数学問題生成のためのマルチエージェント協調フレームワーク

要旨

数学教育における自動問題生成（AQG）は、インテリジェント・チュータリングシステムや教育者にとって未だに達成困難な目標である。事前学習済みのトランスフォーマーベースの言語モデルは自然言語生成を大幅に進歩させたが、問題の複雑さや認知的負荷を正確に制御することにはしばしば苦戦している。本論文では、推論時の計算をAQGに組み込む新たな手法として、協調型マルチエージェントフレームワークを提案する。このアプローチでは、複数のエージェントが生成された問題-解答ペアを反復的に洗練し、複雑さと認知的負荷のバランスをより良く調整する。生成された問題を、関連性、重要性、明瞭性、難易度の一致、解答可能性という5つのメタ評価基準に基づいて評価し、システムが要求される複雑さと問題の質を制御する能力を検証する。予備評価の結果、この協調型マルチエージェントフレームワークは、認知的課題と明瞭性の間のより微妙なバランスを促進することで、生成される教育コンテンツの質を向上させることが示された。これらの有望な結果は、協調型マルチエージェントのワークフローを統合することで、より制御された教育的価値の高いコンテンツを生み出し、自動化された教育コンテンツ生成と適応型学習環境の進展に寄与できることを示唆している。

English

Automatic question generation (AQG) for mathematics education remains an elusive goal for Intelligent Tutoring Systems and educators. While pre-trained transformer-based language models have significantly advanced natural language generation, they often struggle to precisely control problem complexity and cognitive demands. In this paper, we introduce a collaborative multi-agent framework as a novel method of incorporating inference-time computation into AQG. This approach leverages multiple agents that iteratively refine generated question-answer pairs to better balance complexity and cognitive demand. We evaluate the generated questions on five meta-evaluation criteria: relevance, importance, clarity, difficulty matching, answerability, to assess the system's ability to control the required complexity and quality of the questions. Preliminary evaluations show that this collaborative multi-agent framework elevates the quality of generated educational content by fostering a more nuanced balance between cognitive challenge and clarity. These promising outcomes suggest that integrating collaborative multi-agent workflows can yield more controlled, pedagogically valuable content that can help advance automated educational content generation and adaptive learning environments.

数学問題生成のためのマルチエージェント協調フレームワーク

Multi-Agent Collaborative Framework For Math Problem Generation

要旨

Support