Automated Content Grading Using Machine Learning
AMITY UNIVERSITY(阿米提大学)
试卷评分是一项繁忙、耗时耗力的工作,而且在检查中经常受到效率低下和偏见的影响。这个研究项目是一个原始的实验,在自动化的理论答案写在考试中的学生在技术课程,但仍继续被人类评分。在本文中,我们展示了如何使用机器学习中的算法方法来自动检查和评分考试答案中的理论内容。词袋,它们的向量和质心,以及一些语义和词汇文本特征已经被整体使用。机器学习模型已经在根据参加技术课程的毕业生给出的考试手动构建的数据集上实现。这些模型进行了比较,以显示每个模型的有效性。
2020-04-08 cs.CY cs.LG
Learning to Love Edge Cases in Formative Math Assessment: Using the AMMORE Dataset and Chain-of-Thought Prompting to Improve Grading Accuracy
本文提出AMMORE数据集,通过思维链提示等LLM方法提升数学开放题评分准确率,显著降低学生掌握度误判率,促进形成性评估中开放题的广泛应用。
2024-09-26 cs.AI
Deep learning for sentence clustering in essay grading support
University of Turku(图尔库大学)
作文作为一种评估形式,比简答题和多项选择题更深层次地测试学生的知识。然而,手工评估论文是费时费力的。自动聚类的论文,或其片段,人工评估之前,提出了一个可能的解决方案,以减少在评估过程中所需的工作。由于自然语言的可变性和模糊性,这种聚类提出了许多挑战。在本文中,我们介绍了两个数据集的本科学生的文章在芬兰,手动注释的句子层次上的突出参数。使用这些数据集,我们评估了几种深度学习嵌入方法对句子聚类的适用性,以支持文章评分。我们发现,最合适的方法的选择取决于考试问题和答案的性质,深度学习方法能够,但不能保证比基于词汇重叠的简单方法更好的性能。
2021-04-23 cs.CL
Marking: Visual Grading with Highlighting Errors and Annotating Missing Bits
Rice University(莱斯大学)
本文提出“Marking”任务,通过高亮学生回答片段并标注标准答案遗漏来增强自动评分系统,将其构建为NLI任务扩展,使用BERT和RoBERTa进行实验并提供基线结果。
2024-04-22 cs.CL
Ratas framework: A comprehensive genai-based approach to rubric-based marking of real-world textual exams
Macquarie University(麦考瑞大学);ITIC Company(ITIC公司)
本文提出RATAS框架,利用生成式AI模型进行基于量规的文本评分,通过数学形式化和独特数据集验证,实现了高可靠性、准确性和可解释的反馈。
2025-05-27 cs.CL
Towards Robust Mathematical Reasoning
Georgia Institute of Technology(佐治亚理工学院);Seoul National University(首尔国立大学);Microsoft(微软);Massachusetts Institute of Technology(麻省理工学院);Brown University(布朗大学)
针对现有数学推理评估过于简单或仅关注简短答案的问题,提出了针对国际数学奥林匹克级别的 IMO-Bench 基准套件,并展示了其在推动模型实现金牌级性能及自动评估方面的关键作用。
2025-11-03 cs.AI cs.CL
Automatic Short Answer Grading via Multiway Attention Networks
TAL AI Lab(好未来人工智能实验室);Michigan State University(密歇根州立大学)
自动简答题评分(ASAG)根据参考答案自动对学生的答案进行评分,为教学专业人员提供了一种具有成本效益和一致性的方法,可以减少他们单调乏味的评分工作量。然而,ASAG是一项非常具有挑战性的任务,原因有两个:(1)学生的答案由自由文本组成,需要深入的语义理解;(2)问题通常是开放式的,并且在K-12场景中跨越许多领域。在本文中,我们提出了一个广义的端到端的ASAG学习框架,其目的是(1)自主地从学生和参考答案中提取语言信息;(2)准确地建模自由文本学生和参考答案之间的语义关系在开放式领域。所提出的ASAG模型在一个大型的真实世界K-12数据集上进行了评估,并且在各种评估指标方面都优于最先进的基线。
2019-09-23 cs.AI cs.CL
Directed Graph-alignment Approach for Identification of Gaps in Short Answers
Centre for Educational Technology(教育技术中心);G.S. Sanyal School of Telecommunications(G.S.桑亚尔电信学院);Indian Institute of Technology Kharagpur(印度理工学院克勒格布尔分校)
本文提出一种基于有向图对齐的方法,通过将学生答案与模型答案建模为有向图并进行比对,自动识别词、短语或句子级别的缺口,并在三个简答题评分数据集上验证了其有效性。
2025-04-06 cs.AI cs.CL
One Analyst Is Not Ground Truth: Grading Agent-Built Financial Models Against Observed Professional Practice
