論文の概要: Directed Graph-alignment Approach for Identification of Gaps in Short Answers

• arxiv url: http://arxiv.org/abs/2504.04473v1
• Date: Sun, 06 Apr 2025 13:04:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:15:02.590003
• Title: Directed Graph-alignment Approach for Identification of Gaps in Short Answers
• Title（参考訳）: 短解答におけるギャップ同定のためのグラフアライメント法
• Authors: Archana Sahu, Plaban Kumar Bhowmick,
• Abstract要約: そこで,本研究では,学生の解答/参照回答と,それに対応するモデル回答/参照回答を比較して,学生の解答におけるギャップとして知られる欠落項目を同定する手法を提案する。 識別されたギャップは、学生に形式的評価のためのフィードバックを提供するのに有用である。
• 参考スコア（独自算出の注目度）: 0.138120109831448
• License:
• Abstract: In this paper, we have presented a method for identifying missing items known as gaps in the student answers by comparing them against the corresponding model answer/reference answers, automatically. The gaps can be identified at word, phrase or sentence level. The identified gaps are useful in providing feedback to the students for formative assessment. The problem of gap identification has been modelled as an alignment of a pair of directed graphs representing a student answer and the corresponding model answer for a given question. To validate the proposed approach, the gap annotated student answers considering answers from three widely known datasets in the short answer grading domain, namely, University of North Texas (UNT), SciEntsBank, and Beetle have been developed and this gap annotated student answers' dataset is available at: https://github.com/sahuarchana7/gaps-answers-dataset. Evaluation metrics used in the traditional machine learning tasks have been adopted to evaluate the task of gap identification. Though performance of the proposed approach varies across the datasets and the types of the answers, overall the performance is observed to be promising.
• Abstract（参考訳）: そこで本研究では,学生の回答におけるギャップとして知られる欠落項目を,対応するモデル回答/参照回答と比較し,自動的に識別する手法を提案する。 ギャップは単語、句、文レベルで識別できる。 識別されたギャップは、学生に形式的評価のためのフィードバックを提供するのに有用である。 ギャップ識別の問題は、学生の回答を表す一対の有向グラフと、与えられた質問に対する対応するモデル回答のアライメントとしてモデル化されている。 提案手法を検証するために,ノーステキサス大学 (UNT), SciEntsBank, Beetle という,短解グレーディング領域で広く知られている3つのデータセット,すなわち,このギャップアノテートされた学生回答のデータセットが開発され, https://github.com/sahuarchana7/gaps-answers-datasetで利用可能である。 従来の機械学習タスクで使用される評価指標を用いて、ギャップ識別のタスクを評価する。 提案手法の性能は,データセットや回答の種類によって異なるが,全体としては有望である。

関連論文リスト

• Discrete Subgraph Sampling for Interpretable Graph based Visual Question Answering [27.193336817953142]
  我々は,個別サブセットサンプリング手法をグラフベースの視覚的質問応答システムに統合する。 本手法は,解釈可能性と解答精度のトレードオフを効果的に緩和することを示す。 また、生成されたサブグラフの解釈可能性を評価するために、人間の評価を行う。
  論文  参考訳（メタデータ） (2024-12-11T10:18:37Z)
• Decoupling the Class Label and the Target Concept in Machine Unlearning [81.69857244976123]
  機械学習の目的は、トレーニングデータの一部を除外した再トレーニングされたモデルを近似するために、トレーニングされたモデルを調整することだ。 過去の研究では、クラスワイド・アンラーニングが対象クラスの知識を忘れることに成功していることが示された。 我々は、TARget-aware Forgetting (TARF) という一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-12T14:53:30Z)
• Investigating the Interplay between Features and Structures in Graph Learning [6.436174170552484]
  過去には、メッセージパッシング手法のノード分類予測の改善と、ホモフィリィに強く関連していると考えられていた。 最近では、グラフが完全にヘテロ親和性であるが性能が高いノード分類タスクを構築することができるため、そのような二分法は単純すぎると研究者らは指摘した。 本研究は,ノード分類タスクの2つの生成過程を定式化することにより,この強い仮定が成立しない場合に何が起こるかを検討する。
  論文  参考訳（メタデータ） (2023-08-18T14:02:56Z)
• Label Matching Semi-Supervised Object Detection [85.99282969977541]
  半教師対象検出は,教師主導型自己学習の開発において大きな進歩を遂げている。 ラベルミスマッチ問題は、以前の研究でまだ完全に解明されていないため、自己学習中に重大な確証バイアスが生じる。 本稿では,2つの異なる相補的視点から,単純かつ効果的な LabelMatch フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-14T05:59:41Z)
• Resolving label uncertainty with implicit posterior models [71.62113762278963]
  本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。 異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
  論文  参考訳（メタデータ） (2022-02-28T18:09:44Z)
• Approximate Knowledge Graph Query Answering: From Ranking to Binary Classification [0.20999222360659608]
  不完全グラフ上の構造化クエリは、不完全解の集合をもたらす。 近似構造化クエリ応答のためのいくつかのアルゴリズムが提案されている。 ランキングに基づく評価を行うことは、複雑な問合せ応答の方法を評価するのに十分ではないと我々は主張する。
  論文  参考訳（メタデータ） (2021-02-22T22:28:08Z)
• Visual Question Answering with Prior Class Semantics [50.845003775809836]
  候補解のセマンティクスに関連する追加情報を利用する方法を示す。 セマンティック空間における回帰目標を用いて解答予測プロセスを拡張する。 提案手法は,様々な質問タイプに対して,一貫性と精度の向上をもたらす。
  論文  参考訳（メタデータ） (2020-05-04T02:46:31Z)
• A Revised Generative Evaluation of Visual Dialogue [80.17353102854405]
  本稿では,VisDialデータセットの改訂評価手法を提案する。 モデルが生成した回答と関連する回答の集合のコンセンサスを測定する。 DenseVisDialとして改訂された評価スキームのこれらのセットとコードをリリースする。
  論文  参考訳（メタデータ） (2020-04-20T13:26:45Z)
• Person Re-identification: Implicitly Defining the Receptive Fields of Deep Learning Classification Frameworks [5.123298347655088]
  本稿では,ネットワークの受容領域の推論を暗黙的に駆動する手法について述べる。 セグメンテーションモジュールを使用して、各学習インスタンスの前景(重要)/バックグラウンド(無関係)を区別します。 この戦略は典型的にネットワークを早期収束と適切な解へと駆り立て、アイデンティティと記述は相関しない。
  論文  参考訳（メタデータ） (2020-01-30T11:45:44Z)

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。