Jun, 2024

利用 NLP 技术自动生成阿拉伯语科学测试的问题

PDF
TL;DR这项研究提出了一个创新的阿拉伯语问题生成系统，通过关键词和关键短语提取、问题生成和后续排名的三个阶段来解决自动生成阿拉伯语评估问题所面临的困难。提出的方法和结果表明精确度为 83.50%，召回率为 78.68%，F1 得分为 80.95%，显示出该框架的高效性。人工评估进一步证实了模型的效率，获得了 84% 的平均评分。
question generationeducation assessmentsartificial intelligencearabic languageautomatic generation
发现论文，激发创造
  • 基于机器学习方法的句子结构分析自动生成问题

    本文介绍了我们使用传统语言学方法和多种机器学习技术生成英语非结构化文本问句的框架，并且加入了问题评估模块，最终证明我们的生成问题质量优于其他最好的系统，并且与人类创建的问题相当。

    May, 2022

  • 多项选择题生成：面向自动化评估框架的发展

    本文提出一种多选题智能生成系统，利用预训练的语言模型，根据规定的性能指标，通过读取理解语料库来生成语法准确，具有可回答性、多样性和复杂性的问题及选项。

    Sep, 2022

  • 一个针对阿拉伯语个性化学习助手的问答模型

    本文描述了一种为个性化学习助手创建、优化和评估的问答模型，该模型使用针对阿拉伯语的 BERT transformer 进行了定制。该模型通过在巴勒斯坦课程中的科学教科书中进行优化，能够自动产生正确的科学教育问题的答案，并通过 BERT 技术的精确匹配和 F1 得分评估了模型的性能。结果显示，该模型能够理解并回答与巴勒斯坦科学教材相关的问题，展示了 BERT 问答模型在支持阿拉伯语学生的学习和理解方面的潜力。

    Jun, 2024

  • 基于认证的问题和评估生成的 ChatGPT

    利用人工智能技术生成符合不同学术认证的学生评估，研究使用生成式人工智能技术创建和检验教育成果测量问题的有效性及其在考试问题中的应用。

    Nov, 2023

  • 从教育文本中自动生成问题

    设计并评估了一个自动化问题生成工具，以便用于学校的形成性和总结性评估，通过使用基于 Transformer 的语言模型和生成技术，实现了模块化框架，从文本内容中自动生成多项选择题，并进行了广泛的定量和定性评估。

    Sep, 2023

  • 神经网络阿拉伯语问答

    本文介绍了一个使用维基百科作为知识来源来解决阿拉伯语开放领域事实问题回答的方法，提出了阿拉伯阅读理解数据集（ARCD），并使用预训练的双向转换器 BERT 构建了 SOQAL 系统来回答问题，实验结果表明其有效性。

    Jun, 2019

  • Qur'an QA 2022 中的 TCE：使用基于 BERT 的模型的加工集成进行古兰经阿拉伯语问答

    本文描述了作者们在 OSACT5 古兰经问答大赛中的尝试，基于 BERT 模型的阿拉伯语变体，我们提出了一种集成学习模型，并进行了后处理来增强模型预测。我们的系统在官方测试集上达到了 56.6％的部分倒数排名（pRR）分数。

    Jun, 2022

  • 用科学文本进行预训练，提高教育问题生成质量

    本研究基于大型语言模型开发了 EduQG，该模型能够自动生成出优质的教育问题，以实现在数字化教育材料和可扩展的 e-learning 系统背景下的 AI 协助个性化学习。

    Dec, 2022

  • 学会提问：神经网络阅读理解问题生成

    该研究采用基于注意力机制的序列自学习模型进行阅读理解中基于句子的自动问题生成，相比于之前的工作，该模型不依赖于手工规则或复杂的自然语言处理技术，并在人工和自动评估中都呈现出更加自然和困难的问题。

    Apr, 2017

  • 基于人工智能的阿拉伯语言与语音辅导

    该论文介绍了基于人工智能技术的阿拉伯语言和发音辅导系统（AI-ALST），使用自然语言处理技术和聊天机器人来创建一个智能的自我学习环境，该系统通过提取语音特征、双向 LSTM 和注意力机制来检测阿拉伯语口音单词发音是否准确，证明该系统能够有效地检测并评估学生的发音错误。

    Oct, 2022