大型语言模型在自动问题生成中的应用：ChatGLM在国家教师资格考试中的结构化问题案例研究
计算机与社会
2024-08-21 v2
摘要
本研究深入探讨了大型语言模型（LLM）ChatGLM在国家教师资格考试（NTCE）结构化问题自动生成中的应用潜力。通过精心设计的提示工程，我们引导ChatGLM生成一系列模拟问题，并与历年考生回忆的问题进行了全面比较。为确保评估的客观性和专业性，我们邀请了教育领域的专家对这些问题及其评分标准进行了评估。研究结果表明，在大多数评估标准上，ChatGLM生成的问题与真实考试问题表现出高度的一致性、科学性和实用性，证明了该模型在问题生成方面的准确性和可靠性。然而，研究也揭示了模型在生成问题时对各种评分标准考虑的不足，表明需要进一步优化和调整。本研究不仅验证了ChatGLM在教育评估领域的应用潜力，也为未来开发更高效、更智能的教育自动生成系统提供了关键的实证支持。
引用
@article{arxiv.2408.09982,
title = {Application of Large Language Models in Automated Question Generation: A Case Study on ChatGLM's Structured Questions for National Teacher Certification Exams},
author = {Ling He and Yanxin Chen and Xiaoqiang Hu},
journal= {arXiv preprint arXiv:2408.09982},
year = {2024}
}