کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
In recent years, there has been a surge in research on Question Difficulty Estimation (QDE) using natural language processing techniques. Transformer-based neural networks achieve state-of-the-art performance, primarily through supervised methods but with an isolated study in unsupervised learning. While supervised methods focus on predictive performance, they require abundant labeled data. On the other hand, unsupervised methods do not require labeled data but rely on a different evaluation metric that is also computationally expensive in practice. This work bridges the research gap by exploring active learning for QDE, a supervised human-in-the-loop approach striving to minimize the labeling efforts while matching the performance of state-of-the-art models. The active learning process iteratively trains on a labeled subset, acquiring labels from human experts only for the most informative unlabeled data points. Furthermore, we propose a novel acquisition function PowerVariance to add the most informative samples to the labeled set, a regression extension to the PowerBALD function popular in classification. We employ DistilBERT for QDE and identify informative samples by applying Monte Carlo dropout to capture epistemic uncertainty in unlabeled samples. The experiments demonstrate that active learning with PowerVariance acquisition achieves a performance close to fully supervised models after labeling only 10% of the training data. The proposed methodology promotes the responsible use of educational resources, makes QDE tools more accessible to course instructors, and is promising for other applications such as personalized support systems and question-answering tools.
چکیده به فارسی (ترجمه ماشینی)
در سالهای اخیر ، با استفاده از تکنیک های پردازش زبان طبیعی ، تحقیقات در مورد تخمین مشکل در سؤال (QDE) وجود داشته است.شبکه های عصبی مبتنی بر ترانسفورماتور به عملکرد پیشرفته ، در درجه اول از طریق روش های نظارت شده اما با یک مطالعه منزوی در یادگیری بدون نظارت دست می یابند.در حالی که روشهای تحت نظارت بر عملکرد پیش بینی متمرکز هستند ، آنها به داده های دارای برچسب فراوان نیاز دارند.از طرف دیگر ، روشهای بدون نظارت نیازی به داده های دارای برچسب ندارند بلکه به یک متریک ارزیابی متفاوت متکی هستند که در عمل نیز از نظر محاسباتی گران است.این کار با کاوش در یادگیری فعال برای QDE ، شکاف تحقیق را به وجود می آورد ، یک رویکرد تحت نظارت انسان در حلقه تلاش برای به حداقل رساندن تلاش های برچسب زدن ضمن تطبیق عملکرد مدلهای پیشرفته.فرآیند یادگیری فعال به طور تکراری بر روی یک زیر مجموعه دارای برچسب آموزش می دهد و برچسب هایی را از متخصصان انسانی فقط برای آموزنده ترین نقاط داده بدون برچسب به دست می آورد.علاوه بر این ، ما یک عملکرد جدید دستیابی به PowerVariance را پیشنهاد می کنیم تا آموزنده ترین نمونه ها را به مجموعه برچسب زده شده اضافه کنیم ، یک گسترش رگرسیون به عملکرد PowerBald محبوب در طبقه بندی.ما از Distilbert برای QDE استفاده می کنیم و با استفاده از ترک تحصیل مونت کارلو برای گرفتن عدم اطمینان معرفتی در نمونه های بدون برچسب ، نمونه های آموزنده را شناسایی می کنیم.این آزمایشات نشان می دهد که یادگیری فعال با کسب PowerVariance پس از برچسب زدن تنها 10 ٪ از داده های آموزش ، عملکردی نزدیک به مدلهای کاملاً نظارت شده را به دست می آورد.روش پیشنهادی استفاده مسئول از منابع آموزشی را ارتقا می بخشد ، ابزارهای QDE را برای مربیان دوره قابل دسترسی تر می کند و برای سایر برنامه های کاربردی مانند سیستم های پشتیبانی شخصی و ابزارهای پاسخ به سؤال امیدوار است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
