生成具有教学意义的数学应用题可视化：一个新基准和文本到图像模型的分析
计算与语言
2025-06-05 v1 人工智能
人机交互
摘要
可视化工具对于教授数学应用题（MWPs）很有价值，有助于年幼学习者将文本描述转化为数学表达式后再进行求解。然而，创建此类可视化工作量大，且缺乏支持该过程的自动化方法。在本文中，我们提出了Math2Visual，一个从MWP文本描述自动生成具有教学意义的可视化框架。Math2Visual利用预定义的视觉语言和基于数学教师访谈确定的设计空间，来展示MWPs中的核心数学关系。使用Math2Visual，我们构建了一个包含1,903个可视化样本的标注数据集，并评估了文本到图像（TTI）模型生成符合我们设计的可视化的能力。我们进一步使用我们的数据集对多个TTI模型进行了微调，展示了在教育可视化生成方面的改进。我们的工作建立了自动化生成具有教学意义的可视化的新基准，并提供了关于生成多模态教育内容的关键挑战的见解，例如数学关系的错误表示和必要视觉元素的遗漏。
引用
@article{arxiv.2506.03735,
title = {Generating Pedagogically Meaningful Visuals for Math Word Problems: A New Benchmark and Analysis of Text-to-Image Models},
author = {Junling Wang and Anna Rutkiewicz and April Yi Wang and Mrinmaya Sachan},
journal= {arXiv preprint arXiv:2506.03735},
year = {2025}
}
备注
Findings of the Association for Computational Linguistics: ACL 2025