論文の概要: Towards Process-Oriented, Modular, and Versatile Question Generation
that Meets Educational Needs
- arxiv url: http://arxiv.org/abs/2205.00355v1
- Date: Sat, 30 Apr 2022 22:24:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 15:36:31.939497
- Title: Towards Process-Oriented, Modular, and Versatile Question Generation
that Meets Educational Needs
- Title(参考訳): 教育ニーズを満たすプロセス指向・モジュラー・多用途質問生成に向けて
- Authors: Xu Wang, Simin Fan, Jessica Houghton, Lu Wang
- Abstract要約: そこで本研究では,NLPモデルを強化するために,インストラクターが質問をどのように作成し,タッチポイントを識別する方法について検討する。
我々は7つの大学において11人のインストラクターによる詳細な調査を行っている。
我々は,人間とNLPの協調的なQGシステムの構築が実世界の採用に不可欠であると主張している。
- 参考スコア(独自算出の注目度): 8.259416010336794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: NLP-powered automatic question generation (QG) techniques carry great
pedagogical potential of saving educators' time and benefiting student
learning. Yet, QG systems have not been widely adopted in classrooms to date.
In this work, we aim to pinpoint key impediments and investigate how to improve
the usability of automatic QG techniques for educational purposes by
understanding how instructors construct questions and identifying touch points
to enhance the underlying NLP models. We perform an in-depth need finding study
with 11 instructors across 7 different universities, and summarize their
thought processes and needs when creating questions. While instructors show
great interests in using NLP systems to support question design, none of them
has used such tools in practice. They resort to multiple sources of
information, ranging from domain knowledge to students' misconceptions, all of
which missing from today's QG systems. We argue that building effective
human-NLP collaborative QG systems that emphasize instructor control and
explainability is imperative for real-world adoption. We call for QG systems to
provide process-oriented support, use modular design, and handle diverse
sources of input.
- Abstract(参考訳): NLPを用いた自動質問生成(QG)技術は、教育者の時間を節約し、学生の学習に利益をもたらす大きな教育的可能性をもたらす。
しかし,これまでqgシステムは教室で広く採用されていない。
本研究の目的は,教官が質問をどのように構築するかを理解し,基礎となるnlpモデルを強化するためにタッチポイントを特定することで,教育目的のための自動qg手法のユーザビリティを向上させる方法を検討することである。
7つの大学にまたがる11人のインストラクターによる詳細な研究を行い,質問作成時の思考過程とニーズを要約した。
インストラクターは疑問設計を支援するためにNLPシステムを使うことに大きな関心を示しているが、実際にはそのようなツールを使用していない。
彼らは、ドメイン知識から学生の誤解まで、様々な情報ソースを利用しており、それらは今日のQGシステムから欠落している。
インストラクタ制御と説明可能性を重視した効果的な人間-nlp協調qgシステムの構築は,実世界導入に不可欠である。
我々はQGシステムにプロセス指向のサポートを提供し、モジュール設計を使用し、多様な入力源を扱うよう求めています。
関連論文リスト
- Knowledge Tagging System on Math Questions via LLMs with Flexible Demonstration Retriever [48.5585921817745]
大きな言語モデル(LLM)は知識タグ付けタスクを自動化するために使われる。
算数問題における知識タグ付けタスクに対するゼロショットと少数ショットの結果の強い性能を示す。
強化学習に基づくデモレトリバーの提案により,異なるサイズのLLMの潜在能力を活用できた。
論文 参考訳(メタデータ) (2024-06-19T23:30:01Z) - Automatic question generation for propositional logical equivalences [6.221146613622175]
そこで我々は,各学生に対して適切な質問を生成できる手法を開発し,実装する。
従来の研究では、妥当性、ユーザ定義の困難さ、パーソナライズされた問題生成を含む、教育におけるAQGフレームワークについて研究されてきた。
我々の新しいAQGアプローチは、一年生のコンピュータサイエンス学生にとってコアコースである離散数学に論理的等価性問題をもたらす。
論文 参考訳(メタデータ) (2024-05-09T02:44:42Z) - Automate Knowledge Concept Tagging on Math Questions with LLMs [48.5585921817745]
知識概念のタグ付けは、現代の知的教育応用において重要な役割を担っている。
伝統的に、これらの注釈は教育専門家の助けを借りて手作業で行われてきた。
本稿では,Large Language Models (LLM) を用いたタグ付けタスクの自動化について検討する。
論文 参考訳(メタデータ) (2024-03-26T00:09:38Z) - How Teachers Can Use Large Language Models and Bloom's Taxonomy to
Create Educational Quizzes [5.487297537295827]
本稿では,Bloomの分類学から得られた学習目標を問う,大規模言語モデルに基づくQGアプローチを適用する。
その結果、教師は自動生成された質問でクイズを書くことを好んでおり、手書き版に比べてクイズの品質が損なわれていないことがわかった。
論文 参考訳(メタデータ) (2024-01-11T13:47:13Z) - Retrieval-augmented Generation to Improve Math Question-Answering:
Trade-offs Between Groundedness and Human Preference [0.0]
我々は、高品質なオープンソースの数学教科書からコンテンツを検索して利用し、実際の学生の質問に対する応答を生成するプロンプトを設計する。
マルチ条件サーベイを実施し,中学代数学と幾何学QAのためのRAGシステムの有効性を評価した。
我々は、RAGは応答品質を向上させることができるが、数学のQAシステムの設計者は、学生が好む応答と、特定の教育資源に密接に適合する応答とのトレードオフを検討する必要があると論じる。
論文 参考訳(メタデータ) (2023-10-04T22:09:28Z) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳(メタデータ) (2023-05-31T11:29:04Z) - Platform-Independent and Curriculum-Oriented Intelligent Assistant for
Higher Education [0.0]
我々は、パワー言語モデル(GPT-3)に基づくAIを活用したインテリジェントな教育支援フレームワークを開発した。
仮想インテリジェント・インテリジェンス・アシスタント(TA)システムは、カリキュラム、物流、コースポリシーに関するコース固有の質問に答えることのできる音声対応のヘルパーとして機能する。
論文 参考訳(メタデータ) (2023-02-15T19:02:01Z) - Teachable Reinforcement Learning via Advice Distillation [161.43457947665073]
外部教師が提供した構造化アドバイスから学習する「教育可能な」意思決定システムに基づく対話型学習のための新しい指導パラダイムを提案する。
我々は、アドバイスから学ぶエージェントが、標準的な強化学習アルゴリズムよりも人的監督力の少ない新しいスキルを習得できることを示す。
論文 参考訳(メタデータ) (2022-03-19T03:22:57Z) - Neural Multi-Task Learning for Teacher Question Detection in Online
Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。
マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文 参考訳(メタデータ) (2020-05-16T02:17:04Z) - Reinforced Multi-task Approach for Multi-hop Question Generation [47.15108724294234]
我々は,その文脈における支援事実に基づいて,関連する質問を生成することを目的としたマルチホップ質問生成を取り上げている。
我々は,質問生成を導くために,回答認識支援事実予測の補助タスクを備えたマルチタスク学習を採用する。
マルチホップ質問応答データセットHotPotQAの実験を通して,提案手法の有効性を実証する。
論文 参考訳(メタデータ) (2020-04-05T10:16:59Z)
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。