大型语言模型用于多选题生成：方法论与教育者见解
摘要
人工智能在教育场景中的融入带来了新的学习方式，变革了学生和教育者的实践方式。在推动这一变革的各种技术中，大型语言模型（LLMs）已成为创建教育材料和问答系统的强大工具，但仍有潜在的新应用空间。教育者常使用多选题（MCQs）来评估学生知识，但手动生成这些问题需要巨大的资源，耗时且需要显著的认知劳动。我们认为，大型语言模型为解决这些挑战提供了有前景的方案。本文提出了对三种广为人知的大型语言模型——Llama 2、Mistral 和 GPT-3.5——的一种新颖比较分析，以探索其创建有信息性且具有挑战性的多选题的潜力。在我们的方法中，我们不依赖于大型语言模型的已知知识，而是将知识注入提示中，以对比幻觉现象，让教育者对测试的来源文本也拥有控制权。我们的实验涉及21名教育者，显示 GPT-3.5 在几项已知指标上生成的最有效的多选题。此外，研究还显示，在教育领域采用人工智能仍存在一定的犹豫态度。这一研究为大型语言模型生成多选题并提升教育体验提供了宝贵的见解，为未来发展指明了方向。
引用
@article{arxiv.2506.04851,
title = {Multiple-Choice Question Generation Using Large Language Models: Methodology and Educator Insights},
author = {Giorgio Biancini and Alessio Ferrato and Carla Limongelli},
journal= {arXiv preprint arXiv:2506.04851},
year = {2025}
}
备注
Copyright ACM 2024. This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive Version of Record was published in Adjunct Proceedings of the 32nd ACM Conference on User Modeling, Adaptation and Personalization (UMAP Adjunct '24), http://dx.doi.org/10.1145/3631700.3665233