PulseAugur
中
实时 08:59:15
English(EN) Structure-Aware Modeling of Multiple-Choice Questions Improves Automatic Difficulty Estimation

新AI模型可准确估算多项选择题难度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的方法，通过显式地将干扰项建模为不同的组成部分来自动估算多项选择题的难度。这种结构感知方法在智利数据集上进行了测试，与仅考虑问题题干和正确答案的模型相比，预测准确性得到了显著提高。表现最佳的架构在自然科学领域取得了0.83的R^2分数，在社会科学领域取得了0.71的R^2分数，证明了干扰项的结构信息在教育评估中的价值。 AI

影响 通过为多项选择题提供更准确的难度估算，增强了自动教育评估工具。

排序理由 学术论文，详细介绍了自动估算问题难度的创新方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Gabriel Ortega, Abelino Jim\'enez, S\'everin Lions, Pablo Dartnell ·

    结构感知建模多项选择题可提高自动难度估算

    arXiv:2606.08988v1 Announce Type: cross Abstract: Automatic Question Difficulty Estimation (AQDE) holds growing promise for educational assessment because it has the potential to yield difficulty estimates that are competitive with expert judgment, while helping reduce the time a…

相关话题