学生手写图谱的自动评分：元学习与视觉大语言模型的比较
机器学习
2025-07-08 v1 人工智能
摘要
随着线上学习的兴起，过去十年来对数学领域高效且一致的评估需求大幅增加。机器学习（ML），特别是自然语言处理（NLP），广泛用于对涉及文本和/或数学表达式的学生响应进行自动评分。然而，尽管手写图谱在理工科（STEM）课程中十分常见，但针对此类响应的自动评分研究仍有限。本研究实现了用于自动评分包含学生手写图谱和文本的图像的多模态元学习模型。我们进一步比较了视觉大语言模型（VLLMs）与这些专门训练的元学习模型的性能。我们的结果基于来自本机构收集的真实数据集进行评估，表明最佳元学习模型在 2 类分类任务中优于 VLLMs。相比之下，在更复杂的 3 类分类任务中，最佳 VLLMs 稍微优于元学习模型。尽管 VLLMs 显示出有前景的成绩，但其可靠性和实际适用性仍不确定，需要进一步调查。
引用
@article{arxiv.2507.03056,
title = {Automated Grading of Students' Handwritten Graphs: A Comparison of Meta-Learning and Vision-Large Language Models},
author = {Behnam Parsaeifard and Martin Hlosta and Per Bergamin},
journal= {arXiv preprint arXiv:2507.03056},
year = {2025}
}