SINH CÂU HỎI TRẮC NGHIỆM TIẾNG ANH TỰ ĐỘNG SỬ DỤNG MÔ HÌNH NGÔN NGỮ TIỀN HUẤN LUYỆN KẾT HỢP KAG

Abstract

Việc xây dựng câu hỏi trắc nghiệm chất lượng cao đòi hỏi nhiều thời gian và nguồn lực trong giáo dục. Nghiên cứu này đề xuất một hệ thống tự động sinh câu hỏi trắc nghiệm từ văn bản tiếng Anh, nhằm hỗ trợ đánh giá hiệu quả mức độ tiếp thu tri thức của người học. Hệ thống gồm năm thành phần chính: (i) phân đoạn văn bản theo chủ đề để tạo các đoạn văn nhất quán ngữ nghĩa; (ii) trích xuất từ khóa làm đáp án đúng với thuật toán EmbedRank; (iii) sinh câu hỏi bằng mô hình T5 tích hợp cơ chế Gated Dual Cross-Attention; (iv) sinh đáp án nhiễu sử dụng T5 kết hợp KnowledgeAugmented Generation (KAG); và (v) tổng hợp kết quả. Hệ thống được huấn luyện và đánh giá trên các tập dữ liệu SQuAD 1.1, SciQ, WikiSection, cùng với một bộ dữ liệu tự xây dựng. Kết quả thực nghiệm và đánh giá cho thấy mô hình sinh câu hỏi đạt hiệu suất tốt với BLEU-4 = 19.18, ROUGE-L = 43.85, METEOR = 44.48 và BERTScore = 91.84. Đồng thời, phương pháp KAG giúp cải thiện đáng kể chất lượng đáp án nhiễu, đạt F1@3 = 16.19 và độ tương đồng ngữ nghĩa 76.12, vượt trội so với mô hình cơ sở. Từ khóa: sinh câu hỏi tự động, sinh câu hỏi trắc nghiệm tự động, trích xuất thông tin, T5, KAG.