《表1 短答案题目示例:基于代表性答案选择与注意力机制的短答案自动评分》
ASAG一般通过一定模型对学生答案与参考答案进行对比,根据匹配程度预测其分值。随着机器学习技术的发展,该任务已取得一定进展,但准确率仍需进一步提高。目前导致ASAG不准确的原因主要有两方面:(1)学生答案多种多样,预先给定的参考答案难以覆盖所有可能答题情况。此外,还存在许多开放程度高、不具有单一明确参考答案的问题。例如,对于表1示例1的问题,学生可以从故事情节、人物性格、写作特点、语言风格等角度来回答。然而现实中对这类问题要么不提供参考答案,要么提供非常有限的参考答案,因此引起学生答题情况覆盖度不高、自动评分不准确问题;(2)模型不能准确刻画学生答案与参考答案匹配情况。如表1示例2中,模型需要对二者进行语义匹配,才能得到学生答案中“身高差不多的人数最多”与参考答案中“人数最为集中,且大家的身高相对接近”语义一致的判断。
图表编号 | XD00109153100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 谭红叶、午泽鹏、卢宇、段庆龙、李茹、张虎 |
绘制单位 | 山西大学计算机与信息技术学院、山西大学计算机与信息技术学院、北京师范大学未来教育高精尖创新中心、北京师范大学教育技术学院、北京师范大学未来教育高精尖创新中心、山西大学计算机与信息技术学院、山西大学计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |