論文の概要: Automating Turkish Educational Quiz Generation Using Large Language Models
- arxiv url: http://arxiv.org/abs/2406.03397v1
- Date: Wed, 5 Jun 2024 15:54:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 17:31:45.584570
- Title: Automating Turkish Educational Quiz Generation Using Large Language Models
- Title(参考訳): 大規模言語モデルを用いたトルコ語教育クイズ生成の自動化
- Authors: Kamyar Zeinalipour, Yusuf Gökberk Keptiğ, Marco Maggini, Marco Gori,
- Abstract要約: 本稿では、トルコ語教育文書の広範なコレクションを含む、トルコ・クイズ・インストラクト(トルコ語版)という専門的なデータセットを紹介する。
本研究は, GPT-4-Turbo, GPT-3.5-Turbo, Llama-2-7b-chat-hf, Llama-2-13b-chat-hfなどの大規模言語モデル(LLM)の機能を活用し,クイズ質問や回答を自動的に生成する。
- 参考スコア(独自算出の注目度): 10.876144855651608
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crafting quizzes from educational content is a pivotal activity that benefits both teachers and students by reinforcing learning and evaluating understanding. In this study, we introduce a novel approach to generate quizzes from Turkish educational texts, marking a pioneering endeavor in educational technology specifically tailored to the Turkish educational context. We present a specialized dataset, named the Turkish-Quiz-Instruct, comprising an extensive collection of Turkish educational texts accompanied by multiple-choice and short-answer quizzes. This research leverages the capabilities of Large Language Models (LLMs), including GPT-4-Turbo, GPT-3.5-Turbo, Llama-2-7b-chat-hf, and Llama-2-13b-chat-hf, to automatically generate quiz questions and answers from the Turkish educational content. Our work delineates the methodology for employing these LLMs in the context of Turkish educational material, thereby opening new avenues for automated Turkish quiz generation. The study not only demonstrates the efficacy of using such models for generating coherent and relevant quiz content but also sets a precedent for future research in the domain of automated educational content creation for languages other than English. The Turkish-Quiz-Instruct dataset is introduced as a valuable resource for researchers and practitioners aiming to explore the boundaries of educational technology and language-specific applications of LLMs in Turkish. By addressing the challenges of quiz generation in a non-English context specifically Turkish, this study contributes significantly to the field of Turkish educational technology, providing insights into the potential of leveraging LLMs for educational purposes across diverse linguistic landscapes.
- Abstract(参考訳): 教育コンテンツからクイズを作ることは、教師と生徒の両方にとって、学習の強化と理解の評価によって利益をもたらす重要な活動である。
本研究では,トルコ語教育テクストからクイズを生成するための新しいアプローチを紹介し,トルコ語教育コンテキストに合わせた教育技術における先駆的な取り組みを示す。
本稿では,トルコ語-クイズ・インストラクション(トルコ語-クイズ・インストラクト)という専門的なデータセットについて紹介する。
本研究は,GPT-4-Turbo,GPT-3.5-Turbo,Llama-2-7b-chat-hf,Llama-2-13b-chat-hfなどの大規模言語モデル(LLM)の機能を活用し,トルコの教育コンテンツからクイズ質問や回答を自動的に生成する。
我々の研究は、トルコの教育資料の文脈でこれらのLCMを活用するための方法論を概説し、トルコのクイズ自動生成のための新たな道を開く。
この研究は、コヒーレントで関連するクイズコンテンツを生成するためにそのようなモデルを使用することの有効性を実証するだけでなく、英語以外の言語の自動学習コンテンツ作成分野における先例となる。
トルコ語-Quiz-Instructデータセットは、トルコ語におけるLLMの教育技術と言語固有の応用の境界を探究する研究者や実践者にとって貴重な資料として紹介されている。
本研究は、トルコ語以外の文脈におけるクイズ生成の課題に対処することにより、トルコ語教育技術の分野に大きく貢献し、多様な言語景観の教育目的にLLMを活用する可能性についての洞察を提供する。