Shanghai Jiao Tong University(上海交通大学);University of Adelaide(阿德莱德大学);Tsinghua University(清华大学);National University of Singapore(新加坡国立大学);Peking University(北京大学)
研究针对金融模型无标准答案的问题,引入GAUGE基准,依据分析师实际做法评估代理构建的估值模型,通过多种方式验证,揭示高级、初级分析师及学生在模型评分上的差异,指出当前代理在模型构建与估值判断上的强弱情况,并发布相关资源。
2026-09-29 cs.AI cs.CE cs.LG
Can AI Assistance Aid in the Grading of Handwritten Answer Sheets?
IIT Bombay(印度理工学院孟买分校)
针对AI辅助能否减少手写答题卡评阅工作量的问题,本文提出一种结合自动检测问题区域与高亮手写关键词的AI辅助评阅流水线。真实考试数据的评估表明,该系统使单题和单份答题卡的评阅时间分别平均减少31%和33%。
2024-08-23 cs.AI cs.CV
Survey on Automated Short Answer Grading with Deep Learning: from Word Embeddings to Transformers
University of Twente(特文特大学);University of Duisburg-Essen(杜伊斯堡-埃森大学)
自动简短答案评分(ASAG)作为将教育任务扩展到越来越多的学生的一种手段,在教育领域引起了关注。自然语言处理和机器学习的最新进展极大地影响了ASAG领域,本文综述了ASAG的最新研究进展。我们通过对最近发布的部署深度学习方法的方法进行全面分析来补充以前的调查。特别是,我们专注于我们的分析过渡到手工设计的功能,表示学习方法,学习代表性的功能,自动从大型语料库的数据。我们将对深度学习方法的分析分为三类:词嵌入、序列模型和基于注意力的方法。深度学习对ASAG的影响与其他NLP领域不同,因为我们注意到,学习的表示本身并不能帮助实现最佳结果,但它们与手工设计的功能互补。最佳性能确实是通过将精心手工设计的功能与最新模型(例如Transformers架构)提供的语义描述的强大功能相结合的方法来实现的。我们确定了挑战,并提供了未来可以解决的研究方向的展望
2022-03-11 cs.AI cs.CL cs.LG
Grading Needs a Rubric, Not Intelligence
National Yang Ming Chiao Tung University(国立阳明交通大学)
该研究提出any-to-bench设计原则,证实小型语言模型依据明确评分标准评分的可靠性与高成本模型相当,评分标准中的官方答案是关键,可将评分与评分者智能解耦。
2026-08-19 cs.AI cs.CL
Enacting textual entailment and ontologies for automated essay grading in chemical domain
Technical University of Cluj-Napoca(克卢日-纳波卡技术大学)
我们提出了一个系统,自动论文评分使用本体论和文本蕴涵。文本蕴涵的过程是由假设指导的,这些假设是从领域本体中提取的。文本蕴涵检查假设的真实性是否来自给定的文本。我们制定文本蕴涵比较学生的答案,从本体获得的模型答案。我们验证了解决方案对各种论文写的学生在化学领域。
2015-11-09 cs.AI cs.CL
"I understand why I got this grade": Automatic Short Answer Grading with Feedback
Fujitsu Research of India Private Limited(富士通印度研究有限公司);Dept. of Computer Science and Engineering(计算机科学与工程系)
本文提出EngSAF数据集及LASFG策略,用于带反馈的自动简答题评分,Mistral-7B模型在未见答案和问题上准确率达75.4%和58.7%,并在真实考试中验证了系统有效性。
2025-06-23 cs.AI cs.CL cs.CY
From Flat to Structural: Enhancing Automated Short Answer Grading with GraphRAG
本文提出GraphRAG框架,通过构建结构化知识图谱解决传统RAG在复杂教育内容中的不足,实验表明其在评估科学与工程实践方面表现更优。
2026-02-28 cs.AI cs.CL
SteLLA: A Structured Grading System Using LLMs with RAG
Department of Computer Science Fitchburg State University(弗itchburg州立大学计算机科学系);Department of Computer Science University of Massachusetts Boston(马萨诸塞大学波士顿分校计算机科学系);Chantilly High School(chantilly高中)
本研究提出SteLLA系统,结合RAG与结构化问答评估,实现自动简答题评分,在真实生物学考试数据上与人工评分高度一致,并提供细粒度反馈。
2025-01-15 cs.AI cs.CL cs.CY
Can MLLMs generate human-like feedback in grading multimodal short answers?
