Covering Uncommon Ground: Gap-Focused Question Generation for Answer Assessment, ACL'23

[AkihikoWatanabe]

https://virtual2023.aclweb.org/paper_P2093.html#abstract

[AkihikoWatanabe]

Human communication often involves information gaps between the interlocutors. For example, in an educational dialogue a student often provides an answer that is incomplete, and there is a gap between this answer and the perfect one expected by the teacher. Successful dialogue then hinges on the teacher asking about this gap in an effective manner, thus creating a rich and interactive educational experience. We focus on the problem of generating such gap-focused questions (GFQs) automatically. We define the task, highlight key desired aspects of a good GFQ, and propose a model that satisfies these. Finally, we provide an evaluation by human annotators of our generated questions compared against human generated ones, demonstrating competitive performance.

Translation (by gpt-3.5-turbo)

• 人間のコミュニケーションには、相互の話者間で情報のギャップがよく存在します。例えば、教育的な対話では、学生がしばしば完全ではない回答を提供し、この回答と教師が期待する完璧な回答との間にギャップがあります。成功した対話は、教師がこのギャップについて効果的に質問することにかかっており、それによって豊かでインタラクティブな教育体験が生まれます。私たちは、このようなギャップに焦点を当てた質問（GFQs）を自動的に生成する問題に注目しています。私たちは、このタスクを定義し、良いGFQの重要な要素を強調し、これらを満たすモデルを提案します。最後に、私たちは人間のアノテーターによる評価を提供し、人間が生成した質問と比較して私たちの生成した質問の競争力のあるパフォーマンスを示します。

Summary (by gpt-3.5-turbo)

• 本研究では、教育的な対話における情報のギャップに焦点を当て、自動的に質問を生成する問題に取り組んでいます。良い質問の要素を明確にし、それを満たすモデルを提案します。また、人間のアノテーターによる評価を行い、生成された質問の競争力を示します。