介紹

隨著世界進一步走向數(shù)字化并使用工具來提高學習的能力和效率，還有很多手動的東西可以數(shù)字化，以使任務更容易。最近，許多大學開始將描述性答案的評估數(shù)字化。 

人工智能和機器學習已經(jīng)成為我們?nèi)粘Ｉ畹闹匾M成部分，令人欣慰的是，它使我們的生活和日常工作比以前容易得多。

雖然大多數(shù)學術流程都以數(shù)字方式進行了簡化，但描述性答案評估仍然是一個手動過程。

最近，許多知名組織已將描述性答案評估過程轉變?yōu)閿?shù)字方法。由于人工智能和機器學習正在影響我們生活的方方面面，機器學習很可能會影響描述性答案的檢查方式。借助 AI 集成的描述性答案評估系統(tǒng)，可以自動評估描述性答案。

隨著時間的推移，AI 集成工具不斷完善。

機器學習算法不斷從提供給它們的數(shù)據(jù)中學習，在輸入大量描述性答案和標記模式后，機器學習可以幫助指導答案是否正確并符合要求。

為了了解人工智能如何幫助自動化描述性答案評估，讓我們分析評估者考慮的每個因素。

評估者使用哪些因素來評估描述性答案？

1.準確性

答案的準確性及其與所提問題的相關程度。最好的答案是完全解決問題的答案。

人工智能如何幫助檢查答案的準確性——人工智能從提供給它的數(shù)據(jù)中學習，在開始這個過程之前，評估者可以輸入問題的理想答案，人工智能將答案的準確性分類為參考評估者提供的輸入。

2.關鍵詞

考官希望學生在答案中提及某些關鍵詞，這些關鍵詞因問題而異。當學生提到所需的關鍵字時，可以更容易地得出結論，即學生知道回答該特定問題背后的概念。

答案中可以有主關鍵字和次關鍵字，主關鍵字與答案直接相關，而次關鍵字與問題相關，但與主關鍵字緊密相關，而不是問題。

例如：

對于一個問題- 如果物質(zhì)是酸性或堿性，如何識別？

理想的答案- 可以對溶液進行石蕊試紙，以了解該物質(zhì)是酸性還是堿性。或者，也可以使用 pH 計。pH 計可以幫助我們了解 pH 值，它是衡量酸度或堿度的指標。

理想答案的主要關鍵詞- 石蕊試紙、石蕊試紙、pH 計。

二級關鍵字構成了理想的答案——酸度、堿度、電勢、氫濃度、電位計 pH 值、地衣衍生的石蕊。

人工智能如何提供幫助-一旦系統(tǒng)中的評估員根據(jù)預期答案輸入關鍵字，人工智能實際上可以在幾秒鐘內(nèi)掃描描述性答案以搜索關鍵字并標記這些關鍵字。此外，次要關鍵字的存在可以幫助您了解答案的準確性。

三、結構與概念

評估者檢查答案的結構是否符合標準，以及他們是否將主題的概念應用到答案中以作為他們意見的基礎。

人工智能如何提供幫助——人工智能/機器學習算法不斷從模式中學習；如果評估者向系統(tǒng)提供一個/或多個理想答案，人工智能系統(tǒng)可以在幾秒鐘內(nèi)分析答案的結構是否符合要求。系統(tǒng)可以進一步分配分數(shù)并通知評價者。

4.相關性

另一個因素是與問題相關的答案的相關性。學生所寫的答案是否與給定的主題相關。 

人工智能如何提供幫助——正確概念的準確性、答案長度、結構和應用會累積影響答案的相關性。將數(shù)據(jù)輸入人工智能系統(tǒng)后，人工智能工具可以判斷答案是否相關，并據(jù)此打分。

5.答案的真實性

到目前為止討論的所有其他因素都密切相關，但答案的真實性是一個非常重要的因素，因為它完全獨立于其他因素，這意味著高度準確的答案可能并不真實。 

人工評估的一個主要限制是評估者可能無法輕易斷定答案的真實性。

人工智能如何提供幫助——真實的答案是獨一無二的，而不是從任何來源復制的。基于 AI 的評估工具可以與抄襲檢查器集成，以自動斷定答案的真實性，這也具有很高的置信度。

答卷評估的數(shù)字化有何幫助？

人工智能和機器學習可以作為評估描述性答案的指南。

在評估基于意見的答案時，它可以提供見解和事實，以檢查答案的真實性和相關性。 

人工智能有助于更快地評估描述性答案，并通過在描述性答案的整個評估過程中提供指導，幫助教師更快地了解描述性答案。

它還將有助于更準確、更有效地標記和評估描述性答案。

最后，使用人工智能工具可以讓教師批量標記和評估描述性答案，這樣他們就可以比手動完成更多的工作。

結論

在評估描述性答案時，人工智能和機器學習的使用不僅可以使評估變得簡單而且準確。

隨著我們的教育以及技術在教育和學習中的使用不斷增長，人工智能和機器學習的使用將很快在描述性答案的評估中得到實施。有了這些特性，難怪人工智能可以提高評估人員的效率。

由于人工智能和機器學習只會在日常生活中保持相關性并變得重要，因此可以公平地注意到，將人工智能和機器學習結合起來評估描述性答案將很快成為新常態(tài)。