自然语言处理（NLP）旨在通过计算机科学领域的技术来分析文本，适用于医疗、商业和教育领域的应用。本文回顾了近期在教育领域解决问题方面的 NLP 的最新进展，介绍相关背景，提出 NLP 在教育领域的分类体系，并基于该体系讨论任务定义、挑战以及相应技术。随后展示了该领域中的一些现有演示，并给出未来方向的结论。

Jan, 2024

本文提出了一种新的实验标准方法来加强自然语言处理领域中深度学习的实验证据，提高实验的可重复性，支持科学进步，并在公共存储库中提供了这些标准以适应未来需求。

Apr, 2022

本篇论文探讨了近年来自然语言处理在需求工程领域中的应用，通过系统文献综述的方法，发现除了传统的基于词法和句法特征，利用高级嵌入式表示的需求表征在大部分需求工程任务中均表现出很好的效果；但在其他任务中，基于词法和句法特征的表征仍然更为适用。同时，本文也指出了未来的研究方向和更深入探讨的问题。

May, 2022

评估教学质量是教育系统改进的基本组成部分。本研究首次运用自然语言处理技术来评估两种不同教育环境中的多项高推断教学实践，包括线下 K-12 班级和面向未来教师的模拟表现任务，并将 NLP 应用于广泛认可对特殊需要学生特别有效的教学实践的度量。结果表明，预训练语言模型在较为离散且需要较低推断的变量上表现与人类评分者的一致性相当，但在更复杂的教学实践上表现逐渐减弱。有趣的是，仅使用教师的话语作为输入对学生中心的变量产生了强大的结果，缓解了在线下教学环境中收集和转录高质量学生语音数据的难度问题。本研究发现了当前教育领域自然语言处理技术的潜力和局限性，并为进一步研究开辟了新的途径。

Apr, 2024

本文综述了数字学习环境在 K-12 教育中教授自然语言处理（NLP）的应用情况，探讨了现有的数字学习工具如何支持特定的 NLP 任务与流程，并研究了它们在教育背景下的可解释性和评估结果。通过检验这些工具的优点和限制，本文研究揭示了 K-12 教育中自然语言处理学习工具的现状，旨在指导未来的研究努力改善现有工具，开发新工具，并探索更有效和包容的 NLP 整合策略。

Oct, 2023

为了拓宽学生和大众跨学科进行 NLP 研究的方式，我们开发了一种名为 NLP4All 的基于 Web 的工具，以协助老师提供易于使用的界面，从而使非编程人员和新手程序员可以通过 NLP-literacy 来互动地学习 NLP 的概念。

May, 2021

利用自然语言处理技术从职位描述中提取相关信息，包括解决训练数据的稀缺性、标注指南的缺乏以及从职位广告中提取有效信息的不足等挑战，最终通过引入抽取方法和多个数据集相辅相成的检索增强模型来提高整体性能，并将提取到的信息置于特定分类体系中。

Apr, 2024

本研究旨在通过使用 NLP 技术自动生成课堂讨论质量的评估得分，对 90 个课堂讨论文本记录进行分析和评估，在焦点为四个评估材料的基础上，研究表明在某些方面有了令人鼓舞的结果，同时也发现在其他方面还有进一步的改进空间。

Jun, 2023

本文提出一种新的混合模型，使用事先训练好的基于自然语言处理（NLP）的 BERT 模型和基于 Jaccard 相似度的统计模型并行，用于匹配不同数据集中的特征，从而减少搜索相关性或手动匹配每个数据集中的特征所需的时间。

Mar, 2023

本文综述了自然语言处理在编程方面的研究，并从推理模型到最新竞争级模型全面调查了现有的相关工作，具有技术类别的完整性，方便查找和比较未来的工作。

Dec, 2022