論文の概要: How Useful are Educational Questions Generated by Large Language Models?
- arxiv url: http://arxiv.org/abs/2304.06638v1
- Date: Thu, 13 Apr 2023 16:05:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 13:48:06.216686
- Title: How Useful are Educational Questions Generated by Large Language Models?
- Title（参考訳）: 大規模言語モデルによる教育的質問はどの程度有用か?
- Authors: Sabina Elkins, Ekaterina Kochmar, Jackie C.K. Cheung, Iulian Serban
- Abstract要約: 高品質で多様な質問生成は、教師の負担を劇的に減らし、教育コンテンツの品質を向上させる。
この領域での最近の研究は世代によって進展しているが、実際の教師が生成した質問を教室の環境に十分有用であると判断するのに失敗している。
- 参考スコア（独自算出の注目度）: 4.694536172504848
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Controllable text generation (CTG) by large language models has a huge
potential to transform education for teachers and students alike. Specifically,
high quality and diverse question generation can dramatically reduce the load
on teachers and improve the quality of their educational content. Recent work
in this domain has made progress with generation, but fails to show that real
teachers judge the generated questions as sufficiently useful for the classroom
setting; or if instead the questions have errors and/or pedagogically unhelpful
content. We conduct a human evaluation with teachers to assess the quality and
usefulness of outputs from combining CTG and question taxonomies (Bloom's and a
difficulty taxonomy). The results demonstrate that the questions generated are
high quality and sufficiently useful, showing their promise for widespread use
in the classroom setting.
- Abstract（参考訳）: 大規模言語モデルによる制御可能なテキスト生成(CTG)は,教師や学生の教育を変革する大きな可能性を秘めている。
特に、高品質で多様な質問生成は、教師の負担を劇的に減らし、教育コンテンツの品質を向上させる。
この領域における最近の研究は、世代とともに進歩してきたが、実際の教師が生成された質問を教室の設定に十分有用であると判断するのに失敗している。
我々は教師と人間による評価を行い、CTGと質問分類(ブルームと難しい分類法)を組み合わせた出力の品質と有用性を評価する。
以上の結果から, 授業環境において, 質の高い質問が十分に有用であることが示唆された。
関連論文リスト
- Research on the Application of Large Language Models in Automatic Question Generation: A Case Study of ChatGLM in the Context of High School Information Technology Curriculum [3.0753648264454547]
モデルは多様な質問を生成するためにガイドされ、ドメインの専門家によって包括的に評価される。
以上の結果から,ChatGLMは人為的な質問に対して,明快さと教師の利用意欲で優れていたことが示唆された。
論文 参考訳（メタデータ） (2024-08-21T11:38:32Z) - Stepwise Verification and Remediation of Student Reasoning Errors with Large Language Model Tutors [78.53699244846285]
大規模言語モデル(LLM)は、高品質なパーソナライズされた教育を全員に拡大する機会を提供する。
LLMは、学生のエラーを正確に検知し、これらのエラーに対するフィードバックを調整するのに苦労する。
教師が学生の誤りを識別し、それに基づいて回答をカスタマイズする現実世界の教育実践に触発され、我々は学生ソリューションの検証に焦点をあてる。
論文 参考訳（メタデータ） (2024-07-12T10:11:40Z) - To what extent is ChatGPT useful for language teacher lesson plan creation? [0.0]
本研究は,ゼロショットプロンプトによる外国語教師の授業計画の具体性,多様性,弱さの傾向を考察する。
複雑さが増す一連のプロンプトを繰り返すと、アウトプットのレッスンプランは一般的に高品質であることが分かりました。
その結果,教育実践に関する古典的テキストを用いた生成AIモデルのトレーニングは,現在未調査のトピックである可能性が示唆された。
論文 参考訳（メタデータ） (2024-04-25T12:00:03Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - 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) - 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) - Is ChatGPT a Good Teacher Coach? Measuring Zero-Shot Performance For
Scoring and Providing Actionable Insights on Classroom Instruction [5.948322127194399]
本稿では,AIが専門家のフィードバックを補うための費用効率のよい補完になるかどうかを,教師の指導を自動化して検討する。
生成型AIのための3つの教師指導課題を提案する: (A) 教室の観察装置に基づく書き起こしセグメントのスコア、(B) 優れた指導戦略のためのハイライトと機会の欠落を特定し、(C) より学生の推論を引き出すための実行可能な提案を行う。
本研究は,小学校数学書写におけるChatGPTのゼロショット性能を評価するために,専門家の数学教師を募集する。
論文 参考訳（メタデータ） (2023-06-05T17:59:21Z) - 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) - 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) - Siamese Neural Networks for Class Activity Detection [49.320548570516124]
授業記録から教師や生徒の発話を自動的に識別する,Siameseニューラルフレームワークを構築した。
提案モデルは実世界の教育データセットに基づいて評価される。
論文 参考訳（メタデータ） (2020-05-15T14:03:35Z)
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。