مشخصات کتاب

Auto-Grader - Auto-Grading Free Text Answers

ویرایش:  
نویسندگان: Robin Richner  
سری: BestMasters 
ISBN (شابک) : 3658392029, 9783658392024 
ناشر: Springer Gabler 
سال نشر: 2022 
تعداد صفحات: 105
[106] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb 

در صورت تبدیل فایل کتاب Auto-Grader - Auto-Grading Free Text Answers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب Auto-Grader - پاسخ های متنی رایگان با درجه بندی خودکار نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب Auto-Grader - پاسخ های متنی رایگان با درجه بندی خودکار

معلمان زمان زیادی را صرف نمره دادن به سؤالات نوع پاسخ متنی رایگان می کنند. برای رویارویی با این چالش، یک سیستم خودکار گرید پیشنهاد شده است. این پایان‌نامه نشان می‌دهد که می‌توان به گرید خودکار با شبکه‌های عصبی ساده، تکراری و مبتنی بر ترانسفورماتور نزدیک شد. بدین ترتیب مدل های مبتنی بر ترانسفورماتور بهترین عملکرد را دارند. همچنین نشان داده می‌شود که نمایش هندسی جفت‌های پرسش-پاسخ یک استراتژی ارزشمند برای یک نمره‌دهنده خودکار است. در نهایت، نشان داده می‌شود که در حالی که نمره‌دهی خودکار می‌تواند به معلمان در صرفه‌جویی در زمان با نمره‌دهی کمک کند، اما هنوز در سطحی نیست که به طور کامل معلمان را برای این کار جایگزین کند.

توضیحاتی درمورد کتاب به خارجی

Teachers spend a great amount of time grading free text answer type questions. To encounter this challenge an auto-grader system is proposed. The thesis illustrates that the auto-grader can be approached with simple, recurrent, and Transformer-based neural networks. Hereby, the Transformer-based models has the best performance. It is further demonstrated that geometric representation of question-answer pairs is a worthwhile strategy for an auto-grader. Finally, it is indicated that while the auto-grader could potentially assist teachers in saving time with grading, it is not yet on a level to fully replace teachers for this task.

فهرست مطالب

Acknowledgements
Abstract
Contents
List of Figures
List of Tables
1 Introduction
	1.1 Research Problem
	1.2 Research Objective and Contribution
2 Research Design
3 Research Background
	3.1 Learning Methods
	3.2 Representation of Words
	3.3 Artificial Neural Networks
		3.3.1 Recurrent Networks
		3.3.2 Convolutional Networks
	3.4 Transfer Learning
	3.5 Transformers
		3.5.1 BERT
		3.5.2 GPT-3
	3.6 Automatic Grading
4 Data
	4.1 Exploratory Data Analysis and Preprocessing
		4.1.1 Question Data
		4.1.2 Answer Data
	4.2 Classification of Answers into Types
	4.3 Preprocessed Data
5 Model Development
	5.1 Data Augmentation and Processing
		5.1.1 Data Split
		5.1.2 From Letters to Numbers
		5.1.3 Batch Generator
	5.2 Simple Layer Model
	5.3 Recurrent Models
		5.3.1 GRU
		5.3.2 LSTM
	5.4 Pre-trained Models
		5.4.1 Data Augmentation
		5.4.2 Threshold Calculation
		5.4.3 Multilingual BERT
		5.4.4 LaBSE
6 Evaluation
	6.1 First iteration—small data set
	6.2 All data and hyperparameter tuning
	6.3 Misclassification analysis
7 Discussion, limitations and further research
	7.1 Preprocessing
	7.2 Data Augmentation and Output
	7.3 Pre-training
	7.4 Fine-tuning
	7.5 Bias
8 Conclusion
Glossary
References

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Ciencia Con Consciencia

دانلود کتاب State and Capital in Independent India: Institutions and Accumulations

دانلود کتاب Menhirs, Dolmen, And Circles Of Stone: The Folklore And Magic Of Sacred Stone

دانلود کتاب Spektraltheorie selbstadjungierter Operatoren im Hilbertraum und elliptischer Differentialoperatoren

دانلود کتاب Deutsche Literaturgeschichte von den Anfängen bis zur Gegenwart