Gains :
- Possibilité de demander à l'intelligence artificielle de produire des questions à choix multiples, des distractions basées sur des erreurs typiques et des clés de solution en spécifiant le sujet, le niveau et la répartition des difficultés.
- Possibilité de détecter les erreurs de clé incorrecte et les erreurs d'option correctes multiples/zéro en validant indépendamment chaque question et clé de réponse, de préférence en masse, avec SymPy
- Capacité à évaluer la qualité des distractions, l'absence d'ambiguïté et l'équilibre des difficultés des questions, et à approuver chaque question avant de passer l'examen.
La préparation des questions d'examen et de pratique est l'une des tâches les plus chronophages dans l'enseignement des mathématiques : poser des questions de difficulté appropriée, concevoir des distractions plausibles (options erronées mais plausibles), préparer le corrigé et équilibrer la difficulté prend des heures. L'intelligence artificielle peut accélérer ce processus en générant des dizaines de variantes de questions, d'options à choix multiples et de clés de solution à partir d'un même sujet. Mais l’exactitude de chaque question posée et l’absence d’erreur de chaque corrigé doivent être vérifiées de manière indépendante ; Une clé incorrecte signifie que les étudiants perdent injustement des points. Dans cette unité, vous apprendrez comment utiliser l'IA comme partenaire de génération de questions et comment modérer chaque question.
Quelques définitions. Un distraction est une option dans une question à choix multiples qui n'est pas correcte mais qui correspond à une erreur courante que l'élève peut commettre. Un bon distraction n’est pas aléatoire ; Reflète une erreur typique (erreur de signe, confusion des règles). Le corrigé est une liste de réponses correctes aux questions. L’équilibre de difficulté est la répartition appropriée des questions faciles-moyennes-difficiles dans un examen.
Contribution de l'IA à la génération de questions
- Variation de question : plusieurs questions similaires à partir d'un modèle (en modifiant les nombres).
- Conception du distraction : choix plausiblement incorrects basés sur des erreurs courantes.
- Aperçu de la solution : solution étape par étape à chaque problème.
- Niveau de difficulté : classer les questions comme faciles/moyennes/difficiles.
- Couverture du sujet : ensembles de questions couvrant différents sous-thèmes d'un programme.
- Ajustement de la taxonomie Bloom : Question selon les niveaux cognitifs tels que la mémorisation, l'application, l'analyse.
Étape par étape : générer un ensemble de questions fiables
1. Précisez le sujet, le niveau et le nombre de questions. Comme "lycée de 10e année, équations quadratiques, 10 questions à choix multiples".
2. Demandez le type de question et la répartition des difficultés. Demandez une répartition du type « 4 faciles, 4 moyennes, 2 difficiles ».
3. Résolvez chaque question indépendamment. Résolvez chaque question vous-même ou avec SymPy ; Comparez-le avec le corrigé fourni par YZ. Cette étape n'est pas négociable.
4. Recherchez les distractions. Les mauvaises options sont-elles vraiment mauvaises ? Parfois, l'IA produit plus d'une option correcte, ou un distraction est réellement correct. Cochez chaque option.
5. Garantissez qu’il y a exactement une bonne réponse. Dans un choix multiple, exactement une option doit être correcte ; Il ne doit pas y avoir de zéro ni plus d'un correct.
6. Vérifiez l’incertitude et la duplication. La question est-elle univoque ? Les deux questions mesurent-elles la même chose ? Les chiffres sont-ils raisonnables (par exemple si la racine doit être négative) ?
Attention : l'IA commet deux erreurs les plus courantes lors de la génération de questions à choix multiples : (1) l'option marquée « vrai » est en fait fausse, (2) plus d'une option est correcte, ou aucune d'entre elles n'est correcte. N'utilisez aucune question sans résoudre chaque question indépendamment et évaluer chacune des quatre options séparément comme vrai/faux.
Tableau de contrôle de la qualité des questions
contrôle
Question
que rechercher
précision
Le corrigé est-il correct ?
Confirmation par solution indépendante
seulement vrai
Une seule option est-elle correcte ?
Les 3 autres doivent avoir tort
Qualité du attracteur
Les erreurs sont-elles plausibles ?
Doit être basé sur une erreur typique
Clarté
La question est-elle univoque ?
Il ne devrait y avoir aucune incertitude
Conformité du niveau
La difficulté est-elle adaptée à l'objectif ?
Ni trop facile ni trop difficile
Portée
Le sujet est-il bien représenté ?
Les sous-thèmes sont équilibrés
trois mini-cases
Cas 1 — Mauvaise clé. Un enseignant a produit une série de 12 questions à choix multiples. Lorsqu'il a résolu chaque question avec SymPy, il a constaté que dans 3 des 12 questions, l'option que l'IA avait marquée « correcte » était incorrecte – la réponse correcte était une autre option. Le professeur a redressé les clés. Si cet ensemble avait été utilisé sans vérification, la classe entière aurait été évaluée injustement en 3 questions.
Cas 2 — Deux options correctes. Dans une question, l'IA a mis à la fois « x = 2 » et « x = 2 ou x = −2 » ; Les deux étaient vrais dans un certain sens, et la question n’était pas claire. L'enseignant a réorganisé les options et n'a laissé qu'une seule bonne réponse. Les disrupteurs doivent être clairement dans l’erreur.
