Gjør som tusenvis av andre bokelskere
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.Du kan når som helst melde deg av våre nyhetsbrev.
Teachers spend a great amount of time grading free text answer type questions. To encounter this challenge an auto-grader system is proposed. The thesis illustrates that the auto-grader can be approached with simple, recurrent, and Transformer-based neural networks. Hereby, the Transformer-based models has the best performance. It is further demonstrated that geometric representation of question-answer pairs is a worthwhile strategy for an auto-grader. Finally, it is indicated that while the auto-grader could potentially assist teachers in saving time with grading, it is not yet on a level to fully replace teachers for this task.
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.