小規模言語モデルによるデータ拡張を取り入れた短答式記述問題の自動採点とその評価

カテゴリ：部門大会

論文No：TC8-2-4

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Automated Short Answer Scoring Incorporating Data Augmentation Using Small Language Models and Its Evaluation

著者名：金 珠梨（名城大学）,亀谷 由隆（名城大学）

著者名(英語)： Jooi Kim (Meijo University),Yoshitaka Kameya (Meijo University)

キーワード：自動採点,短答式記述問題,データ拡張,小規模言語モデル,説明可能AI,Automated Scoring,Short Answer Question,Data Augmentation,Small Language Model,Explainable AI

要約(日本語)：試験における記述式問題は多肢選択式に比べて測りたいことを直接的に測っているとされ，適切かつ短時間に採点できるなら，利用価値が大きいと考えられている．しかし，記述式問題には採点コストが高い，公平さを保つのが困難である等の性質がある．そのため，近年では記述式問題の自動採点が注目されており，特に自動採点モデルとして深層学習モデルを利用する研究が行われている．先行研究において，タグ付けされた答案データが十分な量あれば人間並みの採点が可能だとされているが，タグ付けの人的コストは高く，現実は容易ではない．また，深層学習モデルを利用した自動採点では採点の根拠が明らかでないという問題もある．そこで，本研究では小規模言語モデル（Small Language Model）を用いて答案データを拡張することで人的コストの軽減を目指す．更に説明可能AI手法を利用し，構築された自動採点モデルの採点根拠を可視化し，定性的な評価を行う．

本誌掲載ページ：359-365p

原稿種別：日本語

PDFファイルサイズ：810Kバイト