arXiv cs.CL· Taghrid Housari, Massa Rankoussi, Jafar Abdul Majeed, Wael Tarabishi, Khloud Al Jallad, Nada Ghneim·· 10 小时前AI 评分21
ArSciKids：面向阿拉伯语小学科学教育的课程对齐数据集，用于实验与选择题生成
ArSciKids: Arabic Curriculum-Aligned Datasets for Scientific Experiment and Multiple-Choice Question Generation in Primary Education
AI 导读
ArSciKids 发布两个阿拉伯语课程对齐数据集：999 条来自沙特、叙利亚、约旦官方小学科学教材的人工整理实验记录，以及 2,167 道来自沙特 Manhaji 平台的选择题，均覆盖 1-6 年级且为真实教育内容而非机器翻译或合成数据。
正文 · AI 翻译
摘要：尽管人们对阿拉伯语自然语言处理的兴趣日益增长，但与英语相比，与课程对齐的教育资源仍然稀缺，而且带有结构化、可直接用于生成的标注的阿拉伯语课程内容公开数据集很少，尤其是小学科学方面。我们推出 ArSciKids，这是一个包含两个阿拉伯语数据集的集合，旨在用于与课程对齐的教育内容生成：(1) 一个科学实验数据集，包含来自沙特阿拉伯、叙利亚和约旦官方小学科学教科书的 999 条人工整理记录；(2) 一个评估问题数据集，包含从沙特 Manhaji 教育平台收集的 2,167 道多项选择题。实验记录按标题、目标、工具、步骤、观察、结论、关键词和年级进行结构化组织，而评估记录包含课程引用、问题、四个答案选项、正确答案和解释。两个数据集均覆盖 1-6 年级，并且由真实的阿拉伯语教育内容组成，而非机器翻译或合成生成的材料。我们通过使用 LoRA 微调十个开放模型（参数规模从不足十亿到数十亿不等）来评估这些资源对生成任务的实用性。模型使用自动指标进行评估，包括 ROUGE 和 BLEU，以及多项选择生成的答案准确率。此外，我们使用五项标准的人工评估协议对结果进行评估。结果表明，不同模型规模和任务之间存在显著差异。ArSciKids 将公开提供，我们希望它为阿拉伯语教育自然语言处理、课程感知生成和低资源语言建模的研究提供一个人工整理、结构化的基础。
| 主题： | 计算与语言 (cs.CL)；人工智能 (cs.AI)；机器学习 (cs.LG) |
| 引用为： | arXiv:2611.01191 [cs.CL] |
| （或 arXiv:2611.01191v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.01191 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Khloud Al Jallad [查看电子邮件]
[v1]
2026年10月31日星期六 18:44:39 UTC (1,224 KB)
来源：arXiv cs.CL · arxiv.org