이득:
- 인공지능이 주제, 수준, 난이도 분포를 지정하여 객관식 질문, 일반적인 오류를 기반으로 한 선택 항목, 솔루션 키를 생성하도록 하는 기능입니다.
- SymPy를 사용하여 각 질문과 답변 키를 가급적이면 대량으로 독립적으로 검증하여 잘못된 키와 여러/0개의 올바른 옵션 오류를 포착하는 기능
- 방해 요소의 품질, 질문의 명확성 및 난이도 균형을 평가하고 시험에 응시하기 전에 각 질문을 승인하는 능력.
시험 및 연습 문제를 준비하는 것은 수학 교육에서 가장 시간이 많이 걸리는 작업 중 하나입니다. 적절한 난이도의 문제 설정, 그럴듯한 선택 요소(틀렸지만 그럴듯한 옵션) 설계, 답안 준비 및 난이도 균형을 맞추는 데는 몇 시간이 걸립니다. 인공 지능은 하나의 주제에서 수십 가지 변형 질문, 객관식 옵션 및 솔루션 키를 생성하여 이 프로세스의 속도를 높일 수 있습니다. 그러나 생성된 각 질문의 정확성과 각 답안의 오류가 없는지는 독립적으로 검증되어야 합니다. 잘못된 키는 학생들이 부당하게 점수를 잃는다는 것을 의미합니다. 이 단원에서는 AI를 질문 생성 파트너로 사용하는 방법과 각 질문을 조정하는 방법을 배웁니다.
몇 가지 정의. 산만함은 옳지 않지만 학생이 범할 수 있는 일반적인 실수에 해당하는 객관식 문제의 옵션입니다. 좋은 주의를 분산시키는 사람은 무작위가 아닙니다. 일반적인 오류(부호 오류, 규칙 혼동)를 반영합니다. 정답은 질문에 대한 정답 목록입니다. 난이도 균형은 시험에서 쉬움-보통-어려움 문제를 적절하게 분배하는 것입니다.
질문 생성에 AI의 기여
- 질문 변형: 패턴의 여러 유사한 질문(숫자 변경)입니다.
- 주의를 끄는 디자인: 일반적인 오류를 기반으로 한 그럴듯하게 잘못된 선택입니다.
- 솔루션 핵심 개요: 각 문제에 대한 단계별 솔루션입니다.
- 난이도 평가: 질문을 쉬움/보통/어려움으로 분류합니다.
- 주제 범위: 강의 계획서의 다양한 하위 주제를 다루는 질문 세트입니다.
- Bloom 분류법 적합성: 기억, 적용, 분석 등 인지 수준에 따른 질문입니다.
단계별: 신뢰할 수 있는 질문 세트 생성
1. 주제, 수준, 질문 수를 지정합니다. "고등학교 10학년, 이차방정식, 객관식 10문제" 같은 거죠.
2. 문제 유형과 난이도 분포를 물어보세요. "쉬움 4개, 중간 4개, 어려움 2개"와 같은 분포를 요청하세요.
3. 각 질문을 독립적으로 풀어보세요. 각 질문을 직접 해결하거나 SymPy를 사용하여 해결하세요. YZ에서 제공하는 답안과 비교해 보세요. 이 단계는 협상할 수 없습니다.
4. 방해 요인이 있는지 확인하세요. 잘못된 선택은 정말로 잘못된 것인가? 때로는 AI가 두 개 이상의 올바른 옵션을 생성하거나 주의를 돌리는 요소가 실제로 올바른 경우도 있습니다. 각 옵션을 확인하세요.
5. 정답은 정확히 하나임을 보장합니다. 객관식에서는 정확히 하나의 보기가 맞아야 합니다. 정답은 0이 아니거나 1개 이상이어야 합니다.
6. 불확실성과 중복을 확인하십시오. 질문이 일관적인가요? 두 질문이 동일한 것을 측정합니까? 숫자가 합리적입니까(예: 근이 음수여야 하는 경우)?
