利用弱监督收集数据评估数学提问策略
人工智能
2021-12-03 v1 人机交互
机器学习
摘要
大量研究表明教师的提问策略如何改善学生的学习成果。然而，由于特定场景训练数据的缺乏以及标注相关的成本，开发新场景具有挑战性。本文提出一个高保真、基于AI的课堂模拟器，以帮助教师演练基于研究的数学提问技能。利用人在回路的方法，我们为数学提问场景收集了高质量的训练数据集。利用不确定性量化的最新进展，我们评估了对话智能体的可用性，并分析了在数学提问场景中引入人在回路方法进行数据收集和系统评估的实用性。
引用
@article{arxiv.2112.00985,
title = {Evaluation of mathematical questioning strategies using data collected through weak supervision},
author = {Debajyoti Datta and Maria Phillips and James P Bywater and Jennifer Chiu and Ginger S. Watson and Laura E. Barnes and Donald E Brown},
journal= {arXiv preprint arXiv:2112.00985},
year = {2021}
}
备注
Accepted to appear at the NeurIPS 2021 Workshop on Math AI for Education (MATHAI4ED)