Using Large Multimodal Models to Extract Knowledge Components for Knowledge Tracing from Multimedia Question Information

要約

知識追跡モデルにより、さまざまなインテリジェント個別指導システムが生徒にフィードバックを提供できるようになりました。
しかし、学習科学における知識追跡の既存の方法は、主に統計データとインストラクターが定義した知識コンポーネントに依存しているため、AI によって生成された教育コンテンツを従来の確立された方法と統合することが困難になっています。
我々は、命令調整された大規模マルチモーダルモデルを使用して、教育コンテンツから知識コンポーネントを自動的に抽出する方法を提案します。
私たちは、5 つのドメインのナレッジ トレース ベンチマークに対して包括的に評価することで、このアプローチを検証します。
私たちの結果は、自動的に抽出された知識コンポーネントが人間がタグ付けしたラベルを効果的に置き換えることができ、データが限られたシナリオでインテリジェントな個別指導システムを強化し、教育現場でより説明可能な評価を実現し、自動評価の基礎を築くための有望な方向性を提供できることを示しています。

要約(オリジナル)

Knowledge tracing models have enabled a range of intelligent tutoring systems to provide feedback to students. However, existing methods for knowledge tracing in learning sciences are predominantly reliant on statistical data and instructor-defined knowledge components, making it challenging to integrate AI-generated educational content with traditional established methods. We propose a method for automatically extracting knowledge components from educational content using instruction-tuned large multimodal models. We validate this approach by comprehensively evaluating it against knowledge tracing benchmarks in five domains. Our results indicate that the automatically extracted knowledge components can effectively replace human-tagged labels, offering a promising direction for enhancing intelligent tutoring systems in limited-data scenarios, achieving more explainable assessments in educational settings, and laying the groundwork for automated assessment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google