بناء بنك أسئلة طبية متعددة الخيارات باستخدام منهجية دلالية لتوليد الخيارات الخاطئة مع قياس درجة الصعوبة

Other Title(s)

Building multiple choice medical question bank using semantic approach to generate more distractors along with question difficulty measurement

Joint Authors

جوخدار، عمار
محمد سليمان

Source

مجلة جامعة دمشق للعلوم الهندسية : مجلة علمية محكمة دورية

Publisher

Damascus University

Publication Date

2022-12-31

Country of Publication

Syria

No. of Pages

10

Main Subjects

Learning Technology

Arabic Abstract

يقدم البحث حلا للصعوبات الشائعة التي تواجه أنظمة توليد الأسئلة متعددة الخيارات آليا في المجال الطبي وذلك من خلال توليد عدد أكبر من الإجابات الخاطئة الجيدة (Distractors) مما يؤدي لزيادة كبيرة في عدد الأسئلة المولدة مع اتاحة إمكانية حذف الأسئلة البسيطة و إمكانية تجميع و اختيار الأسئلة بحسب الموضوع الطبي.

وقد تم ذلك من خلال 1.

استخدام شبكة العلاقات الدلالية التي تربط بين المفاهيم الطبية في نظام اللغة الطبية الموحد (UMLS) كمصدر مساعد جنبا إلى جنب مع شبكة العلاقات الهرمية (العائلية) التقليدية مما سمح بتوليد عدد كبير من الخيارات الخاطئة ذات صلة قرابة عالية بالخيار الصحيح 2.

تطوير خوارزمية تقوم بإسناد درجة صعوبة للأسئلة المتولدة و بالتالي تمكننا من استئصال الأسئلة شديدة السهولة.

حققت المنهجية المستخدمة زيادة كبيرة في عدد الأسئلة بنسبة %100 عن عدد الأسئلة المتولدة بالطرق التقليدية و تـم بنـاء بنك أسئلة مكون من 1,000,000 سؤالا طبيا متعدد الخيارات مستخرجة من 34 مصدر للبيانات الطبية (أنطولوجيات، قواعد معرفة، قواميس)، و تم اسناد درجة صعوبة لكل سؤال مما يتيح ترتيبها و اجتزائها حسب درجة الصعوبة المرغوبة مع وسم كل سؤال يصنف دلالي مطابق للصنف الدلالي الخاص بالجواب الصحيح مما يتيح إمكانية تجميع واختيار الأسئلة ، حسب الصنف الدلالي مرض، عرض، إنزيم، دواء.

English Abstract

This work solves common challenges that face the traditional Automatic Question Generation Systems in medical domain.

By finding a new way to generate more good distractors, the rate of the overall generated questions has been increased, and by measuring the difficulty for each question, the easy questions have been removed.

We also have tagged every question with the correct-answer's semantic type so it became possible to group the generated questions and query them according to their medical semantic types.

This was done by : 1.

Using medical semantic network within the Unified Medical Language System (UMLS) as a second resource for generating good distractors, along with the traditional hierarchy network that connects each concept with its parents and children, so adding this new resource allows for generating more good distractors and therefore generating more good questions, 2.

Developing an algorithm to measure the difficulty of each question so we can suppress the easy questions.

This approach enhances the quality of the generated questions and scales up the quantity by 100% compared to traditional approaches.

We have extracted 1,000,000 multiple choice questions in medical domain from 34 medical resources (Ontologies, knowledge bases, thesauruses), with each question having a difficulty score so the examiner can sort, remove and pick the questions according to the desired difficulty level, furthermore, each question is tagged with one or more semantic type, so it is possible to group the questions according to their medica; semantic type (Disease, Symptom, Enzyme, Drug, etc...).

Data Type

Conference Papers

Record ID

BIM-1529924

• APA
• MLA
• AMA