ارزیابی اتوماتیک آزمون های تشریحی مبتنی بر رویکردهای محاسباتی و داده کاوی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 282

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DMOR-6-2_005

تاریخ نمایه سازی: 31 شهریور 1400

چکیده مقاله:

هدف: نمرهدهی خودکار آزمون های تشریحی فرآیند ارزیابی اتوماتیک پاسخ های سوالات مبتنی بر متن با استفاده از روش های محاسباتی و یادگیری ماشین است. گسترش استفاده از سیستم های آموزشی هوشمند و اهمیت ارزیابی نیاز به سیستم های خودکار برای نمره دهی آزمون ها را بیش از پیش افزایش داده است.روش شناسی پژوهش: با توجه به اینکه در فرآیند نمره دهی خودکار، پاسخ های متنی ارائه شده توسط دانش آموزان با یک پاسخ ایده آل بر اساس میزان شباهت آن ها مورد مقایسه قرار می گیرد، می توان از تکنیک های محاسبه ارتباط و شباهت معنایی بین متون نیز برای اینکار بهره برد. در این راستا، در این مقاله ابتدا روش های مختلف محاسبه ارتباط معنایی در کاربرد ارزیابی خودکار آزمون های تشریحی با هم مقایسه و تاثیر دامنه و اندازه منبع دانش پیش زمینه ای روی دقت الگوریتم ها بررسی شد. در ادامه ، یک رویکرد برای بهبود عملکرد سیستم نمره دهی خودکار آزمون های تشریحی معرفی شده که از پاسخ های ارائه شده توسط آزمون دهندگان که بالاترین نمره را دریافت کرده اند، به عنوان بازخورد استفاده می کند.یافته ها: برای ارزیابی کارایی روش های محاسبه شباهت و ارتباط معنایی در کاربرد نمرده دهی خودکار آزمون های تشریحی و عملکرد مدل پیشنهادی، آزمایشاتی روی مجموعه داده ارائه شده توسط  موهلرو میهالسیا که دارای ۷ سوال با ۶۳۰ پاسخ تشریحی است، صورت گرفت.اصالت/ارزش افزوده علمی:  بر اساس نتایج حاصل از آزمایش ها، نه تنها روش های محاسبه ارتباط معنایی از کارایی بالایی در حوزه ارزیابی خودکار آزمون های تشریحی برخوردارند، بلکه استفاده از از بازخورد اتوماتیک نیز می تواند دقت و کارایی روشهای محاسبه ارتباط معنایی برای این هدف به طور قابل توجهی افزایش دهد.

کلیدواژه ها:

ارتباط معنایی ، ارزیابی خودکار آزمون های تشریحی ، رویکرد داده کاوی ، شباهت معنایی

نویسندگان

حسین صدر

گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد رشت، گیلان، ایران.

مژده نظری سلیمان دارابی

گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد رشت، گیلان، ایران.

زینب خداوردیان

گروه مهندسی کامپیوتر، موسسه آموزش عالی آیندگان، تنکابن، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Budanitsky, A., & Hirst, G. (۲۰۰۶). Evaluating wordnet-based measures of ...
  • Jarmasz, M., & Szpakowicz, S. (۲۰۰۳). Roget’s thesaurus and semantic ...
  • Jarmasz, M., & Szpakowicz, S. (۲۰۱۲). Roget's Thesaurus and semantic ...
  • Leacock, C., & Chodorow, M. (۱۹۹۸). Combining local context and ...
  • Lee, Y. Y., Ke, H., Yen, T. Y., Huang, H. ...
  • Nazari Soleimandarabi, M., Mirroshandel, S. A., & Sadr, H. (۲۰۱۵b). ...
  • Patwardhan, S., & Pedersen, T. (۲۰۰۶). Using WordNet-based context vectors ...
  • Pedersen, T., Patwardhan, S., & Michelizzi, J. (۲۰۰۴, July). WordNet:: ...
  • Peinelt, N., Nguyen, D., & Liakata, M. (۲۰۲۰, July). tBERT: ...
  • Roy, S., Rajkumar, A., & Narahari, Y. (۲۰۱۸). Selection of ...
  • Sadr, H., Nazari, M., Pedram, M. M., & Teshnehlab, M. ...
  • Sadr, H., Pedram, M. M., & Teshnehlab, M. (۲۰۱۹c). A ...
  • Strube, M., & Ponzetto, S. P. (۲۰۰۶, July). WikiRelate! Computing ...
  • Wu, Z., & Palmer, M. (۱۹۹۴). Verbs semantics and lexical ...
  • Young, J. R. (۲۰۱۲). Inside the Coursera contract: How an ...
  • Zesch, T., & Gurevych, I. (۲۰۱۰). Wisdom of crowds versus ...
  • Zhang, L., Huang, Y., Yang, X., Yu, S., & Zhuang, ...
  • Zhu, X., Guo, Q., Zhang, B., & Li, F. (۲۰۱۹). ...
  • نمایش کامل مراجع