人工ニューラルネットワークを用いたグラフィカルオープンエンド応答の自動スコアリング【JST・京大機械翻訳】

von Davier Matthias; Tyack Lillian; Khorramdel Lale

プレプリント

J-GLOBAL ID：202202202951368578 整理番号：22P0024020

人工ニューラルネットワークを用いたグラフィカルオープンエンド応答の自動スコアリング【JST・京大機械翻訳】

Automated Scoring of Graphical Open-Ended Responses Using Artificial Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年01月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能 , パターン認識

, ,

前のページに戻る