抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
応答としての自由描画または画像の自動化スコアリングは,学生の達成の大規模評価ではまだ利用されていない。本研究では,コンピュータベースの国際数学と科学評価からこれらのタイプのグラフィカル応答を分類するための人工ニューラルネットワークを提案した。畳込みとフィードフォワードアプローチの分類精度を比較した。著者らの結果は,畳込みニューラルネットワーク(CNN)が,損失と精度の両方においてフィードフォワードニューラルネットワークより優れていることを示した。CNNモデルは,適切なスコアリングカテゴリーへの画像応答の97.71%まで分類されたが,これは,典型的なヒトレート者よりも正確でない。これらの知見を,最も正確なCNNモデルが,人間の速度者によって不正確に記録されたいくつかの画像応答を正しく分類するという観察によってさらに強化した。追加革新として,項目応答理論から導出された期待応答関数の適用に基づく訓練サンプルに対する人間評価応答を選択する方法を概説した。本論文では,画像応答のCNNベース自動スコアリングは,大規模評価に対する2次人間レートの作業負荷とコストを潜在的に置き換えることができる高精度手順であり,一方,複合構築応答項目のスコアリングの妥当性と比較可能性を改善すると主張する。【JST・京大機械翻訳】