Cas 3 — Distracteur faible. Dans un cours d'ingénierie, l'IA a placé dans une question des éléments de distraction non pertinents tels que « 42 », « aksaray », « bleu », « 17 », etc. La bonne réponse était évidemment « 17 ». L’enseignant a demandé des distractions numériques basées sur des erreurs de calcul typiques (par exemple, une valeur résultant d’une erreur de signe), et les questions sont devenues de véritables discriminateurs. Le bon distraction représente un vrai faux chemin.
Quatre modèles copiables
1) Ensemble de questions à choix multiples :
Générez [n] questions à CHOIX MULTIPLE sur [sujet]. Niveau :[niveau]. Difficulté : [x facile, y moyen, z difficile]. Laissez chaque question avoir 4 options ; Supposons que EXACT 1 soit correct et que les 3 autres soient des distractions plausibles basées sur des erreurs typiques. Écrivez également la solution étape par étape et la réponse correcte pour chaque question. Je vais tous les vérifier avec SymPy.
2) Variation de la question (à partir du modèle) :
Prenez cette question comme MODÈLE : [exemple de question]. Générez [n] versions différentes mesurant le même concept mais avec des nombres/contextes différents. Résolvez les réponses pour chaque version étape par étape. Que les réponses soient différentes les unes des autres.
3) Génération de clé de solution :
Produisez une solution ÉTAPE PAR ÉTAPE et une réponse finale pour chacune des questions ci-dessous. Spécifiez la règle que vous utilisez. Marquez la solution dont vous n'êtes pas sûr ; Je vérifierai indépendamment chaque réponse. Questions : [ici]
4) Amélioration des distractions :
Passez en revue les éléments de distraction pour cette question à choix multiples. Expliquez à QUELLE erreur typique de l’élève correspond chaque distraction incorrecte. Remplacez les éléments de distraction non pertinents ou incorrects évidents par des éléments basés sur des erreurs réelles. Question : [ici]
Invite faible/Invite forte
Faible : "Faites-moi 10 questions dérivées."
Résultat : niveau incertain, répartition aléatoire des difficultés, corrigé non vérifié, ensemble aléatoire de distractions (le cas échéant).
Fort : "Produire 10 questions dérivées à choix multiples pour la 12e année du lycée : 4 faciles (règles de base), 4 moyennes (règle chaîne/produit), 2 difficiles (fonctions composées). Qu'il y ait 4 choix dans chaque question, exactement 1 correct, les autres sont des distractions basées sur des erreurs typiques (oubli de la dérivée interne, erreur de signe). Résolvez chaque question étape par étape et indiquez la bonne réponse."
Résultat : un ensemble nivelé, équilibré, les distractions sont significatives et chaque réponse est auditable.
Erreurs courantes
- Ne pas vérifier le corrigé. Ce que l’IA dit être « juste » est souvent faux ; Résolvez chaque question indépendamment.
- Plus d’un/zéro est la bonne option. Dans un choix multiple, il doit y avoir exactement une vérité ; Cochez chaque option séparément.
- Faibles distractions. Des options non pertinentes ou manifestement incorrectes rendent la question peu distinctive.
- Ne précisant pas la répartition des difficultés. Ils semblent tous présenter la même difficulté ; Une évaluation de niveau ne peut pas être effectuée.
- Répétition et chevauchement. Différentes questions peuvent mesurer le même concept ; Vérifiez le solde de la couverture.
- Expression vague. Les questions à double sens induisent injustement les étudiants en erreur.
Astuce : Le moyen le plus efficace de valider un ensemble de questions est d'écrire du code qui résout toutes les questions à la fois avec SymPy. Dites à l'IA "écrire du code qui résout chacun de ces 10 problèmes avec SymPy", exécutez le code et comparez en masse les résultats de SymPy avec le corrigé de l'IA. De cette façon, vous cochez les 10 questions non pas une par une, mais collectivement et de manière déterministe.
En résumé
L’IA accélère considérablement la génération de questions et d’examens mathématiques : variation des questions, conception des distractions, clé de solution, évaluation de la difficulté. Mais chaque question et chaque réponse doivent être validées indépendamment – de préférence en masse avec SymPy. Les erreurs les plus courantes sont les mauvaises réponses, les options correctes multiples ou nulles et les distractions faibles. Spécifier dès le début le sujet, le niveau et la répartition des difficultés augmente la qualité. Toute question non vérifiée ne doit pas participer à l'examen.
Tâche de candidature
Choisissez un sujet. Demandez à l'IA de produire 8 à 10 questions à choix multiples + solutions avec une certaine répartition des difficultés avec le 1er modèle. Ensuite, en vous souvenant de l'unité 4, demandez à l'IA d'écrire un code qui résout toutes les questions avec SymPy et exécutez le code. Comparez les résultats SymPy avec le corrigé de YZ. Vérifiez qu'il y a exactement un choix correct dans chaque question et que les éléments de distraction sont réellement incorrects. Trouvez et corrigez au moins une erreur ou un distraction faible.
liste de contrôle
- [ ] J'ai clairement indiqué la répartition des matières, du niveau et des difficultés.
- [ ] J'ai résolu chaque question indépendamment (de préférence par lots avec SymPy).
- [ ] J'ai comparé le corrigé avec les résultats SymPy.
- [ ] J'ai vérifié qu'il y avait exactement une option correcte dans chaque question.
- [ ] J'ai vérifié que les distractions étaient basées sur des erreurs typiques et qu'elles étaient réellement fausses.
- [ ] Je me suis assuré qu'il n'y avait pas de déclarations vagues ni de questions répétitives.