这篇论文回顾和整理了一个被少有研究的领域 —— 自动化评估学生的议论写作。与传统的自动化写作评估侧重于整体的论文评分不同，这个领域更具体：它侧重于评估议论性文章，并提供特定的反馈，包括论证结构，论证实力特征分数等。这种聚焦和详细的评估对于帮助学生获得重要的论证技巧非常有用。在本文中，我们根据任务、数据和方法组织现有的工作。我们在代表性数据集上尝试 BERT，旨在为这个领域提供最新的基线。

May, 2022

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

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

本文研究使用 Transformer 模型与数据增强技术解决自动评分的问题，通过实验证明其有效性。

Oct, 2022

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

本文提出了一种混合方法，通过结合论述框架、语义学、基于 Transformer 的体系结构和神经图网络来自动评估论证性辩论，并获得了有前途的结果，这为自然语言论证的自动分析开辟了新的研究方向。

Mar, 2022

本文介绍了 ArguGPT 数据集，分析了由大型语言模型生成的英文论述文章的语言学特征，以及用于检测 AIGC 的现有和新型检测器的性能，其中使用的 RoBERTa 检测器在 essay 和 sentence 级别均可达到 90% 以上的准确率。

Apr, 2023

发展中的自动化作文评分系统不仅旨在评分，同时可以作为一种学习工具，以改善用户的写作技能。反馈是使其在现实生活中有用的最重要的方面，并且本文回顾了有关反馈的研究，包括不同类型的反馈和自动化作文评分中的不同特征。我们还审查了提供反馈的最新案例研究。

Jul, 2023

通过数据科学技术（包括机器学习、自然语言处理和教育数据分析），利用自然语言处理的 BERT 相关技术改进针对英语学习者（ELLs）的自动化反馈工具，以提高 ELLs 的写作能力评估。

Jan, 2024

通过对比 ChatGPT 与人类写作的 argumentative 学生论文，我们系统地评估了 AI 生成内容的质量，结果表明 ChatGPT 生成的论文在质量上要高于人类写作。

Apr, 2023