論文の概要: Use neural networks to recognize students' handwritten letters and
incorrect symbols
- arxiv url: http://arxiv.org/abs/2309.06221v1
- Date: Tue, 12 Sep 2023 13:41:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-13 12:51:14.187119
- Title: Use neural networks to recognize students' handwritten letters and
incorrect symbols
- Title(参考訳): ニューラルネットワークを使って、学生の手書き文字と間違った記号を認識する
- Authors: JiaJun Zhu, Zichuan Yang, Binjie Hong, Jiacheng Song, Jiwei Wang,
Tianhao Chen, Shuilan Yang, Zixun Lan, Fei Ma
- Abstract要約: 本稿では,5つの分類が設定された。
このアプローチは、非標準の書き込みオプションの可能性を考慮している。
- 参考スコア(独自算出の注目度): 3.6709499557716017
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Correcting students' multiple-choice answers is a repetitive and mechanical
task that can be considered an image multi-classification task. Assuming
possible options are 'abcd' and the correct option is one of the four, some
students may write incorrect symbols or options that do not exist. In this
paper, five classifications were set up - four for possible correct options and
one for other incorrect writing. This approach takes into account the
possibility of non-standard writing options.
- Abstract(参考訳): 学生の多重選択回答の修正は、イメージ多分類タスクと考えられる反復的かつ機械的なタスクである。
可能なオプションが'abcd'であり、正しいオプションが4つのうちの1つであると仮定すると、一部の学生は、存在しない間違ったシンボルやオプションを書くことができる。
本稿では,5つの分類を定式化した。4つは正しい選択肢,もう1つは不正確な書き方である。
このアプローチは、非標準の書き込みオプションの可能性を考慮している。
関連論文リスト
- Automated Generation of Multiple-Choice Cloze Questions for Assessing
English Vocabulary Using GPT-turbo 3.5 [5.525336037820985]
大規模言語モデル(LLM)を用いた複数質問の自動生成手法の評価を行った。
VocaTTエンジンはPythonで記述されており、ターゲット単語リストの事前処理、文と候補単語オプションの生成、最後に適切な単語オプションの選択という3つの基本的なステップで構成されている。
その結果、文が75%、単語が66.85%であることがわかった。
論文 参考訳(メタデータ) (2024-03-04T14:24:47Z) - 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) - Answer Candidate Type Selection: Text-to-Text Language Model for Closed
Book Question Answering Meets Knowledge Graphs [62.20354845651949]
本稿では,この問題を解決するために,事前学習されたテキスト間QAシステム上で機能する新しいアプローチを提案する。
提案手法は,Wikidataの"instance_of"プロパティの型に基づいて,生成した候補のフィルタリングと再ランク付けを行う。
論文 参考訳(メタデータ) (2023-10-10T20:49:43Z) - Relieving Triplet Ambiguity: Consensus Network for Language-Guided Image
Retrieval [48.914550252133125]
本稿では,三重項曖昧さの負の効果を最小限に抑えるために,雑音三重項から自己適応的に学習するコンセンサスネットワーク(Css-Net)を提案する。
Css-Net は三重項の曖昧さを軽減し、$2.77%$ R@10 や$6.67%$ R@50 といったベンチマークでの競争性能を達成できる。
論文 参考訳(メタデータ) (2023-06-03T11:50:44Z) - AGReE: A system for generating Automated Grammar Reading Exercises [5.859294565508524]
本稿では,ユーザが提出したパスを入力として取り出し,文法演習を自動生成するAGReEシステムについて述べる。
多様な文法構造に対して、複数選択の練習項目を生成する。
論文 参考訳(メタデータ) (2022-10-28T17:58:04Z) - AiM: Taking Answers in Mind to Correct Chinese Cloze Tests in
Educational Applications [26.610045625897275]
本稿では,手書き代入を自動的に修正するマルチモーダル手法を提案する。
答えの符号化された表現は、学生の筆跡の視覚情報と相互作用する。
実験の結果,AiMはOCR法よりも高い性能を示した。
論文 参考訳(メタデータ) (2022-08-26T08:56:32Z) - A Structured Span Selector [100.0808682810258]
本稿では,新しい文法に基づく構造化スパン選択モデルを提案する。
我々は、コア参照解決とセマンティックロールラベリングという2つの一般的なスパン予測タスクでモデルを評価した。
論文 参考訳(メタデータ) (2022-05-08T23:58:40Z) - Few-shot Learning for Unsupervised Feature Selection [59.75321498170363]
教師なし特徴選択のための数ショット学習法を提案する。
提案手法では,未ラベルのターゲットインスタンスがいくつかある場合,対象タスクで関連する特徴のサブセットを選択することができる。
提案手法が既存の特徴選択法より優れていることを示す。
論文 参考訳(メタデータ) (2021-07-02T03:52:51Z) - Generating Correct Answers for Progressive Matrices Intelligence Tests [88.78821060331582]
Ravenのプログレッシブマトリクス(Progressive Matrices)は、複数選択のインテリジェンステストである。
このテストに対処する以前の試みは、複数の選択肢の中から正しい回答を選択することに集中していました。
この作業では、代わりに、定義によって難しいタスクである選択を見ることなく、グリッドに与えられた正しい回答を生成することに焦点を合わせます。
論文 参考訳(メタデータ) (2020-11-01T13:21:07Z) - A Cross-Task Analysis of Text Span Representations [52.28565379517174]
最適なスパン表現はタスクによって異なり、個々のタスクの異なる側面でも異なることが分かる。
また、スパン表現の選択は、微調整エンコーダよりも、固定された事前訓練エンコーダによる影響が大きいことも判明した。
論文 参考訳(メタデータ) (2020-06-06T13:37:51Z)
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。