論文の概要: Leveraging In-Context Learning and Retrieval-Augmented Generation for Automatic Question Generation in Educational Domains

• arxiv url: http://arxiv.org/abs/2501.17397v1
• Date: Wed, 29 Jan 2025 03:25:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:54:10.598133
• Title: Leveraging In-Context Learning and Retrieval-Augmented Generation for Automatic Question Generation in Educational Domains
• Title（参考訳）: 学習領域の自動質問生成のための文脈内学習と検索型生成の活用
• Authors: Subhankar Maity, Aniket Deroy, Sudeshna Sarkar,
• Abstract要約: 本研究は,教育現場における質問の自動生成技術に焦点をあてる。 少数例を用いたICL用GPT-4とRAG用検索モジュールを用いたBARTを実装した。 ハイブリッドモデルはRAGとICLを組み合わせてこれらの問題に対処し、質問品質を改善する。
• 参考スコア（独自算出の注目度）: 0.4857223913212445
• License:
• Abstract: Question generation in education is a time-consuming and cognitively demanding task, as it requires creating questions that are both contextually relevant and pedagogically sound. Current automated question generation methods often generate questions that are out of context. In this work, we explore advanced techniques for automated question generation in educational contexts, focusing on In-Context Learning (ICL), Retrieval-Augmented Generation (RAG), and a novel Hybrid Model that merges both methods. We implement GPT-4 for ICL using few-shot examples and BART with a retrieval module for RAG. The Hybrid Model combines RAG and ICL to address these issues and improve question quality. Evaluation is conducted using automated metrics, followed by human evaluation metrics. Our results show that both the ICL approach and the Hybrid Model consistently outperform other methods, including baseline models, by generating more contextually accurate and relevant questions.
• Abstract（参考訳）: 教育における質問生成は時間をかけて認知的に要求されるタスクであり、文脈的に関連性があり、教育的に健全な質問を作成する必要がある。 現在の自動質問生成手法は文脈外な質問を生成することが多い。 本研究では,インコンテキスト学習(ICL, Retrieval-Augmented Generation, RAG)と,両手法を融合した新しいハイブリッドモデルを提案する。 少数例を用いたICL用GPT-4とRAG用検索モジュールを用いたBARTを実装した。 ハイブリッドモデルはRAGとICLを組み合わせてこれらの問題に対処し、質問品質を改善する。 評価は自動メトリクスを使用して行われ、続いて人間の評価指標が続く。 この結果から,ICLアプローチとハイブリッドモデルの両方が,文脈的に正確で関連性の高い質問を生成することによって,ベースラインモデルを含む他の手法よりも一貫して優れていることがわかった。

関連論文リスト

• AGENT-CQ: Automatic Generation and Evaluation of Clarifying Questions for Conversational Search with LLMs [53.6200736559742]
  エージェント-CQは、世代ステージと評価ステージの2つのステージから構成される。 CrowdLLMは、人間のクラウドソーシング判断をシミュレートして、生成された質問や回答を評価する。 ClariQデータセットの実験では、質問と回答の品質を評価するCrowdLLMの有効性が示されている。
  論文  参考訳（メタデータ） (2024-10-25T17:06:27Z)
• ScopeQA: A Framework for Generating Out-of-Scope Questions for RAG [52.33835101586687]
  会話AIエージェントはRetrieval Augmented Generation(RAG)を使用して、ユーザからの問い合わせに対して検証可能なドキュメント地上応答を提供する。 本稿では,多様な境界線外質問を効率よく生成する,ガイド付き幻覚に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-10-18T16:11:29Z)
• Exploring Hint Generation Approaches in Open-Domain Question Answering [16.434748534272014]
  HINTQAと呼ばれる新しいコンテキスト準備手法を導入する。 従来の方法とは異なり、HINTQA は LLM に対して質問に対する潜在的な答えのヒントを作成するよう促している。 提案手法は,検索した文脈や生成した文脈よりも解答の精度を高めるものである。
  論文  参考訳（メタデータ） (2024-09-24T13:50:32Z)
• Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
  大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。 我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
  論文  参考訳（メタデータ） (2024-05-31T20:15:10Z)
• Learning to Filter Context for Retrieval-Augmented Generation [75.18946584853316]
  生成モデルは、部分的にまたは完全に無関係な経路が与えられた出力を生成するために要求される。 FILCOは、語彙と情報理論のアプローチに基づいて有用なコンテキストを特定する。 テスト時に検索したコンテキストをフィルタリングできるコンテキストフィルタリングモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-11-14T18:41:54Z)
• Automating question generation from educational text [1.9325905076281444]
  質問ベースの活動(QBA)の使用は、教育において広く普及しており、学習と評価プロセスの不可欠な部分を形成している。 学校における形式的・要約的評価のための自動質問生成ツールの設計と評価を行う。
  論文  参考訳（メタデータ） (2023-09-26T15:18:44Z)
• An Empirical Comparison of LM-based Question and Answer Generation Methods [79.31199020420827]
  質問と回答の生成(QAG)は、コンテキストが与えられた質問と回答のペアのセットを生成することで構成される。 本稿では,シーケンス・ツー・シーケンス言語モデル(LM)を微調整する3つの異なるQAG手法を用いて,ベースラインを確立する。 実験により、学習時間と推論時間の両方で計算的に軽量なエンドツーエンドQAGモデルが一般に堅牢であり、他のより複雑なアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-26T14:59:53Z)
• Automatic Short Math Answer Grading via In-context Meta-learning [2.0263791972068628]
  本研究では,数学質問に対する児童生徒の回答に対する自動短解格付けの問題について検討する。 我々は、数学的な内容に適応した人気のある言語モデルBERTの変種である MathBERT をベースモデルとして使用しています。 第二に、言語モデルへの入力としてスコアリングサンプルを提供する、コンテキスト内学習アプローチを用いる。
  論文  参考訳（メタデータ） (2022-05-30T16:26:02Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)
• Semantic-based Self-Critical Training For Question Generation [0.0]
  ニューラル質問生成のための完全変換器を用いた強化学習ジェネレータアーキテクチャを提案する。 我々は、ジェネレータ評価アーキテクチャにおける意味に基づく自己クリティカルなトレーニングレイアウトを考案した。
  論文  参考訳（メタデータ） (2021-08-26T20:33:35Z)

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。