预测辩论写作中证据和推理的理想修改
研究了自动写作评估系统如何改善学生写作,着重探讨对论证文本进行修订的相关方面,包括修订类型以及对所给反馈的响应程度。通过分析 5-6 年级学生的论文,引入了一种注释方案来捕捉证据使用和推理方面的修订,并展示了手动注释和修订注释与综合评估的相关性。此外,还研究了自动根据该方案对修订进行分类的可行性。
Jul, 2021
针对提高学生论述写作水平和有效判断其修改文章的质量的问题,本研究提出了基于 Chain-of-Thought 提示的 ChatGPT 生成论点基础,用于预测其修改后的质量,并在初中和大学学生论文数据集中实验证明了其优越性。
Jun, 2023
我们开发了模型来对论证写作中的理性修订进行分类。我们探索了两种方法 —— 多任务学习和迁移学习,以利用类似任务的辅助修订数据的优势。结果显示,这两种方法确实可以提高分类器的性能。虽然多任务学习表明同时在不同数据源上进行训练可以提高性能,但迁移学习更好地代表了数据之间的关系。
Sep, 2023
本文探讨如何通过学习在线辩论中的协作编辑行为来捕捉修订模式,以开发旨在指导作者进一步改进其论点的方法,并且我们提出一种基于修订距离的新的抽样策略,以解决修订文字料库的噪声问题。
May, 2023
本文介绍了一个学生立论式作文之间的修改版本语料库,并对每个修订版本进行了评注,以评估其是否改善了论文质量,并开发了一个基于机器学习的模型来预测修订版本的改进情况,同时也展示了利用专家和非专家修订数据可提高模型性能的结果。
Sep, 2019
eRevise 是一个基于自然语言处理特性的网络写作和修订环境,通过触发有关学生响应文本写作中证据使用的形成性反馈信息来帮助学生理解文本证据使用标准,从而使学生更好地修订文稿,而在五年级和六年级跨越 7 个教室的 pilot deployment 中,学生在接收形成性反馈并进行试卷修订后,在写作中使用文本证据的质量有所提高。
Aug, 2019
This research paper presents a transformer-based architecture capable of achieving above-human accuracy in annotating argumentative writing discourse elements for their persuasiveness quality, with planned future work investigating the explainability of the model to provide actionable feedback and enable a partnership between the teacher's advice and the machine's advice.
Jul, 2023
本研究探讨了如何在产品评论中识别有用的评论,并验证了基于论证的特征,如论证句子的百分比和依据结论的比率等,对于确定较佳评论的重要性。实验表明,与基准特征相结合使用时,基于论证的特征可使性能提高 11.01%。
Jul, 2017
本研究探讨了中学生的论证批判写作,发现基于 BERT 模型的架构完成大学层次的论证批判任务效果要比基于领域知识的词汇和语篇特征的模型更好,且分析表明尽管孩子的写作没有成熟的论证文章的标准话语结构,却与成熟的作家分享基本的本地序列结构。
Jun, 2020
本文提供了一个完整的计算框架,对科学写作中的文本修订进行了研究,通过构建一个新的带有金标准句子对齐的带注释语料库来揭示了科研人员修订论文的常见策略,并利用自动方法在文档、句子和单词级别上提取修订内容。
Oct, 2022