論文の概要: Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic
Approach
- arxiv url: http://arxiv.org/abs/2209.05467v1
- Date: Wed, 7 Sep 2022 10:09:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 17:30:55.810610
- Title: Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic
Approach
- Title(参考訳): ベイズネットワークを用いたモデリング評価--実用的アプローチ
- Authors: Francesca Mangili, Giorgia Adorni, Alberto Piatti, Claudio Bonesana,
Alessandro Antonucci
- Abstract要約: 本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。
本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
- 参考スコア(独自算出の注目度): 59.77710485234197
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatic assessment of learner competencies is a fundamental task in
intelligent tutoring systems. An assessment rubric typically and effectively
describes relevant competencies and competence levels. This paper presents an
approach to deriving a learner model directly from an assessment rubric
defining some (partial) ordering of competence levels. The model is based on
Bayesian networks and exploits logical gates with uncertainty (often referred
to as noisy gates) to reduce the number of parameters of the model, so to
simplify their elicitation by experts and allow real-time inference in
intelligent tutoring systems. We illustrate how the approach can be applied to
automatize the human assessment of an activity developed for testing
computational thinking skills. The simple elicitation of the model starting
from the assessment rubric opens up the possibility of quickly automating the
assessment of several tasks, making them more easily exploitable in the context
of adaptive assessment tools and intelligent tutoring systems.
- Abstract(参考訳): 知的学習システムにおける学習能力の自動評価は基本的な課題である。
評価ルーブリックは典型的には、関連する能力と能力レベルを効果的に記述する。
本稿では,能力レベルの(部分的な)順序付けを定義する評価ルーブリックから直接学習者モデルを導出する手法を提案する。
このモデルはベイジアンネットワークに基づいており、不確実性を持つ論理ゲート(しばしばノイズゲートと呼ばれる)を利用してモデルのパラメータの数を減らし、専門家による推論を単純化し、インテリジェントなチュータリングシステムにおけるリアルタイム推論を可能にする。
本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化する手法を提案する。
評価ルーブリックから始まるモデルの簡単な適用により、複数のタスクの迅速な自動化が可能となり、適応的アセスメントツールやインテリジェントな学習システムにおいて、より容易に活用できるようになる。
関連論文リスト
- MR-GSM8K: A Meta-Reasoning Revolution in Large Language Model Evaluation [65.07691494584843]
本稿では,メタ推論への取り組みに挑戦する,大規模言語モデルのための新しい評価パラダイムを提案する。
このアプローチは、エージェントの認知能力を評価するために伝統的に用いられてきた既存の数学問題解決ベンチマークにおける重大な欠点に対処する。
論文 参考訳(メタデータ) (2023-12-28T15:49:43Z) - QualEval: Qualitative Evaluation for Model Improvement [86.29905469151566]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Evaluating General-Purpose AI with Psychometrics [43.85432514910491]
本稿では,大規模言語モデルなどの汎用AIシステムの包括的かつ正確な評価の必要性について論じる。
現在の評価手法は、主に特定のタスクのベンチマークに基づいており、これらの汎用AIシステムを適切に評価するには不十分である。
これらの課題に対処するため,タスク指向評価から構成指向評価への移行を提案する。
論文 参考訳(メタデータ) (2023-10-25T05:38:38Z) - Rubric-Specific Approach to Automated Essay Scoring with Augmentation
Training [0.1227734309612871]
本稿では,従来の研究で見過ごされた機能や特徴を学習するために,自動スコアリングモデルの訓練とテストを行う一連のデータ拡張操作を提案する。
自動学生評価賞(Automated Students Assessment Prize)データセットにおいて,最先端のパフォーマンスを達成した。
論文 参考訳(メタデータ) (2023-09-06T05:51:19Z) - Explain, Edit, and Understand: Rethinking User Study Design for
Evaluating Model Explanations [97.91630330328815]
我々はクラウドソーシング研究を行い、真偽のホテルレビューと偽のホテルレビューを区別するために訓練された詐欺検出モデルと対話する。
単語の線形バッグモデルでは、トレーニング中に特徴係数にアクセスした参加者は、非説明制御と比較して、テストフェーズにおいてモデルの信頼性が大幅に低下する可能性があることを観察する。
論文 参考訳(メタデータ) (2021-12-17T18:29:56Z) - Knowledge State Networks for Effective Skill Assessment in Atomic
Learning [0.0]
本稿では,パーソナライズされたスキルベースオンライン学習の文脈において,迅速かつ効果的な知識状態評価のための新しいフレームワークを提案する。
以前の学習者の評価データに基づいて訓練された特定のニューラルネットワークである知識状態ネットワークを使用して、スキルに関する部分的な情報だけから他の学習者の完全な知識状態を予測します。
論文 参考訳(メタデータ) (2021-05-17T11:05:59Z) - Towards Automatic Evaluation of Dialog Systems: A Model-Free Off-Policy
Evaluation Approach [84.02388020258141]
強化学習におけるオフポリシ評価に基づく人間評価スコア推定のための新しいフレームワークであるENIGMAを提案する。
ENIGMAはいくつかの事前収集された経験データしか必要としないため、評価中にターゲットポリシーとのヒューマンインタラクションは不要である。
実験の結果,ENIGMAは人間の評価スコアと相関して既存手法よりも有意に優れていた。
論文 参考訳(メタデータ) (2021-02-20T03:29:20Z) - Evaluating the Safety of Deep Reinforcement Learning Models using
Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。
本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。
提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文 参考訳(メタデータ) (2020-10-19T11:18:06Z) - What's a Good Prediction? Challenges in evaluating an agent's knowledge [0.9281671380673306]
一般知識の精度と有用性の矛盾を示す。
本稿では,オンライン連続学習環境において連続的に発生する代替評価手法を提案する。
本稿では,その利用による予測評価について初めて考察する。
論文 参考訳(メタデータ) (2020-01-23T21:44:43Z) - Assessment Modeling: Fundamental Pre-training Tasks for Interactive
Educational Systems [3.269851859258154]
ラベルスカース問題を回避する一般的な方法は、学習項目の内容の表現を学習するためのモデルを事前学習することである。
本稿では,総合的な対話型教育システムのための基礎的事前学習課題のクラスであるアセスメント・モデリングを提案する。
論文 参考訳(メタデータ) (2020-01-01T02:00:07Z)
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。