論文の概要: ArSciKids: Arabic Curriculum-Aligned Datasets for Scientific Experiment and Multiple-Choice Question Generation in Primary Education
- arxiv url: http://arxiv.org/abs/2611.01191v1
- Date: Sat, 31 Oct 2026 18:44:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-04 23:36:30.456335
- Title: ArSciKids: Arabic Curriculum-Aligned Datasets for Scientific Experiment and Multiple-Choice Question Generation in Primary Education
- Title（参考訳）: ArSciKids: 科学実験のためのアラビアのカリキュラム対応データセットと初等教育における多項目質問生成
- Abstract要約: ArSciKidsは、カリキュラムに沿った教育コンテンツ生成のために設計された2つのアラビアデータセットのコレクションである。
どちらのデータセットも1-6等級をカバーしており、機械翻訳や合成によって生成された材料ではなく、実際のアラビア教育コンテンツで構成されている。
- 参考スコア（独自算出の注目度）: 0.18472148461613155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite growing interest in Arabic natural language processing, curriculum-aligned educational resources remain scarce compared with English, and few public datasets for Arabic curriculum content with structured, generation-ready annotations are available, particularly for primary-school science. We introduce ArSciKids, a collection of two Arabic datasets designed for curriculum-aligned educational content generation: (1) a scientific-experiments dataset containing 999 manually curated records from official primary-school science textbooks in Saudi Arabia, Syria, and Jordan, and (2) an assessment-question dataset containing 2,167 multiple-choice questions collected from the Saudi Manhaji educational platform. The experiment records are structured with titles, objectives, tools, procedures, observations, conclusions, keywords, and grade levels, while the assessment records contain lesson references, questions, four answer options, correct answers, and explanations. Both datasets cover grades 1-6 and consist of real-life Arabic educational content rather than machine-translated or synthetically generated material. We assess the usefulness of these resources for generation by fine-tuning ten open models spanning sub-billion to several-billion parameter scales using LoRA. Models are evaluated using automatic metrics, including ROUGE and BLEU, and answer accuracy for multiple-choice generation. Moreover, we evaluate the results using a five-criterion human evaluation protocol. The results show substantial differences across model scales and tasks. ArSciKids will be publicly available, and we hope that it provides a manually curated, structured foundation for research on Arabic educational NLP, curriculum-aware generation, and low-resource language modeling.
- Abstract（参考訳）: アラビア語の自然言語処理への関心が高まりつつあるにもかかわらず、カリキュラムに沿った教育資源は英語に比べて乏しいままであり、特に小学校の科学において、構造化された世代対応の注釈を持つアラビア語のカリキュラムコンテンツのための公開データセットは少ない。
1)サウジアラビア、シリア、ヨルダンの公立小学校理科教科書から手作業で収集された999個の記録を含む科学実験データセットと,(2)サウジアラビア・マハージ教育プラットフォームから収集された2,167個の多票質問を含むアセスメントデータセットである。
実験記録はタイトル、目的、ツール、プロシージャ、観察、結論、キーワード、評価レベルで構成され、評価記録には授業参照、質問、4つの回答オプション、正しい答え、説明が含まれている。
どちらのデータセットも1-6等級をカバーしており、機械翻訳や合成によって生成された材料ではなく、実際のアラビア教育コンテンツで構成されている。
LoRAを用いてサブビリオンから数ビリオンのパラメータスケールにまたがる10個のオープンモデルを微調整することで,これらの資源を創出するための有用性を評価する。
モデルはROUGEやBLEUなどの自動測定値を用いて評価され、複数選択生成の解答精度が向上する。
