Jan, 2015

数学语言处理：开放式数学问题的自动分级与反馈

PDF
TL;DR本文提出了一种基于 “数理语言处理” 的数据驱动框架来自动评分开放性数学问题实现的方案，采用不同聚类方法组成的三层模型对多步解决方案进行追踪和错误定位，并在真实的慕课数据上进行了测试和验证，说明它可以极大地减少大规模教育平台上所需的人力投入。
mathematical language processingautomated gradingstem courseseducational platformscluster analysis
发现论文，激发创造
  • 基于上下文元学习的自动短数学答案评分

    本文研究了自动短答案评分问题，提出了一种新的基于 MathBERT 及上下文学习方法的框架，并在真实数据集上进行了评估，证明该框架对于之前未见过的数学问题的表现优于现有方法。

    May, 2022

  • 数学语言处理项目

    本研究旨在支持科学家们在研究数学公式中理解标识符的含义，通过对两种方法进行对比，我们发现使用基于词性标注的距离以及句子位置来计算标识符 - 定义概率的 Mathematical Language Processing 方法可以大大提高用户体验，工具提示提供了显示定义的悬停显示，显示出来的定义与实际标识符的含义大致匹配。

    Jul, 2014

  • 利用自然语言处理进行数学归纳证明的自动评分

    数学证明教育的关键词包括准时反馈、自然语言处理、自动分级自由形式数学证明、用户研究。

    Jun, 2024

  • AlphaMath 几乎接近零：无过程的过程监督

    利用 Monte Carlo Tree Search (MCTS) 框架和大型语言模型 (LLMs) 自动生成解决步骤和评估信号，训练一个逐步价值模型以提高 LLM 在数学领域中的推理过程。实验证明，采用 LLMs 结合 MCTS 自动生成的解决方案显著提高了模型处理复杂数学推理任务的能力。

    May, 2024

  • 运用大型语言模型进行代数错误分类

    本研究通过使用预训练的大型语言模型，提出了一种灵活的错误分类方法，可以对更多的学生回答的数学问题进行分类，并分析了该方法的常见分类错误和自动错误分类的局限性。

    May, 2023

  • 通过强化学习提高自动生成反馈的有效性

    基于大语言模型的自动生成反馈在智能辅导系统和在线学习平台中具有潜力来提高许多学生的学习效果，本文针对自动生成和评估反馈的问题，提出了数学反馈评估标准和反馈生成框架，通过强化学习优化反馈的正确性和一致性，并通过案例研究定性分析了生成和评估系统。

    Mar, 2024

  • 数学多项选择题生成：人类 - 大型语言模型协同

    本文介绍了一个原型工具，旨在促进语言模型与教育工作者的合作，以简化数学多项选择题生成过程。我们进行了一项试点研究，涉及数学教育工作者，以调查该工具如何帮助他们简化高质量的数学多项选择题的制作过程。研究发现，虽然语言模型能够生成良好形式的问题提示，但其生成的干扰项无法涵盖常见的学生错误和误解。尽管如此，人工智能与人类的合作有潜力提高多项选择题生成的效率和有效性。

    May, 2024

  • 如人类评分：用大型语言模型重新思考自动评估

    我们提出了一个基于大型语言模型的评分系统，包括开发评分标准，提供准确一致的得分和定制化反馈，以及进行后评估，并在新的数据集上进行了广泛实验，验证了我们的方法的有效性。

    May, 2024

  • 大型语言模型能否复制开放式数学问题上的 ITS 反馈？

    智能辅导系统中的自动反馈组件通常采用基于模板的方法，但在开放式数学问题中存在大量不同的错误类型。本研究使用大型语言模型来生成开放式数学问题的反馈，发现尽管能够学习反馈的格式，但无法完全理解学生的数学错误。

    May, 2024

  • 一个大型语言模型辅助的教育工具：针对开放性回答提供反馈

    使用大型语言模型的工具可以自动回复开放性问题，提供快速个性化反馈，提高学生学习效果和教学方法。

    Jul, 2023