EduVidQA：基于讲座视频生成与评估学生提问的长篇回答
计算与语言
2025-09-30 v1
摘要
随着数字平台重塑教育范式，确保互动性对于有效学习至关重要。本文探索使用多模态大型语言模型（MLLM）自动回应来自在线讲座的学生提问——这一具有现实意义的新型问答任务。我们引入EduVidQA数据集，包含5252个问答对（包括合成数据和真实数据），涵盖296个计算机科学讲座视频，覆盖多样主题和难度水平。为理解数据集和任务评估的需求，我们经验性地研究了学生对合成数据和答案质量的偏好，这是该领域工作的重要贡献。我们的基准实验包括6个最先进的MLLM，通过这些实验我们研究了合成数据用于微调的有效性，以及该任务的挑战性。我们使用文本基准和定性指标对模型进行评估，从而呈现模型表现的细致视角，这对于未来工作至关重要。本工作不仅为这一重要问题设立基准，还为自然语言处理教育领域的未来研究开辟了激动人心的研究方向。
引用
@article{arxiv.2509.24120,
title = {EduVidQA: Generating and Evaluating Long-form Answers to Student Questions based on Lecture Videos},
author = {Sourjyadip Ray and Shubham Sharma and Somak Aditya and Pawan Goyal},
journal= {arXiv preprint arXiv:2509.24120},
year = {2025}
}
备注
EMNLP 2025 (Main)