童话故事教育问题生成：基于问题类型分布和事件中心摘要的方法

"这篇论文探讨了童话故事教育问题的生成方法，旨在提升儿童的识字能力和认知发展。文章提出了一种新的问题生成策略，通过学习故事段落的问题类型分布，结合显著事件生成高认知需求问题。为了训练事件为中心的摘要器，研究者使用银样本来微调预训练的Transformer模型，并在新构建的教育问答数据集FairytaleQA上进行验证。结果显示，该方法在自动和人工评估中均表现优越，证明了问题类型分布学习和事件中心摘要在教育问题生成中的重要性。" 文章介绍了童话故事在儿童早期智力和识字发展中的关键作用。故事阅读过程中提出具有教育目标的问题能够帮助孩子理解和参与，其中分为高认知需求问题(HCD)和低认知需求问题(LCD)。HCD问题涉及应用、分析、综合和评估等高级思维技能，而LCD问题则主要测试故事的基本事实。尽管两者都是有益的，但生成吸引儿童且具有教育价值的问题是一项挑战，即便是对于成年人来说。 为了应对这一挑战，作者提出了一种新的问题生成方法。首先，他们学习输入故事段落中问题类型的分布，以便识别故事的核心主题和重要事件。接着，利用这些信息生成能促进深度思考的HCD问题。为了实现这一点，他们训练了一个以事件为中心的摘要生成器，采用由教育问答对组成的银样本来微调预训练的Transformer模型。这种微调策略使得模型能够更好地理解和生成与故事事件相关的问题。 在FairytaleQA数据集上，该方法的表现超越了其他基准，这表明其有效性和潜在的应用价值。通过将问题类型的学习和事件中心的摘要相结合，研究者不仅提高了问题生成的质量，还为教育技术提供了新的工具，有望改善儿童的阅读体验和学习效果。 这篇论文揭示了如何利用机器学习技术自动化生成有教育意义的故事问题，从而促进儿童的思维发展和阅读兴趣。这种方法的创新性和实用性为未来的教育软件和教学策略设计提供了新的思路。