주의: AI는 객관식 질문을 생성할 때 가장 흔한 두 가지 실수를 범합니다. (1) "true"로 표시된 옵션이 실제로 잘못된 것, (2) 둘 이상의 옵션이 정확하거나 둘 중 하나도 정확하지 않습니다. 각 질문을 독립적으로 해결하고 네 가지 옵션을 각각 참/거짓으로 평가하지 않은 채 질문을 사용하지 마십시오.
문제 품질 관리 차트
제어
질문
무엇을 검색할 것인가
정확성
답안이 맞나요?
독립적인 솔루션으로 확인
오직 사실이다
옵션이 1개만 맞나요?
나머지 3개는 틀림
방해가 되는 품질
실수가 그럴듯합니까?
일반적인 오류를 기반으로 해야 합니다.
선명도
질문이 일관적인가요?
불확실성이 없어야 한다
레벨 준수
난이도가 목표에 적합한가?
너무 쉽지도 너무 어렵지도 않은
범위
주제가 잘 표현되어 있는가?
하위 주제가 균형을 이루고 있습니다.
세 개의 미니 케이스
사례 1 — 잘못된 키. 한 교사가 12개의 질문으로 구성된 객관식 세트를 만들었습니다. 그는 SymPy로 각 질문을 풀었을 때 12개 질문 중 3개에서 AI가 "올바름"으로 표시한 옵션이 틀렸다는 사실을 발견했습니다. 실제 정답은 또 다른 옵션이었습니다. 선생님은 열쇠를 곧게 펴셨습니다. 이 세트를 검증 없이 사용했다면 3문항에서 학급 전체가 불공정하게 평가받았을 것입니다.
사례 2 — 두 가지 올바른 옵션. 한 질문에 AI는 "x = 2"와 "x = 2 또는 x = −2"를 모두 입력했습니다. 둘 다 어떤 의미에서는 사실이었고 질문은 불분명했습니다. 선생님은 보기를 다시 정리하고 정답을 하나만 남겼습니다. 주의를 산만하게 하는 사람은 분명히 틀린 사람이어야 합니다.
사례 3 — 약한 주의 분산 요소. 공학 수업에서 AI는 "42", "aksaray", "blue", "17" 등과 같은 관련 없는 방해 요소를 질문에 배치했습니다. 정답은 분명히 "17"이었습니다. 교사는 일반적인 계산 오류(예: 부호 오류로 인한 값)를 기반으로 수치적 산만함을 요청했고, 그 질문은 진정한 판별자가 되었습니다. 좋은 주의를 끄는 사람은 진짜 잘못된 길을 나타냅니다.
복사 가능한 템플릿 4개
1) 객관식 질문 세트:
[주제]에 대해 [n]개의 객관식 문제를 생성합니다. 레벨:[레벨]. 난이도: [x 쉬움, y 중간, z 어려움]. 각 질문에는 4가지 옵션이 있습니다. 정확히 1개는 정확하고 나머지 3개는 일반적인 오류를 기반으로 한 그럴듯한 방해 요인이라고 가정합니다. 또한 각 질문에 대한 단계별 솔루션과 정답을 작성하세요. SymPy로 모두 검증하겠습니다.
2) 질문 변형(패턴에서):
이 질문을 패턴으로 생각하세요: [샘플 질문]. 동일한 개념을 측정하지만 숫자/컨텍스트가 다양한 [n]개의 다른 버전을 생성합니다. 각 버전에 대한 답변을 단계별로 풀어보세요. 답변이 서로 달라 지도록하십시오.
3) 솔루션 키 생성:
아래 각 질문에 대한 단계별 솔루션과 최종 답변을 작성하세요. 사용하는 규칙을 지정합니다. 확실하지 않은 해결책을 표시하십시오. 각 답변을 독립적으로 확인하겠습니다. 질문: [여기]
4) 주의를 산만하게 하는 요소 개선:
이 객관식 질문에 대한 방해 요인을 검토하세요. 각각의 잘못된 방해 요소가 해당하는 전형적인 학생 오류를 설명하십시오. 관련이 없거나 명백히 잘못된 주의를 끄는 요소를 실제 오류를 기반으로 한 것으로 교체하십시오. 질문: [여기]
약한 프롬프트 / 강한 프롬프트
약함: "파생 질문 10개를 해주세요."
