論文の概要: Import test questions into Moodle LMS
- arxiv url: http://arxiv.org/abs/2010.15577v1
- Date: Tue, 27 Oct 2020 09:39:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 08:24:39.939897
- Title: Import test questions into Moodle LMS
- Title（参考訳）: Moodle LMSにテスト質問をインポートする
- Authors: Iryna S. Mintii, Svitlana V. Shokaliuk, Tetiana A. Vakaliuk, Mykhailo
M. Mintii, Vladimir N. Soloviev
- Abstract要約: 本研究の目的は、最も一般的なタイプのテスト質問の作成における理論的・方法論的な側面を明らかにすることである。
Moodle LMSのビューモードでは,質問の提出形式,その設計事例,開発事例がデモされた。
- 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: The purpose of the study is to highlight the theoretical and methodological
aspects of preparing the test questions of the most common types in the form of
text files for further import into learning management system (LMS) Moodle. The
subject of the research is the automated filling of the Moodle LMS test
database. The objectives of the study: to analyze the import files of test
questions, their advantages and disadvantages; to develop guidelines for the
preparation of test questions of common types in the form of text files for
further import into Moodle LMS. The action algorithms for importing questions
and instructions for submitting question files in such formats as Aiken, GIFT,
Moodle XML, "True/False" questions, "Multiple Choice" (one of many and many of
many), "Matching", with an open answer - "Numerical" or "Short answer" and
"Essay" are offered in this article. The formats for submitting questions,
examples of its designing and developed questions were demonstrated in view
mode in Moodle LMS.
- Abstract（参考訳）: 本研究の目的は,学習管理システム(LMS)Moodleへのさらなるインポートを目的としたテキストファイル形式で,最も一般的なタイプのテスト質問を作成できる理論的および方法論的側面を明らかにすることである。
この研究の主題は、Moodle LMSテストデータベースの自動補完である。
本研究の目的は, テスト質問のインポートファイルを解析し, その利点と欠点を考察し, テキストファイルの形式で共通型のテスト質問を準備し, さらなるMoodle LMSへのインポートを行うためのガイドラインを開発することである。
aiken, gift, moodle xml, "true/false" questions, "multiple choice" (多数のもののうちの1つ)、"matching"、"numerical" または "short answer" および "essay" といった形式で質問ファイルを提出するための質問や指示をインポートするためのアクションアルゴリズムが本記事で提供されている。
Moodle LMSのビューモードでは,質問の提出形式,その設計事例,開発事例がデモされた。
関連論文リスト
- MQA-KEAL: Multi-hop Question Answering under Knowledge Editing for Arabic Language [7.488965571323756]
アラビア語(MQA-KEAL)の知識編集に基づくマルチホップ質問回答を提案する。
MQA-KEALは、知識編集を構造化知識単位として外部メモリに格納する。
また,KE による MQA の厳密な性能評価のための MQA-AEVAL も提案した。
論文 参考訳（メタデータ） (2024-09-18T18:40:02Z) - I Could've Asked That: Reformulating Unanswerable Questions [89.93173151422636]
我々は、解決不可能な質問を改定するためのオープンソースおよびプロプライエタリなモデルを評価する。
GPT-4とLlama2-7Bは、それぞれ26%と12%しか質問を修正できなかった。
ベンチマークとコードを公開して実験を再現します。
論文 参考訳（メタデータ） (2024-07-24T17:59:07Z) - JDocQA: Japanese Document Question Answering Dataset for Generative Language Models [15.950718839723027]
本稿では,大規模文書ベースのQAデータセットであるJDocQAについて紹介する。
PDF形式で5,504件の文書と日本語で11,600件の質問・回答文からなる。
現実的な質問応答アプリケーションのために,複数のカテゴリの質問と,文書から解答不能な質問を取り入れた。
論文 参考訳（メタデータ） (2024-03-28T14:22:54Z) - Qsnail: A Questionnaire Dataset for Sequential Question Generation [76.616068047362]
質問紙作成作業に特化して構築された最初のデータセットについて述べる。
我々はQsnailの実験を行い、その結果、検索モデルと従来の生成モデルが与えられた研究トピックや意図と完全に一致していないことが明らかとなった。
チェーン・オブ・シークレット・プロンプトと微調整による改善にもかかわらず、言語モデルによるアンケートは、人間の手書きのアンケートには及ばない。
論文 参考訳（メタデータ） (2024-02-22T04:14:10Z) - An In-Context Schema Understanding Method for Knowledge Base Question
Answering [70.87993081445127]
大きな言語モデル(LLM)は、言語理解において強力な能力を示しており、この課題を解決するために使用することができる。
既存のメソッドは、当初、スキーマ固有の詳細を使わずにLLMを使用してロジックフォームのドラフトを生成することで、この課題を回避している。
そこで本研究では,LLMが文脈内学習を利用してスキーマを直接理解できる簡易なインコンテキスト理解(ICSU)手法を提案する。
論文 参考訳（メタデータ） (2023-10-22T04:19:17Z) - Answering Ambiguous Questions with a Database of Questions, Answers, and
Revisions [95.92276099234344]
ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。
提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
論文 参考訳（メタデータ） (2023-08-16T20:23:16Z) - A large language model-assisted education tool to provide feedback on
open-ended responses [2.624902795082451]
本稿では,大規模言語モデル (LLM) をインストラクター定義基準でガイドし,オープンエンド質問に対する応答を自動化するツールを提案する。
本ツールでは,素早いパーソナライズされたフィードバックを提供することで,学生が知識を迅速にテストし,改善すべき領域を特定できる。
論文 参考訳（メタデータ） (2023-07-25T19:49:55Z) - Generating Answer Candidates for Quizzes and Answer-Aware Question
Generators [16.44011627249311]
そこで本研究では,テキストの文通しに対して,所定の数の回答候補を生成できるモデルを提案する。
実験の結果,提案する回答候補生成モデルは,いくつかのベースラインよりも優れていた。
論文 参考訳（メタデータ） (2021-08-29T19:33:51Z) - A Dataset of Information-Seeking Questions and Answers Anchored in
Research Papers [66.11048565324468]
1,585の自然言語処理論文に関する5,049の質問のデータセットを提示する。
各質問は、対応する論文のタイトルと要約のみを読むNLP実践者によって書かれ、質問は全文に存在する情報を求めます。
他のQAタスクでうまく機能する既存のモデルは、これらの質問に答える上ではうまく機能せず、論文全体から回答する際には、少なくとも27 F1ポイントパフォーマンスが低下します。
論文 参考訳（メタデータ） (2021-05-07T00:12:34Z) - Usability Dimensions and Behavioral Intention to Use Markdown to Moodle
in Test Construction [0.0]
本研究の目的は,テスト構築プロセスの緩和におけるアプリケーションの性能を評価することである。
Moodle to Moodleは、テスト項目の大部分をブラウザに直接入力し、.doc、.md、.mdなどを生成できるアプリケーションだ。
ローカルドライブに保存されたファイル。
論文 参考訳（メタデータ） (2020-11-26T19:01:06Z) - XOR QA: Cross-lingual Open-Retrieval Question Answering [75.20578121267411]
この作業は、言語横断的な設定に応答するオープン検索の質問を拡張します。
我々は,同じ回答を欠いた質問に基づいて,大規模なデータセットを構築した。
論文 参考訳（メタデータ） (2020-10-22T16:47:17Z)
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。