在开放式回答评分中分离学生内容与教师偏见

Research Paper#Educational Assessment, Natural Language Processing, Machine Learning🔬 Research|分析: 2026年1月3日 15:58•
发布: 2025年12月30日 02:06
•
1分で読める
•ArXiv

分析

这篇论文解决了教育评估中的一个关键问题：学生理解与教师评分偏见的混淆。通过将内容与评分者倾向区分开来，作者提供了一个更准确、更透明地评估学生回答的框架。这对于主观判断起重要作用的开放式回答尤其重要。使用动态先验和残差化技术是一种很有前景的方法，可以减轻混杂因素并提高自动评分的可靠性。
引用 / 来源
查看原文
"The strongest results arise when priors are combined with content embeddings (AUC~0.815), while content-only models remain above chance but substantially weaker (AUC~0.626)."
A
ArXiv2025年12月30日 02:06
* 根据版权法第32条进行合法引用。
较旧

Predict the future with Machine Learning

较新

Machine Learning for Dummies

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv