Fugu-MT 論文翻訳(概要): Review of feedback in Automated Essay Scoring

論文の概要: Review of feedback in Automated Essay Scoring

arxiv url: http://arxiv.org/abs/2307.05553v1
Date: Sun, 9 Jul 2023 11:04:13 GMT
ステータス: 処理完了
システム内更新日: 2023-07-13 16:28:39.466266
Title: Review of feedback in Automated Essay Scoring
Title（参考訳）: 自動評価におけるフィードバックの見直し
Authors: You-Jin Jong, Yong-Jin Kim, Ok-Chol Ri
Abstract要約: 最初の自動エッセイ評価システムは50年前に開発された。本稿では,異なるフィードバックタイプやエッセイ特性を含むフィードバックについて,自動エッセイ評価について検討する。
参考スコア（独自算出の注目度）: 6.445605125467574
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The first automated essay scoring system was developed 50 years ago. Automated essay scoring systems are developing into systems with richer functions than the previous simple scoring systems. Its purpose is not only to score essays but also as a learning tool to improve the writing skill of users. Feedback is the most important aspect of making an automated essay scoring system useful in real life. The importance of feedback was already emphasized in the first AES system. This paper reviews research on feedback including different feedback types and essay traits on automated essay scoring. We also reviewed the latest case studies of the automated essay scoring system that provides feedback.
Abstract（参考訳）: 最初の自動エッセイ評価システムは50年前に開発された。自動エッセイスコアリングシステムは、従来の単純なスコアリングシステムよりもリッチな機能を持つシステムに発展しつつある。その目的は、エッセイのスコアだけでなく、ユーザの書き方を改善するための学習ツールでもある。フィードバックは、実生活で有用な自動エッセイ評価システムを構築する上で最も重要な側面である。最初のAESシステムではフィードバックの重要性が強調されていた。本稿では,異なるフィードバックタイプやエッセイ特性を含むフィードバックに関する研究についてレビューする。また,フィードバックを提供する自動エッセイ評価システムの最新事例について検討した。

関連論文リスト

Hey AI Can You Grade My Essay?: Automatic Essay Grading [1.03590082373586]
自動エッセイグレーディング(AEG)分野における最先端モデルよりも優れた新しいモデルを提案する。我々は,エッセイの文の文法的特徴と構造的特徴のチェックにひとつのネットワークが責任を持ち,エッセイに含まれる全体概念のスコアリングに他のネットワークが責任を持つという,協調的・伝達的学習という概念を用いてきた。提案手法の精度は85.50%である。
論文参考訳（メタデータ） (2024-10-12T01:17:55Z)
Automatic Essay Multi-dimensional Scoring with Fine-tuning and Multiple Regression [27.152245569974678]
我々は、複数の次元にまたがる英語エッセイを自動的にスコアする2つのモデルを開発する。本システムでは, 精度, F1スコア, 四重重みカッパの3つの基準を用いて, 評価性能を高く評価する。
論文参考訳（メタデータ） (2024-06-03T10:59:50Z)
Neural Automated Writing Evaluation with Corrective Feedback [4.0230668961961085]
本稿では,修正フィードバックを用いた自動筆記評価システムを提案する。このシステムにより、言語学習者はエッセイの執筆テストをシミュレートできる。また、無数のエッセイを手作業で修正することの負担を軽減する。
論文参考訳（メタデータ） (2024-02-27T15:42:33Z)
PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
論文参考訳（メタデータ） (2023-07-10T11:05:51Z)
AI, write an essay for me: A large-scale comparison of human-written versus ChatGPT-generated essays [66.36541161082856]
ChatGPTや同様の生成AIモデルは、何億人ものユーザーを惹きつけている。本研究は,ChatGPTが生成した議論的学生エッセイと比較した。
論文参考訳（メタデータ） (2023-04-24T12:58:28Z)
Cognitively Aided Zero-Shot Automatic Essay Grading [25.772899595946416]
本稿では,認知情報を用いたゼロショット自動エッセイグラデーション問題に対する解法を視線行動の形態で記述する。特にスコア付けのための新しいプロンプトに応答して書かれた新しいエッセイをqwkの約5%のポイントで提供した場合,アイズ行動を用いることが aeg システムの性能向上に寄与することが示された。
論文参考訳（メタデータ） (2021-02-22T18:41:59Z)
Many Hands Make Light Work: Using Essay Traits to Automatically Score Essays [41.851075178681015]
マルチタスク学習(MTL)アプローチを用いて,エッセイを総合的に評価する方法を述べる。 LSTMとBiLSTMの両方を用いて,STL(Single-task Learning)アプローチとの比較を行った。 MTLをベースとしたBiLSTMシステムは,エッセイ特性の評価だけでなく,エッセイ特性の評価にも有効であることがわかった。
論文参考訳（メタデータ） (2021-02-01T11:31:09Z)
My Teacher Thinks The World Is Flat! Interpreting Automatic Essay Scoring Mechanism [71.34160809068996]
最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
論文参考訳（メタデータ） (2020-12-27T06:19:20Z)
Get It Scored Using AutoSAS -- An Automated System for Scoring Short Answers [63.835172924290326]
SAS(Automatic Short Answer Scoring)への高速でスケーラブルで正確なアプローチを提示します。 SASのためのシステム、すなわちAutoSASの設計と開発を提案し、説明します。 AutoSASは最先端のパフォーマンスを示し、いくつかの質問のプロンプトで8%以上良い結果が得られる。
論文参考訳（メタデータ） (2020-12-21T10:47:30Z)
Improving Conversational Question Answering Systems after Deployment using Feedback-Weighted Learning [69.42679922160684]
本稿では,二元的ユーザフィードバックを用いた初期教師付きシステムを改善するために,重要サンプリングに基づくフィードバック重み付き学習を提案する。当社の作業は,実際のユーザとのインタラクションを活用し,デプロイ後の会話システムを改善する可能性を開くものだ。
論文参考訳（メタデータ） (2020-11-01T19:50:34Z)
Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring Systems [64.4896118325552]
モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。 AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
論文参考訳（メタデータ） (2020-07-14T03:49:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。