Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Aprovechamiento del conocimiento estructurado: un enfoque basado en mapas conceptuales para la generación de preguntas de opción múltiple de alta calidad con distractores eficaces

Created by
  • Haebom

Autor

Nicy Scaria, Silvester John Joseph Kennedy, Diksha Seth, Ananya Thakur, Deepak Subramani

Describir

Este artículo presenta un marco jerárquico basado en mapas conceptuales para abordar los desafíos de generar preguntas de opción múltiple (PM) de alta calidad dirigidas a diversos niveles cognitivos y que contengan conceptos erróneos comunes. Dirigido a estudiantes de física de secundaria, desarrollamos un mapa conceptual jerárquico que abarca temas clave de física y sus interconexiones. Este mapa conceptual se proporciona como contexto estructurado para que los estudiantes de maestría en derecho generen PM y respuestas incorrectas que aborden específicamente los conceptos erróneos. Un proceso de validación automatizado garantiza la calidad de las PM generadas y comparamos los resultados con métodos existentes basados en maestría en derecho y RAG. Las evaluaciones de expertos y estudiantes demuestran que el método propuesto alcanza una tasa de éxito significativamente alta (75,20 %) y una baja tasa de acierto de conjeturas (28,05 %), lo que permite una evaluación sólida y la identificación de lagunas conceptuales en los diferentes niveles cognitivos.

Takeaways, Limitations

•
Takeaways:
◦
Presentamos la posibilidad de generar automáticamente preguntas de opción múltiple de alta calidad utilizando un marco jerárquico basado en mapas conceptuales.
◦
La posibilidad de aumentar la eficacia del aprendizaje se presenta mediante la creación de preguntas de opción múltiple que consideren varios niveles cognitivos y reflejen conceptos erróneos.
◦
Rendimiento superior en comparación con los métodos existentes verificado a través de evaluaciones de expertos y estudiantes.
◦
Sugerir la posibilidad de mejorar la eficiencia educativa a través de evaluaciones a gran escala y proporcionando retroalimentación del aprendizaje individual.
•
Limitations:
◦
El estudio actual se limita a la física de la escuela secundaria y se necesita más investigación para determinar si los resultados pueden generalizarse a otras materias o etapas del aprendizaje.
◦
Considere el costo y el esfuerzo que implica desarrollar y mantener mapas conceptuales.
◦
Depende del rendimiento del LLM y las limitaciones del LLM pueden afectar los resultados.
◦
La evaluación se limitó a una escuela específica y a una población estudiantil específica, por lo que se necesita más investigación para determinar su generalización.
👍
Made with Slashpage