VCEval：重新思考什么是优质教育视频以及如何自动评估它
VCEval: Rethinking What is a Good Educational Video and How to Automatically Evaluate It
AI总结：
针对在线教育视频内容质量不一的问题，本文构建视频课程与教材数据集，提出三项评估原则，并基于多项选择题问答与语言模型评估器设计 VCEval 框架，可有效区分课程质量并给出可解释结果。
摘要：
在线课程显著降低了获取教育的门槛，但这些视频参差不齐的内容质量带来了挑战。在本工作中，我们聚焦于自动评估视频课程内容质量的任务。我们构建了一个包含大量视频课程和教学材料的数据集。我们提出三项评估原则，并基于这些原则设计了一个新的评估框架 VCEval。该任务被建模为多项选择题问答任务，并由语言模型担任评估器。我们的方法能够有效区分不同内容质量的视频课程，并产生一系列可解释的结果。
英文摘要：
Online courses have significantly lowered the barrier to accessing education, yet the varying content quality of these videos poses challenges. In this work, we focus on the task of automatically evaluating the quality of video course content. We have constructed a dataset with a substantial collection of video courses and teaching materials. We propose three evaluation principles and design a new evaluation framework, \textit{VCEval}, based on these principles. The task is modeled as a multiple-choice question-answering task, with a language model serving as the evaluator. Our method effectively distinguishes video courses of different content quality and produces a range of interpretable results.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