本文研究了多模态简答评分与反馈问题,通过生成数据集评估了四种多模态大语言模型,展示了其在正确性预测和图像相关性评估中的性能。
2026-02-05 cs.AI
Towards Human-Like Grading: A Unified LLM-Enhanced Framework for Subjective Question Evaluation
Hangzhou City University(杭州市大学);Alibaba Group(阿里巴巴集团);Zhejiang Hospital(浙江省医院)
本文提出一个统一的大语言模型增强型主观题自动评分框架,通过四个互补模块实现类人评估,在多种数据集上优于基线,并已实际部署于大型电商企业的培训和认证考试中。
2025-10-09 cs.AI cs.CL
Towards LLM-based Autograding for Short Textual Answers
University of Liechtenstein(列支敦士登大学);University of St.Gallen(圣加仑大学)
本文评估 LLM 用于多语言、多课程短文本答案自动评分的表现,发现开箱即用模型可辅助教育者,但独立评分仍需人工监督。
2024-07-08 cs.AI cs.CL
HANS: A Handwritten Answer Sheet Dataset for Noisy Hybrid Document Parsing
Jinan University(暨南大学)
针对现有基准缺乏真实教育场景答题卡数据的问题,本文构建了含噪混合文档解析手写答题卡数据集HANS,并提出端到端框架NA-GOT,其在答题过程识别上的准确性与稳定性均获显著提升。
2026-10-09 cs.AI cs.CV
Answer Matching Outperforms Multiple Choice for Language Model Evaluation
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);ELLIS Institute Tübingen(图宾根ELLIS研究所);Tübingen AI Center(图宾根人工智能中心);University of Tübingen(图宾根大学)
本文提出答案匹配方法,通过让模型自由生成回答并由语言模型结合参考答案判断匹配性,证明其与人工评分一致性远高于多项选择和 LLM-as-a-judge,并推动评估生态从多项选择转向答案匹配。
2025-07-03 cs.AI cs.CL cs.LG
Towards Fully Automated Exam Grading: Fairness-Aware Recognition of Handwritten Answers with Foundation Models
Institute for Machine Learning and Analytics (IMLA), Offenburg University(奥芬堡大学机器学习和分析研究所(IMLA))
提出使用视觉-语言基础模型(VLM)识别手写答案,在61份考试(3141个答案位置)上达到98.4%准确率,并通过轻量提示将假阴性率降至0.58%,实现公平的全自动评分。
2026-06-11 cs.AI cs.CV
A LLM-Powered Automatic Grading Framework with Human-Level Guidelines Optimization
Michigan State University(密歇根州立大学)
本文提出多智能体自动简答题评分框架GradeOpt,利用大语言模型并引入反思者与优化者自动优化评分标准,在PCK和CK评分任务中显著提升评分准确性与人类评分一致性。
2025-06-03 cs.AI cs.CL
On the effectiveness of LLMs for automatic grading of open-ended questions in Spanish
Eng. School, UdelaR(乌拉圭共和国大学工程学院);Eng. School, UCUDAL(乌拉圭天主教大学工程学院)
本研究聚焦西班牙语开放式问题短文本自动评分场景,探究不同大语言模型与提示技术的效果,发现最优模型与提示策略组合在三级评分任务准确率超95%,二元评分任务超98%,验证了其在教育自动化中的潜力。
2025-03-23 cs.AI cs.CL
Data Augmentation: a Combined Inductive-Deductive Approach featuring Answer Set Programming
University of Calabria(卡拉布里亚大学)
针对生物医学等领域图像数据集有限且不平衡的问题,提出一种结合逻辑程序与 Deep Learning 的归纳-演绎数据增强框架,生成符合领域约束且逼真的图像。
