要約
特にパンデミックによるオンライン学習への移行により、大学生の間での学業不正事件の増加が懸念を引き起こしている。
私たちは、各生徒に合わせた質問を生成できる方法を開発し、実装することを目指しています。
解決策としては、自動質問生成 (AQG) の使用が考えられます。
これまでの研究では、妥当性、ユーザー定義の難易度、個別化された問題生成など、教育における AQG フレームワークが調査されてきました。
私たちの新しい AQG アプローチは、コンピューター サイエンスの 1 年生向けのコア コースである離散数学の論理同値問題を生成します。
このアプローチでは、トップダウン解析と構文ツリー変換を通じて構文文法と意味属性システムを利用します。
私たちの実験によると、AQG アプローチによって生成された問題の難易度は、教科書で生徒に提示される問題と同様です [1]。
これらの結果は、教育における自動質問生成に対する当社の AQG アプローチの実用性を裏付けており、学習体験を大幅に向上させる可能性があります。
要約(オリジナル)
The increase in academic dishonesty cases among college students has raised concern, particularly due to the shift towards online learning caused by the pandemic. We aim to develop and implement a method capable of generating tailored questions for each student. The use of Automatic Question Generation (AQG) is a possible solution. Previous studies have investigated AQG frameworks in education, which include validity, user-defined difficulty, and personalized problem generation. Our new AQG approach produces logical equivalence problems for Discrete Mathematics, which is a core course for year-one computer science students. This approach utilizes a syntactic grammar and a semantic attribute system through top-down parsing and syntax tree transformations. Our experiments show that the difficulty level of questions generated by our AQG approach is similar to the questions presented to students in the textbook [1]. These results confirm the practicality of our AQG approach for automated question generation in education, with the potential to significantly enhance learning experiences.
arxiv情報
| 著者 | Yicheng Yang,Xinyu Wang,Haoming Yu,Zhiyuan Li |
| 発行日 | 2024-05-09 02:44:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google