Verschidene Modell zur Generierung von Multiple-Choice-Fragen wurden verglichen und evaluiert.
Python, NLP, Machine Learning, Data Science, Jupiter Notebook
Ziel ist es verschiedene Systeme/Modelle zur Generierung von Quizzes zu evaluieren. Quizzes bestehen dabei jeweils aus Fragen und ensprechenden Antworten auf Deutsch.
Die Benutzung von Wissensabfragen ist oft der erste Schritt, um zu pruefen, ob man den Unterrichtsstoff verstanden wurde. Quiz-Fragen erlauben denDozierenden eine erste schnelle Einschaetzung des Wissenstands bei Studierenden zu machen, insbesondere in Flipped-Classroom Setup. Leider ist die Erstellung oft aufwendig und repetitiv. Machine Learning Systeme koennen relativ gut auf Fragen aus einem gegebenen Text antworten. Wir betrachten diese Aufgabestellung aus einer anderen Perspektive und versuchen aus einem gegebenen Text Fragen und Antworten zu generieren.
Das Ergebnis ist eine beispielhafte Prototyp-Applikation sowie eine ausfuehrliche Evaluation mit Studierenden und Dozenten. Dabei stellte sich heraus fuer weniger komplexe Texte die Generierung der Fragen und Antworten einigermassen sinnvoll funktioniert. Bei komplexeren Texten ist vor allem die Distractor generierung ein Problem.
Ein Semester, Arbeitsaufwand 6 ETCS (180 STD), 2er Team
Fernando Benites, Dozent Studiengang Data Science, Institut fuer Data Science FHNW
Denis Mueller
Lukas Spahr
Fernando Benites, fernando.benites@fhnw.ch
