論文の概要: Automatic Generation of Socratic Subquestions for Teaching Math Word
Problems
- arxiv url: http://arxiv.org/abs/2211.12835v1
- Date: Wed, 23 Nov 2022 10:40:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 14:29:31.019215
- Title: Automatic Generation of Socratic Subquestions for Teaching Math Word
Problems
- Title(参考訳): 数学語問題学習のためのソクラテス命題の自動生成
- Authors: Kumar Shridhar, Jakub Macina, Mennatallah El-Assady, Tanmay Sinha,
Manu Kapur, Mrinmaya Sachan
- Abstract要約: 本稿では,大言語モデル (LM) が数学用語の問題解決を導くためのシーケンシャルな質問を生成する能力について検討する。
自動品質評価と人的品質評価の両方において,所望の質問特性に制約されたLMが優れた質問を生成することがわかった。
その結果,課題の難易度は,質問が人間のパフォーマンスを損なうか否かを判断する上で重要な役割を担っていることが示唆された。
- 参考スコア(独自算出の注目度): 16.97827669744673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Socratic questioning is an educational method that allows students to
discover answers to complex problems by asking them a series of thoughtful
questions. Generation of didactically sound questions is challenging, requiring
understanding of the reasoning process involved in the problem. We hypothesize
that such questioning strategy can not only enhance the human performance, but
also assist the math word problem (MWP) solvers. In this work, we explore the
ability of large language models (LMs) in generating sequential questions for
guiding math word problem-solving. We propose various guided question
generation schemes based on input conditioning and reinforcement learning. On
both automatic and human quality evaluations, we find that LMs constrained with
desirable question properties generate superior questions and improve the
overall performance of a math word problem solver. We conduct a preliminary
user study to examine the potential value of such question generation models in
the education domain. Results suggest that the difficulty level of problems
plays an important role in determining whether questioning improves or hinders
human performance. We discuss the future of using such questioning strategies
in education.
- Abstract(参考訳): ソクラテス・クエスチョン(socratic questioning)は、学生が複雑な問題に対する答えを見つけるための教育手法である。
ディダクティカルな質問の生成は困難であり、問題にかかわる推論プロセスを理解する必要がある。
我々は,このような質問戦略は人的パフォーマンスを高めるだけでなく,算術語問題(MWP)解決者を支援することができると仮定する。
本研究では,大規模言語モデル (LM) が数学用語の問題解決を導くための逐次質問を生成する能力について検討する。
入力条件付けと強化学習に基づく様々な質問生成手法を提案する。
自動品質評価と人的品質評価の両方において、所望の質問特性に制約されたLMが優れた質問を生成し、数学語問題解決器の全体的な性能を向上させる。
教育領域における質問生成モデルの潜在価値を検討するために,予備的なユーザ調査を行う。
その結果,課題の難易度は,質問が人間のパフォーマンスを損なうか否かを決定する上で重要な役割を担っていることが示唆された。
我々は,このような質問戦略を教育に活用する未来について論じる。
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) - 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) - Do Language Models Exhibit the Same Cognitive Biases in Problem Solving as Human Learners? [140.9751389452011]
本研究では,大言語モデル(LLM)の偏りを,算術語問題を解く際に,子どもに知られているものと関連づけて検討する。
我々は,これらの各テストに対して,問題特徴のきめ細かい制御を可能にするニューロシンボリックアプローチを用いて,新しい単語問題を生成する。
論文 参考訳(メタデータ) (2024-01-31T18:48:20Z) - Three Questions Concerning the Use of Large Language Models to
Facilitate Mathematics Learning [4.376598435975689]
本稿では,学生の数学的問題解決能力を高めるために,大規模言語モデルを採用する際の課題について論じる。
LLMは間違った推論プロセスを生成することができ、また、学生の回答を正そうとするときに与えられた質問の理性を理解するのに困難を示す。
論文 参考訳(メタデータ) (2023-10-20T16:05:35Z) - 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) - 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) - Improving Reading Comprehension Question Generation with Data
Augmentation and Overgenerate-and-rank [3.854023945160742]
自動回答対応読解質問生成は、教育活動における学習者支援を拡大する大きな可能性を秘めている。
この設定における重要な技術的課題の1つは、複数の質問があり得るということです。
本研究では,(1)同じ文脈と回答を与えられた多様な質問でトレーニングデータセットを充実させるデータ拡張手法,(2)候補のプールから最適な質問を選択する過剰な生成とランクの手法を提案する。
論文 参考訳(メタデータ) (2023-06-15T04:23:25Z) - Towards a Holistic Understanding of Mathematical Questions with
Contrastive Pre-training [65.10741459705739]
本稿では,数学的問題表現,すなわち QuesCo に対する対照的な事前学習手法を提案する。
まず、コンテンツレベルと構造レベルを含む2段階の質問強化を設計し、類似した目的で文字通り多様な質問ペアを生成する。
そこで我々は,知識概念の階層的情報を完全に活用するために,知識階層を意識したランク戦略を提案する。
論文 参考訳(メタデータ) (2023-01-18T14:23:29Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-04T19:03:39Z) - Stay Hungry, Stay Focused: Generating Informative and Specific Questions
in Information-Seeking Conversations [41.74162467619795]
情報非対称な会話における情報的質問生成の問題について検討する。
実践的な質問を生成するために,情報量測定を最適化するために強化学習を用いる。
そこで本研究では,提案した実用的質問は,ベースラインモデル上で生成した質問の有意性と特異性を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2020-04-30T00:49:14Z) - 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。