rose-e-wang/bridge

该数据集是一个真实世界的数学辅导数据集，源自NAACL 2024论文《通过决策模型弥合新手与专家差距：数学错误纠正的案例研究》。数据集针对学生在数学学习中犯错的场景，包含对话历史、原始导师的回应和经验丰富的教师的回应。此外，数据集还包含一些元数据，如学生错误类型、教师希望使用的策略和意图，这些元数据有助于复制教师的内部决策思维模型。数据集的主要研究目标是通过认知任务分析将专家的隐性思维过程转化为显性决策模型，以缩小新手和专家在数学错误纠正上的知识差距。

This dataset is a real-world math tutoring dataset from the NAACL 2024 paper Bridging the Novice-Expert Gap via Models of Decision-Making: A Case Study on Remediating Math Mistakes. The dataset targets scenarios where the student makes a math mistake, including conversation history, the original tutors response, and the experienced teachers response. Additionally, the dataset contains metadata such as the student error type, the strategy the teacher wants to use, and the intention they want to achieve, which helps replicate the teachers internal decision-making model. The main research goal of the dataset is to translate an experts implicit thought process into an explicit decision-making model through cognitive task analysis to bridge the novice-expert knowledge gap in remediating math mistakes.

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-4.0
• 任务类别: 文本生成
• 语言: 英语
• 标签: 数学
• 数据集名称: bridge
• 数据集规模: n<1K

数据集描述

• 来源: NAACL 2024 论文 "Bridging the Novice-Expert Gap via Models of Decision-Making: A Case Study on Remediating Math Mistakes"
• 目标场景: 学生数学错误场景

数据结构

• c_h: 对话历史
• c_r: 原始导师的响应
• c_r_: 经验丰富的教师的响应

可选元数据

• e: 经验丰富的教师识别的学生错误类型
• z_what: 经验丰富的教师在响应中使用的策略
• z_why: 经验丰富的教师在响应中想要实现的目标

数据集用途

• 用途: 用于复制教师内部决策思维模型
• 评估: 评估最先进的语言模型在数据集上的表现