What Differentiates Educational Literature? A Multimodal Fusion Approach of Transformers and Computational Linguistics

要約

教育者には読みやすさを迅速に評価し、教室の多様なニーズに合わせてテキストを適応させるための拡張性の高いツールが不足していることが多いため、新しい文献を英語カリキュラムに組み込むことは依然として課題となっています。
この研究では、トランスフォーマーベースのテキスト分類と言語特徴分析を組み合わせてテキストを英国のキーステージに合わせるマルチモーダルなアプローチを通じて、このギャップに対処することを提案しています。
8 つの最先端の Transformer がセグメント化されたテキスト データに基づいて微調整され、BERT は最高のユニモーダル F1 スコア 0.75 を達成しました。
並行して、言語特性の分類のために 500 のディープ ニューラル ネットワーク トポロジが検索され、F1 スコア 0.392 が達成されました。
これらのモダリティの融合により、すべてのマルチモーダル アプローチがすべてのユニモーダル モデルよりも優れたパフォーマンスを示し、大幅な改善が見られます。
特にニューラルネットワークと融合したELECTRA TransformerはF1スコア0.996を達成した。
単峰性アプローチと多峰性アプローチでは、推論時間を除くすべての検証メトリック (精度、精度、再現率、F1 スコア) において統計的に有意な差があることが示されています。
提案されたアプローチは最終的に利害関係者向けの Web アプリケーションにカプセル化され、技術者以外の利害関係者がテキストの複雑さ、読解の難しさ、カリキュラムの調整、学習年齢範囲に関する推奨事項に関するリアルタイムの洞察にアクセスできるようになります。
このアプリケーションは、AI ベースの推奨事項を英語文学の授業計画に統合することで、データ主導の意思決定を強化し、手動の作業負荷を軽減します。

要約(オリジナル)

The integration of new literature into the English curriculum remains a challenge since educators often lack scalable tools to rapidly evaluate readability and adapt texts for diverse classroom needs. This study proposes to address this gap through a multimodal approach that combines transformer-based text classification with linguistic feature analysis to align texts with UK Key Stages. Eight state-of-the-art Transformers were fine-tuned on segmented text data, with BERT achieving the highest unimodal F1 score of 0.75. In parallel, 500 deep neural network topologies were searched for the classification of linguistic characteristics, achieving an F1 score of 0.392. The fusion of these modalities shows a significant improvement, with every multimodal approach outperforming all unimodal models. In particular, the ELECTRA Transformer fused with the neural network achieved an F1 score of 0.996. Unimodal and multimodal approaches are shown to have statistically significant differences in all validation metrics (accuracy, precision, recall, F1 score) except for inference time. The proposed approach is finally encapsulated in a stakeholder-facing web application, providing non-technical stakeholder access to real-time insights on text complexity, reading difficulty, curriculum alignment, and recommendations for learning age range. The application empowers data-driven decision making and reduces manual workload by integrating AI-based recommendations into lesson planning for English literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google