Работа посвящена применению методов машинного обучения для повышения качества тестов. Проведен обзор предметной области и реализованы два метода повышения качества: поиск похожих вопросов и оценка качества дистракторов. Первый включает тестирование пяти моделей трансформеров для получения векторного представления текста и шесть алгоритмов кластеризации. Второй метод основан на использовании тех же моделей трансформеров совместно с тремя алгоритмами классификации. Результаты экспериментов показали высокую эффективность предложенных решений при решении обеих задач.
This study focuses on the application of machine learning methods to improve the quality of test items. The research includes a review of the subject area and the implementation of two enhancement methods: similar question retrieval and distractor quality assessment. The first method involves testing five transformer-based models for generating text embeddings and six clustering algorithms. The second method uses the same transformer models in combination with three classification algorithms. Experimental results demonstrated the high effectiveness of the proposed approaches in solving both tasks.
The authors declare that there are no conflicts of interest present.