Fugu-MT 論文翻訳(概要): Question Personalization in an Intelligent Tutoring System

論文の概要: Question Personalization in an Intelligent Tutoring System

arxiv url: http://arxiv.org/abs/2206.14145v1
Date: Wed, 25 May 2022 15:23:51 GMT
ステータス: 処理完了
システム内更新日: 2023-02-11 19:08:52.816438
Title: Question Personalization in an Intelligent Tutoring System
Title（参考訳）: 知的指導システムにおける質問のパーソナライズ
Authors: Sabina Elkins, Robert Belfer, Ekaterina Kochmar, Iulian Serban, and Jackie C.K. Cheung
Abstract要約: 教科能力の異なる学生に合った質問を生成すれば,生徒の学習能力が向上することを示す。この知見は,質問の言語的実現が学生の学習結果に影響を及ぼすことを示す。
参考スコア（独自算出の注目度）: 5.644357169513361
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper investigates personalization in the field of intelligent tutoring systems (ITS). We hypothesize that personalization in the way questions are asked improves student learning outcomes. Previous work on dialogue-based ITS personalization has yet to address question phrasing. We show that generating versions of the questions suitable for students at different levels of subject proficiency improves student learning gains, using variants written by a domain expert and an experimental A/B test. This insight demonstrates that the linguistic realization of questions in an ITS affects the learning outcomes for students.
Abstract（参考訳）: 本稿では知的学習システム(ITS)分野におけるパーソナライズについて検討する。質問に対するパーソナライゼーションが学生の学習結果を改善すると仮定する。対話に基づくITSパーソナライズに関するこれまでの研究は、まだ疑問の表現に対処していない。対象能力の異なるレベルにある学生に適した質問の生成は、ドメインエキスパートが書いた変種と実験的なa/bテストを用いて、学生の学習能力を向上させることが示されている。この知見は,質問の言語的実現が学生の学習結果に影響を及ぼすことを示す。

関連論文リスト

How to Engage Your Readers? Generating Guiding Questions to Promote Active Reading [60.19226384241482]
教科書や科学論文から10Kのインテキスト質問のデータセットであるGuidingQを紹介した。言語モデルを用いてこのような質問を生成するための様々なアプローチを探索する。我々は、そのような質問が読解に与える影響を理解するために、人間の研究を行う。
論文参考訳（メタデータ） (2024-07-19T13:42:56Z)
Student Answer Forecasting: Transformer-Driven Answer Choice Prediction for Language Learning [2.8887520199545187]
近年の研究では、学生の特定の解答選択に対するパフォーマンスよりも、解答の正しさに焦点が当てられている。 MCQStudentBertは,学生の回答履歴の文脈的理解と質問や回答のテキストを統合した回答予測モデルである。この作業は、よりパーソナライズされたコンテンツ、モジュール化、そして粒度の細かいサポートへの扉を開く。
論文参考訳（メタデータ） (2024-05-30T14:09:43Z)
Covering Uncommon Ground: Gap-Focused Question Generation for Answer Assessment [75.59538732476346]
このようなギャップに着目した質問(GFQ)を自動生成する問題に着目する。タスクを定義し、優れたGFQの所望の側面を強調し、これらを満たすモデルを提案する。
論文参考訳（メタデータ） (2023-07-06T22:21:42Z)
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)
MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文参考訳（メタデータ） (2023-05-23T21:44:56Z)
Towards Mitigating ChatGPT's Negative Impact on Education: Optimizing Question Design through Bloom's Taxonomy [0.0]
本稿では,Bloomの分類キーワードの最適セットを特定し,これらのツールが回答に自信を欠くような質問を生成するための進化的アプローチを提案する。このアプローチの有効性は、オーストラリア、カンベラのニューサウスウェールズ大学で教えられているデータ構造・表現コースからの質問を用いたケーススタディによって評価される。
論文参考訳（メタデータ） (2023-03-31T00:01:59Z)
Few-shot Question Generation for Personalized Feedback in Intelligent Tutoring Systems [22.167776818471026]
パーソナライズされた修正フィードバックシステムは、生成質問応答システムを改善する可能性があることを示す。実対話型ITSでは,生徒の学習能力が45%,23%向上した。
論文参考訳（メタデータ） (2022-06-08T22:59:23Z)
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)
Deep Discourse Analysis for Generating Personalized Feedback in Intelligent Tutor Systems [4.716555240531893]
ITS(Intelligent Tutoring System)で、自動化されたパーソナライズされたフィードバックの作成を検討します。我々のゴールは、学生のより優れた学習目標を達成するために、学生の回答の正しい概念と間違った概念を見極めることである。
論文参考訳（メタデータ） (2021-03-13T20:33:10Z)
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)
Educational Question Mining At Scale: Prediction, Analysis and Personalization [35.42197158180065]
大規模に教育的な問題から洞察を抽出する枠組みを提案する。我々は最先端のベイズ深層学習法、特に部分変分オートエンコーダ(p-VAE)を利用する。提案したフレームワークを,数万の質問と数千万の回答をオンライン教育プラットフォームから収集した実世界のデータセットに適用する。
論文参考訳（メタデータ） (2020-03-12T19:07:49Z)

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。