本研究通过探索使用文章修订的上下文和反馈信息两种方式来提高分类器性能，以区分学生论述写作中的有意义的证据和合理推理演绎，并进行严格评估和定性分析，研究发现通过使用上下文来辨别有意义的修订是最成功的。

Feb, 2023

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

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

ArgRewrite V.2 是一个修订语料库，包含用于自动修订目标预测和标杆的注释的论证性修订，这些修订是在关于自动驾驶汽车的论证性文章的两个循环修订中收集的。

Jun, 2022

本文提出一种计算论证的质量评估方法，通过比较同一主张的不同版本来评定其质量，证明能够有效泛化于不同主题之间。该方法基于大规模样本库及嵌入式逻辑回归和基于 Transformer 的神经网络，并提供数据和脚本以复现结果。

Jan, 2021

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

本研究针对计算论证质量 (AQ) 的整体评估展开前期工作，提出了一种基于理论的评估方法，并开发了首个大规模的英文多领域 (AQ 社区问答、辩论、评论) 语料库 GAQCorpus，为之后的工作提供了坚实的基础。

Jun, 2020

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

为了计算化支持论证写作，需要挖掘论证结构和品质评分之间的相互作用，然而，目前尚未发布包含地面实论文品质标注的论证挖掘语料库。通过提供一份德语语料库，其中包括两个年龄组的学生写的 1,320 篇论文，并手动注释了论证结构和品质，填补了这一研究空白，并提出了论证挖掘和文章评分的基线方法，同时分析了两个任务之间的相互作用，为品质导向的论证写作支持奠定了基础。

Apr, 2024