计算机科学 > 人工智能
[提交于 2025年7月31日
]
标题: 超越共识:重新思考教育人工智能标注中的真实值
标题: Beyond Agreement: Rethinking Ground Truth in Educational AI Annotation
摘要: 人类作为评估者往往存在严重的不完美之处。他们常常带有偏见、不可靠,不适合定义“真实标签”。然而,鉴于在教育应用中使用人工智能生成大量训练数据的迫切需求,传统的评分者间信度(IRR)指标如Cohen's kappa仍然是验证标注数据的核心方法。IRR仍然是许多教育数据机器学习流程的基石。例如,对话中导师行为的分类或机器评分评估中开放回答的标注。本文认为,过度依赖人类IRR作为标注质量的把关人,会阻碍以有效且预测性方式对数据进行分类的进展,从而促进学习改进。为解决这一问题,我们提出了五个互补的评估方法示例,如多标签标注方案、基于专家的方法和闭环有效性。我们认为,这些方法能够比仅依靠IRR方法产生更优质的训练数据和后续模型,从而提升学生学习效果和更具操作性的见解。我们还强调了外部有效性的重性,例如通过建立验证导师行为的程序并证明其在多种导师行为类别(如提供提示)中的适用性。我们呼吁该领域重新思考标注质量和真实标签——将有效性与教育影响置于共识之上。
文献和引用工具
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
推荐器和搜索工具
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.