Nov, 2024

以问题为导向的分段与检索：辅导对话案例研究

HTML
PDF
TL;DR本研究针对开放式对话（如辅导课程或商务会议）中的结构性问题，提出了一种以问题为导向的分段与检索（POSR）框架。通过构建现实世界辅导课程的首个数据集LessonLink，研究发现将POSR视为一个整体任务的建模方式显著提高了对话处理的效果，推动了教育应用的发展。
发现论文，激发创造
  • 数学语言处理：开放式数学问题的自动分级与反馈

    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。

    Jan, 2015

  • 课堂讨论的论点组成部分分类

    本文研究话语识别技术应用于学生间讨论中的参考组成分类，发现已有的教育领域的分类方法表现不佳，通过引用关于学生散文和在线对话的特征集工作，可以有效地提高性能。此外，研究比较卷积神经网络和循环神经网络在不同情况下训练，得出卷积网络在字符和单词级别上都比循环网络更稳健的结论，并指出多任务训练可以提高性能。

    Sep, 2019

  • 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

  • 对话接收度量：学生与教师交互的案例研究

    通过计算分析，我们提出了一个框架来衡量教师-学生交互式对话中的引用行为，并通过应用到不同领域的教育数据集中验证了该方法的有效性，为教师的自动化专业发展提供了证据。

    Jun, 2021

  • 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

  • 神经对话辅导中的机遇与挑战

    本文分析了几种生成式语言模型在语言学习时的应用，并发现当前方法在教学场景中存在有限性，需要更好的模型来解决这些问题。实验发现，目前的方法在受限的学习场景下表现出色，但在不受限制的场景中表现不佳。通过数据分析和用户研究，本文揭示了模型的推理错误，低效的平等辅导和语境不清等问题。

    Jan, 2023

  • SuperDialseg：一款大规模的用于有监督对话分段的数据集

    本文通过文件引导对话，并发布一个大规模的受监督数据集SuperDialseg，该数据集包含基于两个流行的文件引导对话语料库的9K个对话。此外，我们提出了两个模型来利用对话特征，实现关于对话分割任务的表现，并提供包括20个模型在内的基准测试，并根据实证研究提供了一些洞见。我们相信我们的工作是对话分割领域向前迈出的重要一步。

    May, 2023

  • MathDial: 基于数学推理问题的具有丰富教育性质的对话教学数据集

    本文介绍了一种用于收集大型语言模型生成对话的框架，用来收集MathDial数据集，这个数据集由约1.5k个多步骤数学词问题的辅导对话组成，并展示了该数据集具有丰富的教学特性，可以用于调整语言模型以成为更有效的辅导员，并强调了需要解决研究共同体的挑战。

    May, 2023

  • 自动分割作为多模式话语注释辅助工具的效果如何？

    评估不同话语分割技术在协作问题解决注释中的有效性，自动分割和手动划分有所不同，且自动划分中的标注需要调用其他信息做出主观判断。

    May, 2023

  • MathChat：多轮交互中数学推理和指令遵循的基准评估

    这篇论文介绍了一个专门设计用来评估大型语言模型在更广泛的数学任务上的MathChat基准测试，并观察到这些模型在单回合问题回答方面表现出色，但在需要持续推理和对话理解的复杂场景下性能显著下降。通过开发MathChat sync这样一个用于提升模型对话能力和指令跟随能力的合成对话型数学数据集，实验结果强调了使用类似MathChat sync这样多样化的对话指令微调数据集训练大型语言模型的必要性。作者认为这项工作为改进大型语言模型的多轮数学推理能力指明了一个有希望的方向，推动了更擅长交互式数学问题解决和实际应用的大型语言模型的发展。

    May, 2024