタデータ） (2024-04-26T11:46:05Z) - QACP: An Annotated Question Answering Dataset for Assisting Chinese
Python Programming Learners [10.90557801193242]
本稿では,Python学習者を対象とした中国語質問・回答データセットを提案する。
オンラインプログラミング教育の有効性と品質を高めるために設計されている。
論文 参考訳（メタデータ） (2024-01-30T13:11:23Z) - Code Generation Based Grading: Evaluating an Auto-grading Mechanism for
"Explain-in-Plain-English" Questions [0.0]
コード生成ベースグラディング(CGBG)は、人間の学年と適度に合意する。
CGBGは、コードの低レベルおよびライン・バイ・ライン記述に関して、人間のグレードラーと適度に合意する。
論文 参考訳（メタデータ） (2023-11-25T02:45:00Z) - Language Guided Visual Question Answering: Elevate Your Multimodal
Language Model Using Knowledge-Enriched Prompts [54.072432123447854]
視覚的質問応答(VQA)は、画像に関する質問に答えるタスクである。
疑問に答えるには、常識知識、世界知識、イメージに存在しないアイデアや概念についての推論が必要である。
本稿では,論理文や画像キャプション,シーングラフなどの形式で言語指導(LG)を用いて,より正確に質問に答えるフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-31T03:54:11Z) - Write a Line: Tests with Answer Templates and String Completion Hints
for Self-Learning in a CS1 Course [0.0]
本報告では,497名の学生を対象に,CS1コースにおける文字列補完ヒント付き正規表現型質問を用いた4年間の成績を報告する。
評価結果から,Perl互換の正規表現は,1行のコードを記述する必要のある質問に対して,良好な精度とリコール(99%以上)を提供することが示された。
論文 参考訳（メタデータ） (2022-04-19T17:53:35Z) - Solving Linear Algebra by Program Synthesis [1.0660480034605238]
我々は、MITのLinear Algebra 18.06コースとコロンビア大学のComputational Linear Algebra COMS3251コースを、インタラクティブなプログラム合成によって完全な精度で解決する。
この驚くほど強い結果は、コース質問をプログラミングタスクに変換し、プログラムを実行して正しい回答を生成することで達成されます。
論文 参考訳（メタデータ） (2021-11-16T01:16:43Z) - 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) - CoSQA: 20,000+ Web Queries for Code Search and Question Answering [63.92224685262063]
CoSQAデータセットには、自然言語クエリとコードのペア用の20,604ラベルが含まれている。
本稿では,クエリコードマッチングを強化するために,CoCLRと呼ばれる対照的な学習手法を提案する。
我々は,CodeXGLUEを同じCodeBERTモデルで評価し,CoSQAのトレーニングにより,コード質問応答の精度が5.1%向上したことを示す。
論文 参考訳（メタデータ） (2021-05-27T15:37:21Z) - 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) - Multi-hop Question Generation with Graph Convolutional Network [58.31752179830959]
マルチホップ質問生成(Multi-hop Question Generation, QG)は,異なる段落から散在する複数の証拠を集約・推論することで,回答に関連する質問を生成することを目的とする。
複数のホップでコンテキストエンコーディングを行うMulQG(Multi-Hop volution Fusion Network for Question Generation)を提案する。
提案モデルでは,高い完全性を有する流動的な質問を生成することができ,マルチホップ評価において,最強のベースラインを20.8%向上させることができる。
論文 参考訳（メタデータ） (2020-10-19T06:15:36Z)
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。