How Teachers Can Use Large Language Models and Bloom’s Taxonomy to Create Educational Quizzes

要約

質問生成 (QG) は、教育分野で多くの潜在的な利点と使用例を備えた自然言語処理タスクです。
この可能性を実現するには、教育上のニーズを念頭に置いて QG システムを設計し、検証する必要があります。
しかし、実際の教師や生徒からの意見をもとに QG アプローチを評価または設計した研究はほとんどありません。
この論文では、ブルームの分類法から導き出された学習目標に基づいて質問が生成される、大規模言語モデルベースの QG アプローチを適用します。
自動生成された質問は、教師が実際に質問をどのように使用するかを評価するために設計された複数の実験で使用されます。
この結果は、教師が自動的に生成された質問を使用してクイズを作成することを好み、そのようなクイズは手書きバージョンと比較して品質が低下しないことを示しています。
さらに、いくつかの指標は、自動生成された質問が作成されたクイズの品質をさらに向上させる可能性があることを示しており、教室環境での QG の大規模な使用が期待できることを示しています。

要約(オリジナル)

Question generation (QG) is a natural language processing task with an abundance of potential benefits and use cases in the educational domain. In order for this potential to be realized, QG systems must be designed and validated with pedagogical needs in mind. However, little research has assessed or designed QG approaches with the input from real teachers or students. This paper applies a large language model-based QG approach where questions are generated with learning goals derived from Bloom’s taxonomy. The automatically generated questions are used in multiple experiments designed to assess how teachers use them in practice. The results demonstrate that teachers prefer to write quizzes with automatically generated questions, and that such quizzes have no loss in quality compared to handwritten versions. Further, several metrics indicate that automatically generated questions can even improve the quality of the quizzes created, showing the promise for large scale use of QG in the classroom setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google