立即发布
研究人员开发了一种人工智能(AI)模型，可以生成在线课程评估问题，教师认为这些问题与人类编写的问题没有区别。
新的人工智能被称为QUADL，它做两件事:识别教学文本中的关键术语和观点，然后围绕这些术语和观点设计问题。
“我们为QUADL提供课件内容和课程的学习目标，然后QUADL可以开发帮助学生实现这些学习目标的问题，”北卡罗莱纳州立大学计算机科学副教授、该工作论文的合著者Noboru Matsuda说。
“人类很擅长开发课程，但在对教师和课件开发人员的采访中，我们发现他们经常很难开发出能够有效评估学生在这些课程的学习目标上的进展的问题，”北卡罗来纳州立大学的博士生、该论文的第一作者町Shimmei说。“我们的研究表明，QUADL可以成为教师和课程开发人员的有用工具。”
为了测试QUADL的性能，研究人员使用了现有的在线课件开放学习计划。研究人员招募了五位在课堂上使用OLI的教师，并要求他们评估一长串问题。一些问题是由QUADL生成的;有些是由当前最先进的人工智能问题生成模型(称为Info-HCVAE)生成的;其中一些问题已经在OLI的课程中使用了。研究参与者没有被告知问题的来源，而是被要求评估每个问题的教学价值。
Shimmei说:“QUADL生成的问题的教学价值分数与教师给人们在OLI中使用的问题的价值分数本质上是相同的。”“由Info-HCVAE生成的问题从教师那里得到的分数较低。”
研究人员现在正计划进行本科课堂研究，要求教师使用QUADL生成的问题，以了解QUADL生成的问题如何影响学生的学习。
松田说:“这项即将到来的工作应该会使这项技术的循环结束。”“假设，QUADL会起作用。现在我们来看看它是否将在实践中工作。”
QUADL是松田和他的合作者正在开发的一套更大的人工智能技术的一部分柔和的。所有的PASTEL技术都是为了促进教育课件的开发而设计的。
Matsuda说:“这些技术处理从生成问题(这是QUADL的职责)到质量保证功能(用于评估课件的每个元素在帮助学生学习方面的效果)的所有事情。”“我们正在寻找研究合作伙伴来帮助我们开发这些生成式人工智能技术，同时也在寻找有兴趣在课程中使用这些人工智能工具的教育工作者。”
报纸，”当教师熟悉学习目标时，机器生成的问题会吸引他们，将在7月3日至7日在日本东京举行的第24届国际人工智能教育会议(AIED 2023)上发表。该论文由卡内基梅隆大学的诺曼·比尔共同撰写。
这项研究是在美国国家科学基金会的支持下完成的，项目资助2016966和1623702。
希普曼-
致编辑:研究摘要如下。
“当教师熟悉学习目标时，机器生成的问题会吸引他们”
作者:北卡罗莱纳州立大学Shimmei町、Matsuda Noboru;诺曼·比尔，卡内基梅隆大学
提出了: 2023年7月3日至7日，日本东京
文摘:回答问题是网络课件中必不可少的学习活动。事实证明，仅仅回答问题就能促进学习。然而，产生教学上有效的问题是具有挑战性的。虽然已经有关于自动问题生成的研究，但到目前为止，主要的研究关注的是这些问题生成技术是否以及如何生成可回答的问题及其预期的有效性。我们提出QUADL，这是一种实用的方法，用于生成与特定学习目标一致的问题。QUADL方法由两部分组成:(1)答案预测模型，该模型识别给定句子中与给定学习目标有指导关系的关键词(如果有的话)，以及(2)问题转换模型，该模型将给定句子转换为问题，预测的关键词将成为答案。我们将QUADL应用于现有的在线课程，并与在职教师进行了评估研究。结果表明，在与学习目标的相关性方面，QUADL生成的问题被评估为与人工生成的问题相当。教师们还表示，他们将同样有可能将quadl生成的问题应用于他们的课程，就像他们将人工生成的问题应用于他们的课程一样。结果进一步表明，quadl生成的问题比最先进的问题生成模型生成的问题更好，该模型生成的问题不考虑学习目标。
- 类别:
