Core Concepts
LLMを使用して数学問題のナレッジコンセプトタグ付けを自動化することで、教育アプリケーションのニーズに迅速に対応できる。
Abstract
本論文では、数学問題のナレッジコンセプトタグ付けを自動化するためにLLMを活用する方法を提案している。
数学問題のナレッジコンセプトタグ付けは、学習進捗診断、練習問題推薦、コンテンツ編成などの教育アプリケーションに重要な役割を果たす。
従来は専門家による手作業で行われていたが、オンラインコンテンツの急増に伴い、迅速な対応が困難になっている。
LLMは数学的・論理的推論能力に優れており、外部情報なしでも問題文と知識概念の関係を理解できる。
また、LLMの少量学習能力により、大規模な専門家アノテーションデータを必要としない。
広範な実験の結果、LLMを適切にプロンプト設計することで、数学問題のナレッジコンセプトタグ付けを自動化できることが示された。
LLMの性能差が大きいことから、成功のための重要な要因を経験的に明らかにした。
Stats
数学問題の数は1,359問
正解問題は186問、不正解問題は1,173問