さらに,5基準の人体評価プロトコルを用いて評価を行った。
結果は、モデルスケールとタスク間で大きな違いを示します。
ArSciKidsは公開され、アラビア語教育NLP、カリキュラム対応世代、低リソース言語モデリングの研究のための手作業による構造化された基盤を提供したいと思っています。
関連論文リスト
- Abjad-Kids: An Arabic Speech Classification Dataset for Primary Education [0.0]
本稿では,幼稚園・初等教育用に設計されたアラビア語音声データセットであるAbjad-Kidsについて述べる。
データセットは、3歳から12歳までの子供から収集された4397のオーディオサンプルからなり、141のクラスをカバーしている。
本稿では,CNN-LSTMアーキテクチャに基づく階層型音声分類を提案する。
論文 参考訳（メタデータ） (2026-03-11T08:03:52Z) - An End-to-End Approach for Child Reading Assessment in the Xhosa Language [0.3579433677269426]
本研究は, 南アフリカで話されている言語であるXhosaに着目し, 子どもの音声認識能力を向上させることを目的とした。
本稿では,Xhosaにおける児童音声サンプルからなる新しいデータセットを提案する。
その結果、これらのモデルの性能は、利用可能なトレーニングデータの量とバランスに大きく影響されることが示唆された。
論文 参考訳（メタデータ） (2025-05-23T00:59:58Z) - Question-Answering (QA) Model for a Personalized Learning Assistant for Arabic Language [4.79071544824946]
本稿では,アラビア語用にカスタマイズされたBERTトランスフォーマーを用いたパーソナライズされた学習アシスタントのための質問応答モデルの作成,最適化,評価について述べる。
私たちのアプローチでは、理科教育の分野における質問に対する正しい回答を自動的に生成するためにBERTの素晴らしい能力を使用します。
このモデルは、パレスチナのカリキュラムで11年生と12年生の生物学の本を用いて微調整することで、関連する情報を理解し、抽出する能力を向上させる。
論文 参考訳（メタデータ） (2024-06-11T20:23:31Z) - FairytaleQA Translated: Enabling Educational Question and Answer Generation in Less-Resourced Languages [0.0]
本稿では,幼児の物語理解能力の評価と向上を目的とした,有名なQAデータセットであるFairytaleQAの機械翻訳版を紹介する。
我々は、翻訳データセット内の質問生成(QG)タスクとQAタスクのベンチマークを確立するために、微調整された、控えめなスケールのモデルを採用している。
本稿では,質問応答対の生成モデルを提案し,質問適合性,回答可能性,妥当性,子どもの適合性などの品質指標を取り入れた評価を行った。
論文 参考訳（メタデータ） (2024-06-06T16:31:47Z) - A Novel Cartography-Based Curriculum Learning Method Applied on RoNLI: The First Romanian Natural Language Inference Corpus [71.77214818319054]
自然言語推論は自然言語理解のプロキシである。
ルーマニア語のNLIコーパスは公開されていない。
58Kの訓練文対からなるルーマニア初のNLIコーパス(RoNLI)を紹介する。
論文 参考訳（メタデータ） (2024-05-20T08:41:15Z) - ArabicMMLU: Assessing Massive Multitask Language Understanding in Arabic [51.922112625469836]
アラビア語における最初のマルチタスク言語理解ベンチマークである、データセット名を提案する。
我々のデータは、現代標準アラビア語(MSA)における40のタスクと14,575のマルチチョイス質問で構成されており、地域の母語話者と協調して慎重に構築されている。
35モデルについて評価した結果,特にオープンソースモデルにおいて,改善の余地がかなり高いことが判明した。
論文 参考訳（メタデータ） (2024-02-20T09:07:41Z) - Dolma: an Open Corpus of Three Trillion Tokens for Language Model Pretraining Research [139.69207791947738]
ドルマ (Dolma) は、ウェブコンテンツ、科学論文、コード、パブリックドメインの書籍、ソーシャルメディア、百科事典の素材を多用した3トリルの英語コーパスである。
我々はDolmaの設計原則、その構築の詳細、内容の要約を含む、Dolmaを文書化します。
我々は、重要なデータキュレーションの実践について学んだことを共有するために、Dolmaの中間状態の分析と実験結果を示す。
論文 参考訳（メタデータ） (2024-01-31T20:29:50Z) - Cross-Lingual NER for Financial Transaction Data in Low-Resource
Languages [70.25418443146435]
半構造化テキストデータにおける言語間名前認識のための効率的なモデリングフレームワークを提案する。
我々は2つの独立したSMSデータセットを英語とアラビア語で使用し、それぞれが半構造化された銀行取引情報を持っている。
わずか30のラベル付きサンプルにアクセスすることで、我々のモデルは、英語からアラビア語までの商人、金額、その他の分野の認識を一般化することができる。
論文 参考訳（メタデータ） (2023-07-16T00:45:42Z) - Fantastic Questions and Where to Find Them: FairytaleQA -- An Authentic
Dataset for Narrative Comprehension [136.82507046638784]
幼稚園児の物語理解に焦点を当てたデータセットであるFairytaleQAを8年生に紹介する。
FairytaleQAは10,580の明示的で暗黙的な質問で構成されており、278の子供フレンドリーな物語から導かれる。
論文 参考訳（メタデータ） (2022-03-26T00:20:05Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z)
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。