결과: 불확실한 수준, 무작위 난이도 분포, 확인되지 않은 답안, 무작위 방해 요인 세트(있는 경우).
Strong: "고등학교 12학년을 위한 10개의 객관식 파생 질문을 생성합니다. 4개는 쉬움(기본 규칙), 4개는 중간(체인/제품 규칙), 2개는 어렵습니다(복합 함수). 각 질문에 4개의 선택이 있고 정확히 1개는 맞고 나머지는 일반적인 오류(내부 파생 항목 잊어버리기, 부호 오류)를 기반으로 한 선택 항목입니다. 각 질문을 단계별로 풀고 정답을 표시하십시오."
결과: 균형 있고 균형 잡힌 세트는 의미가 있으며 모든 답변을 감사할 수 있습니다.
일반적인 실수
- 정답을 확인하지 않습니다. AI가 "옳다"고 말하는 것은 종종 잘못된 것입니다. 각 질문을 독립적으로 해결하세요.
- 1/0 이상이 올바른 옵션입니다. 객관식에는 정확히 하나의 진실이 있어야 합니다. 각 옵션을 별도로 확인하세요.
- 약한 산만한 사람. 관련성이 없거나 명백히 잘못된 옵션은 질문을 불명확하게 만듭니다.
- 난이도 분포를 지정하지 않습니다. 그것들은 모두 같은 어려움을 겪는 것처럼 보입니다. 레벨 평가를 할 수 없습니다.
- 반복과 중첩. 동일한 개념을 다른 질문으로 측정할 수도 있습니다. 보장 잔액을 확인하세요.
- 모호한 표현. 이중 의미를 지닌 질문은 학생들을 부당하게 오도합니다.
팁: 일련의 질문을 검증하는 가장 효율적인 방법은 SymPy를 사용하여 모든 질문을 한 번에 해결하는 코드를 작성하는 것입니다. AI에게 "SymPy로 이 10가지 문제를 각각 해결하는 코드를 작성하라"고 지시하고, 코드를 실행한 후 SymPy 결과를 AI의 답안과 일괄 비교합니다. 이렇게 하면 10개의 질문을 하나씩 확인하는 것이 아니라 종합적이고 결정론적으로 확인하게 됩니다.
요약하면
AI는 수학 문제와 시험 생성 속도를 획기적으로 향상시킵니다. 문제 변형, 주의를 끄는 요소 디자인, 솔루션 키, 난이도 평가. 그러나 각 질문과 각 답안은 독립적으로 검증되어야 합니다. SymPy를 사용하여 대량 검증하는 것이 좋습니다. 가장 일반적인 오류는 잘못된 답안, 다중/0 정답 옵션 및 약한 방해 요소입니다. 처음부터 주제, 레벨, 난이도 분포를 지정하면 품질이 높아집니다. 확인되지 않은 질문은 시험에 출제되어서는 안 됩니다.
응용과제
주제를 선택하세요. AI가 1차 템플릿으로 8~10개의 객관식 문제 + 특정 난이도 분포의 풀이를 생성하게 하세요. 그런 다음 4단원을 기억하면서 AI가 SymPy로 모든 문제를 해결하는 코드를 작성하고 코드를 실행하게 하세요. SymPy 결과를 YZ의 답안과 비교하세요. 각 질문에 정확히 하나의 올바른 선택이 있는지, 주의를 끄는 요소가 실제로는 틀렸는지 확인하세요. 적어도 하나의 오류나 약한 주의를 방해하는 요소를 찾아 수정하세요.
체크리스트
- [ ] 과목, 레벨, 난이도 분포를 명확하게 명시했습니다.
- [ ] 각 질문을 독립적으로 해결했습니다(SymPy를 사용하여 일괄 처리하는 것이 좋습니다).
- [ ] 정답과 SymPy 결과를 비교했습니다.
- [ ] 각 질문에는 정확히 하나의 정답이 있음을 확인했습니다.
- [ ] 나는 주의를 분산시키는 요소가 일반적인 오류에 기초한 것이며 실제로는 잘못된 것임을 확인했습니다.
- [ ] 모호한 진술이나 반복적인 질문이 없는지 확인했습니다.