Jan, 2015

数学语言处理：开放式数学问题的自动分级与反馈

HTML
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。
发现论文，激发创造
  • Ape210K：一个大规模且模板丰富的数学应用题数据集

    本文提供了一个规模和多样性较大的数学问题数据集，通过使用seq2seq模型并结合常识知识取得了不错的结果，在数学问题求解上具有不可替代的作用。

    Sep, 2020

  • 用于评估和发展英语数学问题解决器的多样化语料

    本文介绍了ASDiv(中央研究院多样化的MWP数据集)，它是一个多样化的英语数学文字问题(MWP)语料库，含有2305个问题，覆盖了更多的文本模式和大多数初中学校教授的问题类型。作者建议使用ASDiv作为解决MWP问题的基准语料库，具有更高的多样性，能更准确地反映解决MWP问题的能力。

    Jun, 2021

  • 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

  • 课堂话语中漏斗问题和聚焦问题的计算识别

    本文介绍了响应式教学中的漏斗和聚焦问题，提出了使用RoBERTa模型对教师言语中的漏斗和聚焦问题进行自动检测，并使用训练集fine-tune RoBERTa模型。结果表明，该模型可以作为自动化教师反馈工具的有力支持。

    Jul, 2022

  • 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

  • Mathify: 在数学问题求解任务上评估大型语言模型

    自然语言处理和大型语言模型在教育和指导方法领域取得了快速进展，特别在解决数学问题的应用方面，其中MAmmoTH-13B表现出了最高的能力水平，成为解决NCERT数学问题的可靠基准。

    Apr, 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

  • 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

  • STEM领域多模态答卷的自动评估

    本研究针对STEM领域评估过程中的自动化评分挑战，提出了一种创新的评估方法，通过人工智能技术实现对文本答案和图表的高效评估。研究显示，该方法能有效提高评分的准确性，减少人工干预，从而在教育中变革STEM领域评分实践。

    Sep, 2024

  • 在形成性数学评估中学习爱护边缘案例：利用AMMORE数据集和思维链提示来提高评分准确性

    本研究解决了在形成性数学评估中对于复杂学生答案评分准确性的不足，提出了使用AMMORE数据集和思维链提示的新方法。通过实验发现，思维链提示在评分边缘案例中表现最佳，准确率提升至92%，同时有效减少了学生能力误判的比例，显示出大型语言模型在数学教育评估中的重要潜力。

    Sep, 2024