你能多清晰地阐述那个想法？来自自动形成性评价的见解
计算与语言
2024-04-19 v1
摘要
自动化方法正越来越多地应用于学生科学解释写作的形成性反馈研究中。然而，这些工作大多针对简答题的回答。我们研究了针对学生科学解释性论文的自动反馈，这类论文要求学生阐述多个想法。反馈基于一个评分标准，该标准根据学生在模拟过山车实验后，针对能量与质量物理学的解释性论文中应包含的主要观点来制定。我们发现，学生通常能在修改后的论文版本上取得进步。然而，本文关注的是影响自动反馈准确性的两个因素。首先，我们发现评分标准中的主要观点在解释自由度上有所不同：对自然法则的解释相对受限，而学生对在过山车中观察到的复杂关系（如不同形式能量的转换）的解释则有更多自由。其次，通过追踪自动决策过程，我们可以诊断出学生的陈述何时缺乏足够的清晰度，以至于自动化工具无法将其与某个主要观点强关联。这反过来为教师和学生提供了机会，帮助学生反思如何更清晰地阐述自己的想法。
关键词
引用
@article{arxiv.2404.11682,
title = {How Well Can You Articulate that Idea? Insights from Automated Formative Assessment},
author = {Mahsa Sheikhi Karizaki and Dana Gnesdilow and Sadhana Puntambekar and Rebecca J. Passonneau},
journal= {arXiv preprint arXiv:2404.11682},
year = {2024}
}