跳到正文
arXiv cs.AI· Quy P. Nguyen, Duong Q. Nguyen, Dinh P. T. Nguyen, Truong-Giang T. Le, Truong A. Bui, Vi H. Vo, Quang-Thinh Bui, My-Phuong Ngo, Trong N. Do, Thao P. Le, Phuc M. Nguyen, H. Nguyen-Xuan·· 10 小时前AI 评分31

VeriMath:面向课程对齐数学测评题的人机协同生成与验证框架

VeriMath: Human-in-the-Loop Generation and Verification of Curriculum-Aligned Mathematics Assessment Items

AI 导读

VeriMath 是一个人机协同框架,用于生成受课程约束的数学测评题草稿,先锚定考试题型与认知层级,再经自动验证与引导修复后交由专家审核。在越南 12 年级课程案例中,使用 4,555 道数学题和 50 项生成要求测试,两种模型骨干下每轮有 94%(47/50)的要求产出通过验证器的草稿,盲评专家严格判定最多 56.8% 的生成题目达到教师可用标准。

正文 · AI 翻译

作者:Quy P. Nguyen、Duong Q. Nguyen、Dinh P. T. Nguyen、Truong-Giang T. Le、Truong A. Bui、Vi H. Vo、Quang-Thinh Bui、My-Phuong Ngo、Trong N. Do、Thao P. Le、Phuc M. Nguyen、H. Nguyen-Xuan

查看 PDF HTML(实验性)

摘要:数学测评题目的自动生成是教育人工智能中一个不断发展的领域,但课堂部署仍具挑战性。生成的题目必须满足多重约束:数学正确性、课程对齐、适当的认知难度以及教育者可审查性。尽管先前的工作在文本生成方面取得了进展,但可靠的测评命题需要对本地化考试格式进行细粒度控制,并融入专家教育判断。为应对这一挑战,我们提出 VeriMath,一个广义的人在回路框架,用于生成严谨、受课程约束的数学测评草稿。该框架利用带标注的参考题目,将生成锚定到所要求的考试部分和认知推理层级,然后依次执行自动验证和引导式修复,再将草稿提交专家审查。我们通过一项国家课程案例研究评估 VeriMath,使用来自越南 12 年级课程的 4,555 道数学题和 50 项不同的生成要求,涵盖多项选择、判断题和简答题格式。在两个模型骨干上,该框架每次运行可为 94%(47/50)的要求生成通过验证器接受的草稿。盲审专家评估确认了较高的数学准确性和课程对齐度,严格的教师可用性评估最多接受 56.8% 的生成题目。对被拒草稿的分析揭示了持续存在的领域无关挑战,涉及格式、陈述有效性和解题步骤完整性。这些发现表明,VeriMath 能够在严格受限的国家课程框架内生成高度可审查的测评草稿,从而弥合生成式 AI 与可靠教育应用之间的差距。
学科: 人工智能(cs.AI);计算机视觉与模式识别(cs.CV)
引用为: arXiv:2611.23456 [cs.AI]
  (或此版本的 arXiv:2611.23456v1 [cs.AI])
  https://doi.org/10.48550/arXiv.2611.23456

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Duong Nguyen Quoc [查看邮箱]
[v1] 2026 年 11 月 17 日星期二 20:05:23 UTC(451 KB)

来源:arXiv cs.AI · arxiv.org