論文の概要: Towards Mitigating ChatGPT's Negative Impact on Education: Optimizing
Question Design through Bloom's Taxonomy
- arxiv url: http://arxiv.org/abs/2304.08176v1
- Date: Fri, 31 Mar 2023 00:01:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-23 04:25:37.900750
- Title: Towards Mitigating ChatGPT's Negative Impact on Education: Optimizing
Question Design through Bloom's Taxonomy
- Title(参考訳): chatgptの教育への悪影響緩和に向けて--bloomの分類による質問設計の最適化
- Authors: Saber Elsayed
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The popularity of generative text AI tools in answering questions has led to
concerns regarding their potential negative impact on students' academic
performance and the challenges that educators face in evaluating student
learning. To address these concerns, this paper introduces an evolutionary
approach that aims to identify the best set of Bloom's taxonomy keywords to
generate questions that these tools have low confidence in answering. The
effectiveness of this approach is evaluated through a case study that uses
questions from a Data Structures and Representation course being taught at the
University of New South Wales in Canberra, Australia. The results demonstrate
that the optimization algorithm is able to find keywords from different
cognitive levels to create questions that ChatGPT has low confidence in
answering. This study is a step forward to offer valuable insights for
educators seeking to create more effective questions that promote critical
thinking among students.
- Abstract(参考訳): 質問への回答における生成テキストAIツールの人気は、学生の学業成績に対する潜在的なネガティブな影響と、教育者が学生の学習を評価する際に直面する課題に懸念をもたらしている。
これらの問題に対処するために,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対する信頼度を低く抑え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、オーストラリアのキャンベラにあるニューサウスウェールズ大学(university of new south wales)で教えられているデータ構造と表現コースからの質問を用いたケーススタディを通じて評価される。
結果は,ChatGPTが回答の信頼度を低く抑えるために,異なる認知レベルからのキーワードを最適化アルゴリズムで検索できることを実証した。
本研究は,学生間の批判的思考を促進する効果的な質問の作成を目指す教育者に対して,貴重な洞察を提供するための一歩である。
関連論文リスト
- Evaluating and Optimizing Educational Content with Large Language Model
Judgments [58.82156185222133]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳(メタデータ) (2024-03-05T09:09:15Z) - Improving the Validity of Automatically Generated Feedback via
Reinforcement Learning [50.067342343957876]
強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。
具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
論文 参考訳(メタデータ) (2024-03-02T20:25:50Z) - 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) - Question Personalization in an Intelligent Tutoring System [5.644357169513361]
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。
論文 参考訳(メタデータ) (2022-05-25T15:23:51Z) - Real-Time Cognitive Evaluation of Online Learners through Automatically
Generated Questions [0.0]
本稿では,ビデオ講義から質問を自動的に生成する手法を提案する。
生成された質問は、学習者の低レベルの認知能力を評価することを目的としている。
論文 参考訳(メタデータ) (2021-06-06T05:45:56Z) - Learning from students' perception on professors through opinion mining [0.0]
授業調査に関する意見を通じて測定された授業に対する学生の認識は、欠陥や問題を特定することができる。
本研究の目的は,自然言語処理(NLP)と機械学習(ML)技術を用いた感情分析を通じて学習することである。
関連する感情と、そのような意見の関連トピックを予測するために、2つのアルゴリズムを実装し、訓練し、テストする。
論文 参考訳(メタデータ) (2020-08-25T17:36:45Z) - Peer-inspired Student Performance Prediction in Interactive Online
Question Pools with Graph Neural Network [56.62345811216183]
本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。
具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。
1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
論文 参考訳(メタデータ) (2020-08-04T14:55:32Z) - 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) - Review-guided Helpful Answer Identification in E-commerce [38.276241153439955]
製品固有のコミュニティ質問応答プラットフォームは、潜在的な顧客の懸念に対処するのに大いに役立ちます。
このようなプラットフォーム上でユーザが提供する回答は、その品質に大きく違いがあります。
コミュニティからのヘルプフルネスの投票は、回答の全体的な品質を示すことができるが、しばしば欠落している。
論文 参考訳(メタデータ) (2020-03-13T11:34:29Z)
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。