Participation de l'équipe TTGV à DEFT 2023~: Réponse automatique à des QCM issus d'examens en pharmacie
Andréa Blivet, Solène Degrutère, Barbara Gendron, Aurélien Renault, Cyrille Siouffi, Vanessa Gaudray Bouju, Christophe Cerisara, Hélène Flamein, Gaël Guibon, Matthieu Labeau, Tom Rousseau
Résumé : Cet article présente l'approche de l'équipe TTGV dans le cadre de sa participation aux deux tâches proposées lors du DEFT 2023 : l'identification du nombre de réponses supposément justes à un QCM et la prédiction de l'ensemble de réponses correctes parmi les cinq proposées pour une question donnée. Cet article présente les différentes méthodologies mises en oeuvre, explorant ainsi un large éventail d'approches et de techniques pour aborder dans un premier temps la distinction entre les questions appelant une seule ou plusieurs réponses avant de s'interroger sur l'identification des réponses correctes. Nous détaillerons les différentes méthodes utilisées, en mettant en exergue leurs avantages et leurs limites respectives. Ensuite, nous présenterons les résultats obtenus pour chaque approche. Enfin, nous discuterons des limitations intrinsèques aux tâches elles-mêmes ainsi qu'aux approches envisagées dans cette contribution.
Mots clés : classification, multiclasse, multiétiquette, approches génératives