論文の概要: Automated Scoring of Graphical Open-Ended Responses Using Artificial Neural Networks

• arxiv url: http://arxiv.org/abs/2201.01783v1
• Date: Wed, 5 Jan 2022 19:00:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-07 13:50:33.820235
• Title: Automated Scoring of Graphical Open-Ended Responses Using Artificial Neural Networks
• Title（参考訳）: ニューラルネットワークを用いたグラフィカルオープンエンド応答の自動スコアリング
• Authors: Matthias von Davier, Lillian Tyack, Lale Khorramdel
• Abstract要約: 畳み込みニューラルネットワーク(CNN)は、損失と精度の両方でフィードフォワードニューラルネットワークを上回っている。 追加のイノベーションとして、期待される応答関数の適用に基づいて、トレーニングサンプルに対するヒト評価応答を選択する方法を概説する。 本稿では,CNNをベースとした画像応答の自動評価は,大規模評価のための第2のレーダの作業負荷とコストに取って代わる可能性のある,高精度な手順である,と論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automated scoring of free drawings or images as responses has yet to be utilized in large-scale assessments of student achievement. In this study, we propose artificial neural networks to classify these types of graphical responses from a computer based international mathematics and science assessment. We are comparing classification accuracy of convolutional and feedforward approaches. Our results show that convolutional neural networks (CNNs) outperform feedforward neural networks in both loss and accuracy. The CNN models classified up to 97.71% of the image responses into the appropriate scoring category, which is comparable to, if not more accurate, than typical human raters. These findings were further strengthened by the observation that the most accurate CNN models correctly classified some image responses that had been incorrectly scored by the human raters. As an additional innovation, we outline a method to select human rated responses for the training sample based on an application of the expected response function derived from item response theory. This paper argues that CNN-based automated scoring of image responses is a highly accurate procedure that could potentially replace the workload and cost of second human raters for large scale assessments, while improving the validity and comparability of scoring complex constructed-response items.
• Abstract（参考訳）: フリードローイングや画像の回答による自動スコアリングは,学生の成果の大規模評価にはまだ活用されていない。 本研究では,コンピュータベースの国際数学・科学アセスメントから,これらのグラフィカル応答を分類する人工ニューラルネットワークを提案する。 畳み込み法とフィードフォワード法の分類精度を比較した。 その結果、畳み込みニューラルネットワーク(CNN)は、損失と精度の両方でフィードフォワードニューラルネットワークを上回っていることがわかった。 CNNモデルは、画像応答の97.71%までを適切な評価カテゴリーに分類した。 これらの知見は、最も正確なCNNモデルが、ヒトのラッカーによって誤って測定された画像応答を正しく分類しているという観察によってさらに強化された。 追加のイノベーションとして,アイテム応答理論に基づく期待応答関数の適用に基づいて,トレーニングサンプルに対する評価応答を選択する手法について概説する。 本稿では,CNNによる画像応答の自動評価は,大規模評価のための第2のレーダの作業負荷とコストに取って代わる可能性があり,複雑な構成対応項目の妥当性と可視性を向上させることができる,と論じる。

関連論文リスト

• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• Adversarial training with informed data selection [53.19381941131439]
  アドリアリトレーニングは、これらの悪意のある攻撃からネットワークを守るための最も効率的なソリューションである。 本研究では,ミニバッチ学習に適用すべきデータ選択戦略を提案する。 シミュレーションの結果,ロバスト性および標準精度に関して良好な妥協が得られることがわかった。
  論文  参考訳（メタデータ） (2023-01-07T12:09:50Z)
• Increasing the Accuracy of a Neural Network Using Frequency Selective Mesh-to-Grid Resampling [4.211128681972148]
  ニューラルネットワークの入力データの処理にFSMR(Keypoint frequency selective mesh-to-grid resampling)を提案する。 ネットワークアーキテクチャや分類タスクによって、トレーニング中のFSMRの適用は学習プロセスに役立ちます。 ResNet50とOxflower17データセットの分類精度は最大4.31ポイント向上できる。
  論文  参考訳（メタデータ） (2022-09-28T21:34:47Z)
• SATBench: Benchmarking the speed-accuracy tradeoff in object recognition by humans and dynamic neural networks [0.45438205344305216]
  人々はスピードと正確さの間の柔軟なトレードオフを示しています。 ImageNet画像の認識において、SAT(Speed-accuracy Tradeoff)の最初の大規模データセットを示す。 我々は,曲線適合誤差,カテゴリー相関,曲線急勾配について,人とのネットワークを比較した。
  論文  参考訳（メタデータ） (2022-06-16T20:03:31Z)
• Lost Vibration Test Data Recovery Using Convolutional Neural Network: A Case Study [0.0]
  本稿では,アラモサキャニオン橋のCNNアルゴリズムを実構造として提案する。 3つの異なるCNNモデルは、1つと2つの故障したセンサーを予測するものとされた。 畳み込み層を追加することによりモデルの精度が向上した。
  論文  参考訳（メタデータ） (2022-04-11T23:24:03Z)
• Efficient and Robust Classification for Sparse Attacks [34.48667992227529]
  我々は、画像認識、自然言語処理、マルウェア検出の領域において効果的な攻撃として示されてきた$ell$-normで束縛された摂動を考える。 我々は,「トランケーション」と「アドリアル・トレーニング」を組み合わせた新しい防衛手法を提案する。 得られた洞察に触発され、これらのコンポーネントをニューラルネットワーク分類器に拡張する。
  論文  参考訳（メタデータ） (2022-01-23T21:18:17Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• Neural Networks with Recurrent Generative Feedback [61.90658210112138]
  畳み込みニューラルネットワーク(CNN)でこの設計をインスタンス化する 実験では、標準ベンチマーク上の従来のフィードフォワードCNNに対して、CNN-Fは敵のロバスト性を大幅に改善した。
  論文  参考訳（メタデータ） (2020-07-17T19:32:48Z)
• A Neuro-AI Interface for Evaluating Generative Adversarial Networks [11.570606002205153]
  神経スコア(Neuroscore)は、GANのパフォーマンスを評価する指標である。 ニューロスコアは,(1)人間の判断と整合性が高いこと,(2)より少ないサンプル数を必要とすること,(3)画像の品質をGANベースでランク付けできること,など,現在の評価指標よりも優れた性能を有する。
  論文  参考訳（メタデータ） (2020-03-05T17:53:43Z)

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。