Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2408.11728

帮助 | 高级搜索

数学 > 历史与概述

arXiv:2408.11728 (math)
[提交于 2024年8月21日 ]

标题: 基于人工智能的自动手写大学数学考试简答评分

标题: AI-assisted Automated Short Answer Grading of Handwritten University Level Mathematics Exams

Authors:Tianyi Liu, Julia Chatain, Laura Kobel-Keller, Gerd Kortemeyer, Thomas Willwacher, Mrinmaya Sachan
摘要: 有效的和及时的教育评估反馈是必不可少的,但耗时且劳动密集,尤其是在复杂任务中。 自动化反馈系统最近的发展,从确定性回答评分到半开放和开放性作文的评估,得益于机器学习的进步。 预训练大型语言模型的出现,如GPT-4,为以最小的定制化高效处理多种回答类型提供了有前景的新机会。 本研究评估了预训练的GPT-4模型在大学水平数学考试中对半开放手写回答评分的有效性。 我们的研究结果表明,GPT-4提供的初始评分出人意料地可靠且成本效益高,但需要后续的人工验证。 未来的研究应专注于优化评分规则并提高手写回答的提取能力,以进一步利用这些技术。
摘要: Effective and timely feedback in educational assessments is essential but labor-intensive, especially for complex tasks. Recent developments in automated feedback systems, ranging from deterministic response grading to the evaluation of semi-open and open-ended essays, have been facilitated by advances in machine learning. The emergence of pre-trained Large Language Models, such as GPT-4, offers promising new opportunities for efficiently processing diverse response types with minimal customization. This study evaluates the effectiveness of a pre-trained GPT-4 model in grading semi-open handwritten responses in a university-level mathematics exam. Our findings indicate that GPT-4 provides surprisingly reliable and cost-effective initial grading, subject to subsequent human verification. Future research should focus on refining grading rules and enhancing the extraction of handwritten responses to further leverage these technologies.
评论: 17页,12图,4表
主题: 历史与概述 (math.HO)
MSC 类: 97-02
引用方式: arXiv:2408.11728 [math.HO]
  (或者 arXiv:2408.11728v1 [math.HO] 对于此版本)
  https://doi.org/10.48550/arXiv.2408.11728
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Laura G. A. Kobel-Keller [查看电子邮件]
[v1] 星期三, 2024 年 8 月 21 日 15:54:06 UTC (4,072 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.HO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-08
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号