诊断性问题的结果与洞见：NeurIPS 2020 教育挑战赛
计算机与社会
2021-04-12 v1 人机交互
摘要
本竞赛关注教育诊断性问题，即具有教学有效性、干扰项体现错误概念的多项选择题（MCQ）。随着此类问题数量庞大且不断增长，教师难以知晓哪些问题最适合其学生使用。因此我们试图回答以下问题：如何利用数亿条 MCQ 作答数据，在人工个性化不可行的大规模学习场景中驱动自动个性化学习？成功大规模利用 MCQ 数据有助于构建更智能、个性化的学习平台，最终全面提升教育质量。为此，我们引入一个新的大规模真实数据集，并在 NeurIPS 2020 的竞赛环境中针对 MCQ 制定 4 项数据挖掘任务，这些任务模拟真实学习场景并针对上述问题的各个方面。我们报告了有近 400 支队伍提交约 4000 份方案的 NeurIPS 竞赛情况，各任务均出现了令人鼓舞的多样化且有效的方法。
引用
@article{arxiv.2104.04034,
title = {Results and Insights from Diagnostic Questions: The NeurIPS 2020 Education Challenge},
author = {Zichao Wang and Angus Lamb and Evgeny Saveliev and Pashmina Cameron and Yordan Zaykov and Jose Miguel Hernandez-Lobato and Richard E. Turner and Richard G. Baraniuk and Craig Barton and Simon Peyton Jones and Simon Woodhead and Cheng Zhang},
journal= {arXiv preprint arXiv:2104.04034},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2007.12061