Fugu-MT 論文翻訳(概要): E-QGen: Educational Lecture Abstract-based Question Generation System

論文の概要: E-QGen: Educational Lecture Abstract-based Question Generation System

arxiv url: http://arxiv.org/abs/2404.13547v1
Date: Sun, 21 Apr 2024 06:03:43 GMT
ステータス: 処理完了
システム内更新日: 2024-04-23 18:31:12.406929
Title: E-QGen: Educational Lecture Abstract-based Question Generation System
Title（参考訳）: E-QGen:教育講義要約型質問生成システム
Authors: Mao-Siang Chen, An-Zi Yen,
Abstract要約: 講義の要約として、E-QGenは潜在的な学生の質問を生成する。本システムにより提案される質問は,教師が事前に回答を準備する上で促進するだけでなく,必要に応じて追加のリソースを供給できることが期待されている。
参考スコア（独自算出の注目度）: 3.704688279256839
License: http://creativecommons.org/licenses/by/4.0/
Abstract: To optimize the preparation process for educators in academic lectures and associated question-and-answer sessions, this paper presents E-QGen, a lecture abstract-based question generation system. Given a lecture abstract, E-QGen generates potential student inquiries. The questions suggested by our system are expected to not only facilitate teachers in preparing answers in advance but also enable them to supply additional resources when necessary.
Abstract（参考訳）: 学術講義と関連する質問・回答セッションにおける教育者の準備過程を最適化するために,講義抽象的な質問生成システムであるE-QGenを提案する。講義の要約として、E-QGenは潜在的な学生の質問を生成する。本システムにより提案される質問は,教師が事前に回答を準備する上で促進するだけでなく,必要に応じて追加のリソースを供給できることが期待されている。

関連論文リスト

A Novel Approach to Scalable and Automatic Topic-Controlled Question Generation in Education [6.9238760403459425]
本稿では,質問の話題的焦点を制御する教育用質問生成手法について紹介する。 The proposed Topic-Controlled Question Generation (T-CQG) method has further thelevance and effect of the generated content for Education purposes。厳密なオフラインおよび人間支援による評価の結果,提案モデルが高品質な話題中心の質問を効果的に生成できることが実証された。
論文参考訳（メタデータ） (2025-01-09T13:13:24Z)
Retrieval-augmented Generation to Improve Math Question-Answering: Trade-offs Between Groundedness and Human Preference [0.0]
我々は、高品質なオープンソースの数学教科書からコンテンツを検索して利用し、実際の学生の質問に対する応答を生成するプロンプトを設計する。マルチ条件サーベイを実施し,中学代数学と幾何学QAのためのRAGシステムの有効性を評価した。我々は、RAGは応答品質を向上させることができるが、数学のQAシステムの設計者は、学生が好む応答と、特定の教育資源に密接に適合する応答とのトレードオフを検討する必要があると論じる。
論文参考訳（メタデータ） (2023-10-04T22:09:28Z)
PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
論文参考訳（メタデータ） (2023-07-10T11:05:51Z)
Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文参考訳（メタデータ） (2023-07-05T06:03:40Z)
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)
PIE-QG: Paraphrased Information Extraction for Unsupervised Question Generation from Small Corpora [4.721845865189576]
PIE-QGは、オープン情報抽出(OpenIE)を使用して、パラフレーズ付き通路から合成トレーニング質問を生成する。主語,述語,対象>の3つを各節から抽出し,主語(または対象)と述語で質問し,対象(または対象)を回答とする。
論文参考訳（メタデータ） (2023-01-03T12:20:51Z)
Rethinking Label Smoothing on Multi-hop Question Answering [87.68071401870283]
MHQA (Multi-Hop Question Answering) は質問応答において重要な分野である。本研究では,マルチホップ推論の性能を制限する主要な要因を解析する。学習プロセスに不確実性を組み込んだ新しいラベル平滑化手法F1 Smoothingを提案する。
論文参考訳（メタデータ） (2022-12-19T14:48:08Z)
Pre-Training With Scientific Text Improves Educational Question Generation [17.701780209575777]
EduQGは,大規模言語モデルに適応して構築された,新しい教育用質問生成モデルである。最初の実験では、EduQGは科学テキストを事前学習することで優れた教育的質問を作成できることを示した。
論文参考訳（メタデータ） (2022-12-07T17:17:58Z)
Retrieval Augmented Visual Question Answering with Outside Knowledge [14.371342370460685]
Outside-Knowledge Visual Question Answering (OK-VQA)は、画像に関する質問に答えるために外部知識の検索を必要とする難しいVQAタスクである。最近のOK-VQAシステムでは、Dense Passage Retrieval (DPR) を使用して、ウィキペディアのような外部知識ベースから文書を検索するが、回答生成とは別々に訓練されている。本稿では,対話型DPRと解答生成を統合した共同学習手法を提案する。
論文参考訳（メタデータ） (2022-10-07T20:35:58Z)
Quiz Design Task: Helping Teachers Create Quizzes with Automated Question Generation [87.34509878569916]
本稿では,教師が読解クイズを自動生成するためのユースケースに焦点を当てた。本研究は,クイズを構築中の教師が質問を受講し,それに応じるか,あるいは拒否するかのどちらかを理由として行う。
論文参考訳（メタデータ） (2022-05-03T18:59:03Z)
Educational Question Generation of Children Storybooks via Question Type Distribution Learning and Event-Centric Summarization [67.1483219601714]
本稿では,まず,入力記事段落の質問型分布を学習する新しい質問生成手法を提案する。学習用問合せペアで構成された銀のサンプルを用いて,事前学習したトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを構築する。本研究は,質問型分布学習とイベント中心の要約生成の分離の必要性を示唆するものである。
論文参考訳（メタデータ） (2022-03-27T02:21:19Z)

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。