Classifying Math Knowledge Components via Task-Adaptive Pre-Trained BERT

计算机科学 任务(项目管理) 粒度 多项式分布 人工智能 机器学习 度量(数据仓库) 自然语言处理 数据挖掘 程序设计语言 统计 数学 经济 管理
作者
Jia Tracy Shen,Michiharu Yamashita,Ethan Prihar,Neil T. Heffernan,Xintao Wu,Sean McGrew,Dongwon Lee
出处
期刊:Lecture Notes in Computer Science [Springer Science+Business Media]
卷期号:: 408-419 被引量:9
标识
DOI:10.1007/978-3-030-78292-4_33
摘要

Educational content labeled with proper knowledge components (KCs) are particularly useful to teachers or content organizers. However, manually labeling educational content is labor intensive and error-prone. To address this challenge, prior research proposed machine learning based solutions to auto-label educational content with limited success. In this work, we significantly improve prior research by (1) expanding the input types to include KC descriptions, instructional video titles, and problem descriptions (i.e., three types of prediction task), (2) doubling the granularity of the prediction from 198 to 385 KC labels (i.e., more practical setting but much harder multinomial classification problem), (3) improving the prediction accuracies by 0.5–2.3% using Task-adaptive Pre-trained BERT, outperforming six baselines, and (4) proposing a simple evaluation measure by which we can recover 56–73% of mispredicted KC labels. All codes and data sets in the experiments are available at: https://github.com/tbs17/TAPT-BERT

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
duran发布了新的文献求助10
1秒前
星辰大海的应助被奋斗花生采纳,获得10
1秒前
难过的凌寒完成签到,获得积分10
1秒前
研友_VZG7GZ的应助被hx采纳,获得10
1秒前
Bians完成签到,获得积分20
1秒前
大个的应助被科研助理795采纳,获得10
2秒前
2秒前
2秒前
扶风发布了新的文献求助10
3秒前
上官若男的应助被笑逆采纳,获得10
3秒前
4秒前
PINKRAY0417完成签到 ,获得积分10
4秒前
4秒前
科研通AI6.4的应助被WHW采纳,获得10
4秒前
n01W97的应助被大学习时代采纳,获得20
5秒前
5秒前
在水一方的应助被从容的罡采纳,获得10
5秒前
结实大白完成签到,获得积分10
6秒前
6秒前
dyq发布了新的文献求助10
6秒前
第四周期发布了新的文献求助10
6秒前
1111chen完成签到,获得积分10
7秒前
7秒前
aqqq完成签到 ,获得积分10
8秒前
9秒前
10秒前
领导范儿的应助被Chou采纳,获得10
10秒前
Tttthhh完成签到 ,获得积分10
10秒前
11秒前
忧郁的螺蛳粉完成签到,获得积分10
11秒前
喜悦寄风完成签到,获得积分10
11秒前
11秒前
11秒前
12秒前
buer完成签到,获得积分10
12秒前
小栗发布了新的文献求助10
12秒前
13秒前
开坦克的贝塔完成签到,获得积分10
13秒前
轨道交通振动与噪声小白完成签到,获得积分20
13秒前
LJR完成签到,获得积分10
14秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Handbook of Sport Coaching Research 1000
Orthognathic Surgery - 2 Volume Set 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8193438
求助须知:如何正确求助?哪些是违规求助? 9579666
关于积分的说明 21866723
捐赠科研通 7793099
什么是DOI,文献DOI怎么找? 3437297
关于科研通互助平台的介绍 2560719
邀请新用户注册赠送积分活动 2484156