La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Natural language generation for intelligent tutoring systems

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Vu, Do Dung (2022). Natural language generation for intelligent tutoring systems. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[thumbnail of VU_Do_Dung.pdf]
Prévisualisation
PDF
Télécharger (2MB) | Prévisualisation

Résumé

This project tackles the problem of automatically generating text for a conversational intelligent tutoring system (ITS). The conversational ITS gives questions to the student and then analyzes their answer using machine learning algorithms. When the student’s answer is classified as being incorrect, the system must give an appropriate hint to help them answer the question or understand the problem. The system is powered by a database of questions, answers, and hints. The component generating the hints is called the “hint generation” model. To this end, we propose a feedback and hint generation model capable of generating meaningful, personalized, pedagogical hints. To make the course more engaging and effective for each student, we propose a “content generation” model capable of generating new content, including questions, answers, and hints, automatically from unstructured text (such as Wikipedia) or interactively with assistance from teachers. In addition, we also investigate how the system may be capable of efficiently adapting its content and tutoring strategies to individual students.

Titre traduit

Génération de langage naturel pour les systèmes de tutorat intelligents

Résumé traduit

Ce projet aborde le problème de la génération automatique de texte pour un système de tutorat intelligent conversationnel (ITS). L’ITS conversationnel pose des questions à l’étudiant, puis analyse sa réponse à l’aide d’algorithmes d’apprentissage automatique. Lorsque la réponse de l’élève est classée comme étant incorrecte, le système doit donner un indice approprié pour l’aider à répondre à la question ou à comprendre le problème. Le système est alimenté par une base de données de questions, réponses et astuces. Le composant générant les conseils est appelé le modèle de « génération de conseils ». À cette fin, nous proposons un modèle de génération de feedback et d’astuces capable de générer des astuces pédagogiques significatives, personnalisées. Pour rendre le cours plus engageant et efficace pour chaque étudiant, nous proposons en outre un modèle de « génération de contenu » capable de générer un nouveau contenu, y compris des questions, des réponses et des conseils, automatiquement à partir de texte non structuré (tel que Wikipédia) ou de manière interactive avec l’aide des enseignants. En outre, nous étudions également comment le système peut être capable d’adapter efficacement son contenu et ses stratégies de tutorat à chaque élève.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thesis presented to École de technologie supérieure in partial fulfillment for the degree of doctor of philosophy". Comprend des références bibliographiques (pages 135-159).
Mots-clés libres: intelligent Tutor, artificial Intelligence, natural language processing
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Ratté, Sylvie
Programme: Doctorat en génie > Génie
Date de dépôt: 23 juin 2022 15:12
Dernière modification: 23 juin 2022 15:12
URI: https://espace.etsmtl.ca/id/eprint/3024

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt