基于推理的类学习者智能体评估学习材料的有助性
计算与语言
2020-10-06 v1
摘要
许多英语作为第二语言的学习者难以正确使用近义词（如small与little；briefly与shortly），并常寻找例句以了解两个近义术语的差异。先前工作使用手工设计的分数来推荐句子，但难以将此类分数推广到所有近义词，因为近义词在各种方面存在差异。我们注意到学习材料的有助性会反映在学习者的表现上。因此，我们提出基于推理的类学习者智能体来模拟学习者行为，并通过考察智能体的表现来识别良好的学习材料。为使智能体表现得像学习者，我们利用蕴涵建模从所提供的材料中推断答案的能力。实验结果表明，所提出的智能体具备良好的类学习者行为，在填空（FITB）和良好例句选择任务中均取得最佳性能。我们进一步对大学ESL学习者开展了课堂用户研究。用户研究结果表明，所提出的智能体能够找出有助于学生更轻松高效学习的例句。与其他模型相比，所提出的智能体使超过17%的学生在学习后分数得到提升。
引用
@article{arxiv.2010.02179,
title = {Assessing the Helpfulness of Learning Materials with Inference-Based Learner-Like Agent},
author = {Yun-Hsuan Jen and Chieh-Yang Huang and Mei-Hua Chen and Ting-Hao 'Kenneth' Huang and Lun-Wei Ku},
journal= {arXiv preprint arXiv:2010.02179},
year = {2020}
}
备注
9 pages, to appear in EMNLP 2020 as a long paper