要約
強力な議論を書くことは、学習者にとって難しい場合があります。
それには、論理的かつ一貫した方法で複数の議論的談話単位 (ADU) を選択して配置すること、およびどの ADU を暗黙的に残すか、いわゆるエンタイムを決定する必要があります。
ただし、重要な ADU が欠落していると、読者は推論に従えなかったり、議論の要点を理解できなかったりする可能性があります。
この論文では、学習者の議論のための 2 つの新しいタスクを紹介します。それは、議論のギャップを特定すること (エンチミーム検出) と、そのようなギャップを埋める (エンチミーム再構成) です。
両方のタスクへのアプローチは、学習者が議論の質を向上させるのに役立つ可能性があります。
私たちは、テキストの自然さを維持しながら、議論とその品質の中心となるADUを議論テキストから削除することによって、これらのタスクのためのコーパスを自動的に作成する方法を研究します。
議論的な学習者のエッセイの ICLEv3 コーパスに基づいて、エンチミームの検出と再構築のために 40,089 の議論インスタンスを作成します。
手作業による研究を通じて、提案されたコーパス作成プロセスが望ましい品質の低下につながり、学習者が書いたものと同様に自然な議論が得られるという証拠を提供します。
最後に、酵素の検出と再構築に対する最初のベースラインのアプローチにより、コーパスの有用性が実証されました。
要約(オリジナル)
Writing strong arguments can be challenging for learners. It requires to select and arrange multiple argumentative discourse units (ADUs) in a logical and coherent way as well as to decide which ADUs to leave implicit, so called enthymemes. However, when important ADUs are missing, readers might not be able to follow the reasoning or understand the argument’s main point. This paper introduces two new tasks for learner arguments: to identify gaps in arguments (enthymeme detection) and to fill such gaps (enthymeme reconstruction). Approaches to both tasks may help learners improve their argument quality. We study how corpora for these tasks can be created automatically by deleting ADUs from an argumentative text that are central to the argument and its quality, while maintaining the text’s naturalness. Based on the ICLEv3 corpus of argumentative learner essays, we create 40,089 argument instances for enthymeme detection and reconstruction. Through manual studies, we provide evidence that the proposed corpus creation process leads to the desired quality reduction, and results in arguments that are similarly natural to those written by learners. Finally, first baseline approaches to enthymeme detection and reconstruction demonstrate the corpus’ usefulness.
arxiv情報
著者 | Maja Stahl,Nick Düsterhus,Mei-Hua Chen,Henning Wachsmuth |
発行日 | 2023-10-27 12:33:40+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google