関連論文リスト
- From Arabic Text to Puzzles: LLM-Driven Development of Arabic Educational Crosswords [10.876144855651608]
このプロジェクトはアラビア語に合わせた先進的な教育ツールの不足に対処する。
文化的かつ言語的に関係のあるツールを提供することで、学習をより魅力的かつ効果的にすることを目的としています。
このツールは、教育パラダイムを進化させるだけでなく、対話的および認知的学習技術の新たな標準も設定する。
論文 参考訳(メタデータ) (2025-01-19T12:57:34Z) - Setting Standards in Turkish NLP: TR-MMLU for Large Language Model Evaluation [0.29687381456163997]
トルコ語MMLU(TR-MMLU)ベンチマークは、トルコ語における大規模言語モデル(LLM)の言語的および概念的能力を評価するために設計された。
TR-MMLUは、62のセクションにまたがる6200の多重選択質問からなるデータセットから構築され、67の分野にまたがる280000の質問と、トルコの教育システム内の800以上のトピックからなるプールから選択される。
この結果から,トークン化や微調整戦略の影響などの重要な課題が明らかとなり,モデル設計改善の領域が強調された。
論文 参考訳(メタデータ) (2024-12-31T18:43:49Z) - TurkishMMLU: Measuring Massive Multitask Language Understanding in Turkish [54.51310112013655]
本稿では,最初のマルチタスク,複数選択のトルコQAベンチマーク,トルコMMLUを紹介する。
トルコMMLUには1万以上の質問があり、トルコの高校教育カリキュラムとは9つの異なるテーマをカバーしている。
多言語オープンソース(Gemma、Llama、MT5)、クローズドソース(GPT 4o、Claude、Gemini)、トルコ適応モデル(Trendyolなど)を含む20以上のLLMを評価した。
論文 参考訳(メタデータ) (2024-07-17T08:28:55Z) - A Turkish Educational Crossword Puzzle Generator [10.434753479074814]
本稿では,大規模言語モデル(LLM)の機能を活用したトルコ語クロスワードパズル生成器について紹介する。
これは、AIを活用した教育における注目すべきステップであり、トルコの学習とゲームライクなエンゲージメントを融合させ、トルコにおけるインタラクティブでインテリジェントな学習ツールの新しい標準を設定している。
論文 参考訳(メタデータ) (2024-05-11T15:18:56Z) - Bridging the Bosphorus: Advancing Turkish Large Language Models through Strategies for Low-Resource Language Adaptation and Benchmarking [1.3716808114696444]
大規模言語モデル(LLM)は様々な分野において重要になってきており、表現不足の言語における高品質なモデルの緊急性を強調している。
本研究では、データ不足、モデル選択、評価、計算制限など、低リソース言語が直面する固有の課題について検討する。
論文 参考訳(メタデータ) (2024-05-07T21:58:45Z) - From Multiple-Choice to Extractive QA: A Case Study for English and Arabic [51.13706104333848]
既存の多言語データセットを新しいNLPタスクに再利用する可能性について検討する。
本稿では,英語および現代標準アラビア語に対するアノテーションガイドラインと並列EQAデータセットを提案する。
我々は、残りの120のBELEBELE言語変種に対して、他の人が我々のアプローチを適用するのを助けることを目指しており、その多くがリソース不足と見なされている。
論文 参考訳(メタデータ) (2024-04-26T11:46:05Z) - MLaKE: Multilingual Knowledge Editing Benchmark for Large Language Models [65.10456412127405]
MLaKEは5言語にわたる知識編集手法の適応性のベンチマークである。
MLaKEは、ウィキペディアから言語にまたがるファクトチェーンを集約し、フリーフォームとマルチチョイスの両方で質問を生成する。
MLaKEにおける既存手法の多言語知識編集の一般化能力を評価する。
論文 参考訳(メタデータ) (2024-04-07T15:23:28Z) - Language Models as Science Tutors [79.73256703631492]
本研究では,LMの現実的なユーザビリティを科学的アシスタントとして測定するTutorEvalとTutorChatを紹介する。
既存の対話データセットを用いた微調整ベースモデルがTutorEvalの性能を低下させることを示す。
我々はTutorChatを用いて、7Bパラメータと34Bパラメータを持つLlemmaモデルを微調整する。これらのLMチューターは32Kのコンテキストウィンドウを持ち、GSM8KとMATHに強く依存しながらTutorEvalで優れている。
論文 参考訳(メタデータ) (2024-02-16T22:24:13Z) - Teacher Perception of Automatically Extracted Grammar Concepts for L2
Language Learning [66.79173000135717]
本研究は、カンナダ語とマラティ語という2つのインドの言語教育に適用する。
我々は、形態素構文(単語順、一致、ケースマーキング、または単語形成の学習)と意味論(語彙の学習)に関する疑問に答える自然なテキストコーパスから記述を抽出する。
我々は,北米の学校から言語教育者の助けを借りて手作業による評価を行い,教材が授業の準備や学習者評価に利用できる可能性を見出した。
論文 参考訳(メタデータ) (2023-10-27T18:17:29Z) - Teacher Perception of Automatically Extracted Grammar Concepts for L2
Language Learning [91.49622922938681]
本稿では,文法の異なる側面の記述を自動的に発見・可視化する自動フレームワークを提案する。
具体的には、形態素構文と意味論に関する疑問に答える自然なテキストコーパスから記述を抽出する。
この手法をインド語、カンナダ語、マラタイ語に応用するが、これは英語とは異なり、十分に発達した教育資源を持たない。
論文 参考訳(メタデータ) (2022-06-10T14:52:22Z)
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。