要約
エッセイの自動採点は、50 年以上にわたって研究および業界の問題として検討されてきました。
NLP は、世界中の教育者にとって貴重な時間節約ツールの作成を可能にする研究分野としての明らかな教育的価値があるため、NLP コミュニティから多くの注目を集めています。
しかし、これらのツールは一般に、優れた文法、スペルミス、組織の品質を検出することに重点を置いていますが、最終的な評価に説得力のある機能を組み込むことには失敗する傾向があります。
生徒の議論の強度を高めるために生徒に実用的なフィードバックを与える責任は教師の肩にのみ委ねられます。
この研究では、説得力の質について議論的な文章の談話要素に注釈を付ける際に人間を超える精度を達成できるトランスフォーマーベースのアーキテクチャを紹介し、実用的なフィードバックをユーザーに提供できるように、モデルの説明可能性を調査する計画された将来の作業を拡張します。
したがって、教師のアドバイスとマシンのアドバイスの間の連携が可能になる可能性があります。
要約(オリジナル)
Automated Essay scoring has been explored as a research and industry problem for over 50 years. It has drawn a lot of attention from the NLP community because of its clear educational value as a research area that can engender the creation of valuable time-saving tools for educators around the world. Yet, these tools are generally focused on detecting good grammar, spelling mistakes, and organization quality but tend to fail at incorporating persuasiveness features in their final assessment. The responsibility to give actionable feedback to the student to improve the strength of their arguments is left solely on the teacher’s shoulders. In this work, we present a transformer-based architecture capable of achieving above-human accuracy in annotating argumentative writing discourse elements for their persuasiveness quality and we expand on planned future work investigating the explainability of our model so that actionable feedback can be offered to the student and thus potentially enable a partnership between the teacher’s advice and the machine’s advice.
arxiv情報
| 著者 | Yann Hicke,Tonghua Tian,Karan Jha,Choong Hee Kim |
| 発行日 | 2023-07-09 23:02:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google