知識グラフと大規模言語モデルを用いた、解釈可能な難易度推定に基づく複数選択式（MCQ）知識問題の生成

要旨: 多肢選択問題（MCQ）を難易度推定とともに生成することは、適応的なAI支援教育で用いられる自動MCQ生成システムにおいて、依然として困難です。本研究では、知識グラフ（KG）と大規模言語モデル（LLM）を利用して、入力ドキュメントから難易度推定付きのMCQを生成するための新しい手法を提案します。提案手法では、LLMを用いて入力ドキュメントからKGを構築し、そこからMCQを体系的に生成します。各MCQは、KG上のノードを鍵として選択し、関連する三つ組または五つ組をサンプリングし（必要に応じて追加の三つ組で拡張します）、これらのグラフ要素に基づく対応するステムを生成するようにLLMへプロンプトすることで生成されます。その後、誤答選択肢（distractors）はKGから選択されます。各MCQについて9つの難易度シグナルを計算し、データ駆動型のアプローチによって統一的な難易度スコアへと統合します。実験結果は、提案手法が高品質なMCQを生成し、その難易度推定が解釈可能であり、また人間の認識と整合することを示しています。本手法は、構造化された知識表現とLLM、さらにデータ駆動型の難易度推定モデルを統合することで、自動MCQ生成を改善します。