Fugu-MT 論文翻訳(概要): Use neural networks to recognize students' handwritten letters and incorrect symbols

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

Evaluating GPT-4 at Grading Handwritten Solutions in Math Exams [48.99818550820575]
我々は、最先端のマルチモーダルAIモデル、特にGPT-4oを利用して、大学レベルの数学試験に対する手書きの応答を自動的に評価する。確率論試験における質問に対する実際の学生の反応を用いて, GPT-4oのスコアと, 様々なプロンプト技術を用いて, 人間の学級のスコアとの整合性を評価する。
論文参考訳（メタデータ） (2024-11-07T22:51:47Z)
Differentiating Choices via Commonality for Multiple-Choice Question Answering [54.04315943420376]
複数選択の質問応答は、正しい答えを選択するための貴重な手がかりを提供することができる。既存のモデルでは、それぞれの選択を別々にランク付けし、他の選択によって提供されるコンテキストを見渡すことが多い。本稿では,DCQAと呼ばれる共通性を識別・排除することで,選択を識別する新しいモデルを提案する。
論文参考訳（メタデータ） (2024-08-21T12:05:21Z)
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)
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)
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。