智能辅导系统中用于个性化反馈的少样本问题生成
计算与语言
2022-06-10 v1
摘要
智能辅导系统（ITS）中现有关于生成提示的工作大多聚焦于人工与非个性化反馈。本工作中，我们探索在 ITS 中将自动生成的问题作为个性化反馈。我们的个性化反馈能精确定位学生答案中正确、错误或缺失的短语，并通过以自然语言提问引导学生得出正确答案。我们的方法结合因果分析以拆解学生答案，并使用基于文本相似度的 NLP Transformer 模型来识别正确与错误或缺失部分。我们训练了少样本神经问题生成与问题重排序模型，以展示针对学生答案中缺失成分的问题，从而将学生引向正确答案。在真实的基于对话的 ITS 中测试时，我们的模型在学生学习增益上分别比简单与强基线高出 45% 与 23%。最后，我们表明我们的个性化纠正反馈系统有潜力改进生成式问答系统。
引用
@article{arxiv.2206.04187,
title = {Few-shot Question Generation for Personalized Feedback in Intelligent Tutoring Systems},
author = {Devang Kulshreshtha and Muhammad Shayan and Robert Belfer and Siva Reddy and Iulian Vlad Serban and Ekaterina Kochmar},
journal= {arXiv preprint arXiv:2206.04187},
year = {2022}
}
备注
PAIS 2022