2023-10-22 cs.LG
Assisting the Grading of a Handwritten General Chemistry Exam with Artificial Intelligence
Department of Chemistry and Applied Biosciences, ETH Zurich(苏黎世联邦理工学院化学与应用生物科学系);Rectorate and ETH AI Center, ETH Zurich(苏黎世联邦理工学院校长办公室和ETH人工智能中心)
本研究探究AI辅助手写普通化学考试评分的效果,发现AI在文字、化学反应题型上与人工评分一致性高,数值与图形题型可靠性较低,需结合人工筛选监督,为AI在教育评估中的应用提供参考。
2025-11-10 cs.AI cs.CY
Artificial Intelligence-Powered Assessment Framework for Skill-Oriented Engineering Lab Education
针对计算机科学实验教育中抄袭、评估不足、参与度低等问题,提出AsseslyAI框架,通过专属题目、AI监考口试、游戏化模拟及1万+数据集微调生成代码评估,整合多功能于一体,优于传统工具,可规模化培养技能型毕业生。
2025-09-27 cs.AI cs.CY
AI-Enabled grading with near-domain data for scaling feedback with human-level accuracy
本文提出基于近域数据的AI评阅方法,实现人类水平的准确反馈,优于现有机器学习模型和大型语言模型。
2025-12-01 cs.AI cs.CY cs.HC
ECG-QA: A Comprehensive Question Answering Dataset Combined With Electrocardiogram
KAIST(韩国科学技术院);Daejeon Medical AI Inc(大田医疗人工智能公司)
提出首个面向心电图分析的问答数据集ECG-QA,含70个经专家验证的问题模板,支持比较分析,旨在辅助临床心电图解读。
2023-10-10 cs.LG eess.SP q-bio.QM
Automated Assessment of Multimodal Answer Sheets in the STEM domain
Pune Institute of Computer Technology(浦那计算机技术学院);L3Cube Labs(L3Cube实验室);Indian Institute of Technology, Madras(马德拉斯印度理工学院)
本研究利用AI技术(如CRAFT、YoloV5和Mistral-7B)开发自动化评估系统,通过文本比较和图表转文本表示,实现STEM领域多模态答题卡的高效准确评分。
2024-09-24 cs.AI
Assessing instructor-AI cooperation for grading essay-type questions in an introductory sociology course
Lingnan University(岭南大学)
本研究以社会学入门课70份手写试卷为对象,测试GPT模型的转录与论述题评分表现,发现其与人工结果高度相关,可作为第二评分者辅助提升评分公平性与效率。
2025-01-11 cs.AI
A reinforcement learning approach for VQA validation: an application to diabetic macular edema grading
University of Bern(伯尔尼大学);ARTORG Center(ARTORG中心)
针对机器学习模型可解释性不足、验证方式有限的问题,提出基于强化学习智能体的自动自适应提问验证方法,通过视觉图灵测试揭示VQA算法推理行为,在糖尿病黄斑水肿分级算法评估中表现出类临床医生的提问行为。
2023-07-19 cs.AI cs.CV
MathMistake Checker: A Comprehensive Demonstration for Step-by-Step Math Problem Mistake Finding by Prompt-Guided LLMs
Shanghai Business School(上海商学院);UCloud Technology Co. Ltd.(UCloud优刻得科技股份有限公司)
本文提出MathMistake Checker系统,利用计算机视觉与大语言模型思维链能力,通过两阶段流程自动查找数学题逐步解答中的错误,支持无参考答案的开放式评分和个性化反馈。
