論文の概要: Analyzing Multiple-Choice Reading and Listening Comprehension Tests

• arxiv url: http://arxiv.org/abs/2307.01076v1
• Date: Mon, 3 Jul 2023 14:55:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-05 12:41:22.395999
• Title: Analyzing Multiple-Choice Reading and Listening Comprehension Tests
• Title（参考訳）: 複数音声読み上げと聞き取り理解テストの解析
• Authors: Vatsal Raina, Adian Liusie, Mark Gales
• Abstract要約: 本研究は,会話の書き起こしと聞き取りテストに基づいて,コンテキストパスを複数選択で読み取る必要があるかを検討する。 自動読解システムは、文脈パスへのアクセスを部分的にあるいは全く行わずに、ランダムよりもはるかに優れた性能を発揮することが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multiple-choice reading and listening comprehension tests are an important part of language assessment. Content creators for standard educational tests need to carefully curate questions that assess the comprehension abilities of candidates taking the tests. However, recent work has shown that a large number of questions in general multiple-choice reading comprehension datasets can be answered without comprehension, by leveraging world knowledge instead. This work investigates how much of a contextual passage needs to be read in multiple-choice reading based on conversation transcriptions and listening comprehension tests to be able to work out the correct answer. We find that automated reading comprehension systems can perform significantly better than random with partial or even no access to the context passage. These findings offer an approach for content creators to automatically capture the trade-off between comprehension and world knowledge required for their proposed questions.
• Abstract（参考訳）: 複数選択読解テストと聴取理解テストは、言語アセスメントの重要な部分である。 標準的な教育試験のためのコンテンツ作成者は、試験を受ける候補者の理解能力を評価する質問を慎重にキュレートする必要がある。 しかし、近年の研究では、世界の知識を活用して、理解することなく、一般のマルチチョイス読解データセットで多くの疑問に答えることが示されている。 本研究は, 会話の書き起こしと聞き取り理解テストに基づいて, 多段読みにおいて, 文脈文の読み方がどの程度必要かを検討したものである。 自動読解システムは、文脈パスへのアクセスを部分的にあるいは全く行わずに、ランダムよりもはるかに優れた性能を発揮する。 これらの発見は、コンテンツクリエーターが提案する質問に対する理解と世界の知識のトレードオフを自動的に捉えるためのアプローチを提供する。

関連論文リスト

• Reading Between the Lines: A dataset and a study on why some texts are tougher than others [0.20482269513546458]
  本研究の目的は,知的障害のある特定の観衆に対して,テキストの読解が難しいことの理解を深めることである。 本稿では,心理学における経験的研究に基づく難易度アノテーションの体系について紹介する。 マルチクラス分類のタスクを実行するために,4種類の事前学習型トランスフォーマーモデルを微調整した。
  論文  参考訳（メタデータ） (2025-01-03T13:09:46Z)
• 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)
• Assessing Distractors in Multiple-Choice Tests [10.179963650540056]
  複数項目の読解テストにおいて, 気晴らしの質を測る指標を提案する。 具体的には,不正確さ,妥当性,不適切な選択肢の多様性の観点から,品質を定義します。
  論文  参考訳（メタデータ） (2023-11-08T09:37:09Z)
• ChatPRCS: A Personalized Support System for English Reading Comprehension based on ChatGPT [3.847982502219679]
  本稿では,ChatPRCSと呼ばれる読解支援システムを提案する。 ChatPRCSは、理解能力予測、質問生成、自動評価などの手法を採用している。
  論文  参考訳（メタデータ） (2023-09-22T11:46:44Z)
• Question Generation for Reading Comprehension Assessment by Modeling How and What to Ask [3.470121495099]
  本研究では,推論的質問が重要となる読解のための質問生成(QG)について検討する。 本稿では,従来のデータセットを利用した2段階モデル(HTA-WTA)を提案する。 HTA-WTAモデルでは,深い推論を問うことで,強いSCRSの検証を行う。
  論文  参考訳（メタデータ） (2022-04-06T15:52:24Z)
• Multi Document Reading Comprehension [0.0]
  読み込み(英語: Reading, RC)とは、ある節または一組の節から質問に答えるタスクである。 自然言語処理(NLP)の分野での最近の試行と実験により、機械が通過中のテキストを処理できることが証明された。
  論文  参考訳（メタデータ） (2022-01-05T16:54:48Z)
• Open-Retrieval Conversational Machine Reading [80.13988353794586]
  会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。 既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。 本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
  論文  参考訳（メタデータ） (2021-02-17T08:55:01Z)
• 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)
• Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
  我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。 構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。 我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
  論文  参考訳（メタデータ） (2020-09-12T17:20:01Z)
• Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
  MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。 本研究は,複数回対話を行う対話型MRCに焦点を当てている。 それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
  論文  参考訳（メタデータ） (2020-04-29T07:04:43Z)
• ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
  我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。 評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
  論文  参考訳（メタデータ） (2019-12-29T07:27:23Z)

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。