2025-06-03 cs.AI
Grading the Unspoken: Evaluating Tacit Reasoning in Quantum Field Theory and String Theory with LLMs
Independent Researcher(独立研究者)
本文探讨LLMs在量子场论和弦论等高度抽象理论领域评估隐性推理的能力,提出五级评分标准,发现模型在显性推导中表现良好,但在需重建隐性步骤时表现下降。
2026-04-01 cs.AI cs.CL hep-th
Artificial-Intelligence Grading Assistance for Handwritten Components of a Calculus Exam
Michigan State University(密歇根州立大学)
本研究针对微积分手写题大规模评分需求,验证多模态大模型辅助评分的可行性,设计结合2PL风险度量的人在回路筛选机制,明确性能权衡并提出优化方向,实现常规案例AI处理、特殊案例人工评判的可靠方案。
2025-11-13 cs.AI cs.CY
Beyond Scores: A Modular RAG-Based System for Automatic Short Answer Scoring with Feedback
Graduate School of Information Science and Electrical Engineering(信息科学与电气工程研究生院);Kyushu University(九州大学);Faculty of Information Science and Electrical Engineering(信息科学与电气工程学部)
提出一种基于模块化 RAG 的 ASAS-F 系统,通过自动提示生成框架在零样本和少样本场景下评分并生成反馈,无需大量微调或提示工程,在未见问题上评分准确率提升9%。
2024-10-10 cs.AI cs.CL
Legal Research Bench: Measuring End-to-End Reliability in Long-Horizon Legal Research Agents
Vals AI
针对法律研究智能体可靠性不足的问题,提出含413个专家问题的法律研究基准LRB,通过全通过评分与来源验证评估13个前沿模型,最强模型正确率仅42.9%。
2026-10-02 cs.AI cs.CL cs.CY
Introducing Nominals to the Combined Query Answering Approaches for EL
University of Oxford(牛津大学)
所谓的组合方法在三个步骤中回答描述逻辑本体上的合取查询:首先,它们具体化本体和数据的某些结果;第二,它们评估数据上的查询;第三,它们过滤第二阶段的结果以消除不合理的答案。这种方法是为DL-Lite和EL语言家族的各种成员开发的,但它们都不能处理包含名词的本体。在我们的工作中,我们弥合了这一差距,并提出了一个组合的查询回答方法ELHO-一个逻辑,包含所有功能的OWL 2 EL标准除了传递角色和复杂的角色夹杂物。这个扩展是不平凡的,因为名词需要等式推理,这将复杂性引入了第一步和第三步。我们的实证评估表明,我们的技术是适合于实际应用,因此它提供了一个实际的基础上,在一个大片段的OWL 2 EL的合取查询回答。
2013-04-01 cs.AI cs.DB cs.LO
Get It Scored Using AutoSAS -- An Automated System for Scoring Short Answers
Adobe(奥多比);NSIT-Delhi(德里内塔吉·苏巴斯理工学院);Bloomberg(彭博);IIIT-Delhi(德里英迪拉·甘地信息技术学院);National University of Singapore(新加坡国立大学)
在MOOC时代,数百万考生参加在线考试,其中简短答案的评分是不可或缺的一部分。由人类评分员对其进行评估变得棘手。因此,应设计和部署一个能够对这些答复进行分级的通用自动化系统。在本文中,我们提出了一种快速,可扩展,准确的方法自动化的简短回答评分(SAS)。我们提出并解释了一个系统的SAS,即AutoSAS的设计和开发。给定一个问题及其评分样本,AutoSAS可以学习成功地对该提示进行评分。本文进一步阐述了词汇多样性,Word 2 Vec,提示和内容重叠等特征,这些特征在构建我们提出的模型中起着关键作用。我们还提出了一种方法,用于指示得分的答案负责的因素。训练模型在广泛使用的公共数据集上进行评估,即自动学生评估奖简短答案评分(ASAP-SAS)。AutoSAS显示出最先进的性能,并在一些问题提示中实现了超过8%的更好结果,如二次加权Kappa(QWK)所测量的,显示出与人类相当的性能。
2020-12-21 cs.AI
Rethinking the Generation of High-Quality CoT Data from the Perspective of LLM-Adaptive Question Difficulty Grading
针对不同LLMs生成高质量CoT数据的需求,提出基于LLM自身推理能力的问题难度分级方法,构建自适应数据库并采样生成数据,降低生成成本并提升SFT效率,在数学和代码推理任务中验证了方法的有效性与泛化性。
2025-04-16 cs.AI
AGenT Zero: Zero-shot Automatic Multiple-Choice Question Generation for Skill Assessments
Chegg, Inc.(Chegg公司);Stanford University(斯坦福大学)
在虚拟教育和招聘时代,多项选择题(MCQ)为技能评估提供了最有前途的途径,在这个时代,传统的基于绩效的替代方案(如项目和论文)变得不那么可行,评分资源也受到限制。MCQ的自动生成将允许大规模创建评估。自然语言处理的最新进展产生了许多复杂问题生成方法。然而,在特定领域中产生可部署结果的少数方法需要大量的特定于领域的训练数据,这可能是非常昂贵的获取。我们的工作提供了一个初步的进军MCQ生成下的高数据采集成本的情况下,战略性地强调释义的问题上下文(相比的任务)。除了保持问答对之间的语义相似性外,我们称之为AGenT Zero的管道仅由预先训练的模型组成,不需要微调,从而最大限度地减少了问题生成的数据采集成本。AGenT Zero在流畅性和语义相似性方面成功地优于其他预先训练的方法。此外,通过一些小的变化,我们的评估管道可以推广到更广泛的问题和答案空间,包括简短的答案或填写空白的问题。
2020-12-18 cs.AI cs.CL cs.CY
SAS-Bench: A Fine-Grained Benchmark for Evaluating Short Answer Scoring with Large Language Models
Peking University(北京大学);Fuzhou University(福州市大学);Hunan University(湖南大学);Shanghai AI Laboratory(上海人工智能实验室)
本文提出面向大语言模型短答案评分的细粒度基准 SAS-Bench,并发布专家标注数据集,通过多模型实验揭示科学题评分挑战及少样本提示的增益。
2025-05-15 cs.AI cs.CL
KOFFVQA: An Objectively Evaluated Free-form VQA Benchmark for Large Vision-Language Models in the Korean Language
MAUM AI Inc.(MAUM AI公司)
针对韩语VLMs评估缺乏且现有方法主观不可靠的问题,提出KOFFVQA韩语自由形式视觉问答基准,通过预定义客观评分标准实现可靠评估,实验证明其优于现有方法。
2025-03-31 cs.AI cs.CL cs.CV
Buggy rule diagnosis for combined steps through final answer evaluation in stepwise tasks
Utrecht University(乌得勒支大学)
本文提出通过最终答案评估来诊断逐步任务中合并多个步骤的学生错误,并在二次方程数据集上验证该方法可诊断29.4%的未诊断步骤,与教师诊断一致率达97%。
2025-07-18 cs.AI
Transforming Student Evaluation with Adaptive Intelligence and Performance Analytics
Acharya Institute of Technology(阿查里雅理工学院)
本文提出一个基于 Gemini API 的智能学生评估系统,支持自动出题、评分、防作弊与实时表现分析,以提升评估效率和基于数据的学习效果。
2025-02-07 cs.AI cs.CY
FinInteract: Benchmarking Clarification and Intent Integration in Ambiguous Financial Question Answering
McGill University(麦吉尔大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校);University of Toronto(多伦多大学)
针对金融问答中问题模糊性被忽视的问题,提出FinInteract双语基准,通过五类模糊分类和双解读配对,揭示单一标准答案幻觉,并证明澄清与意图整合对智能体性能的关键影响。
2026-09-22 cs.AI