إن تقديم ملاحظات للطلاب ليس فقط في وضع علامة على إجاباتهم على النحو الصحيح أو غير صحيح، ولكن أيضا العثور على أخطاء في عملية التفكير التي دفعتهم إلى الإجابة غير الصحيحة.في هذه الورقة، نقدم تقنية لتعلم الآلات بسبب التسمية التوضيحية، وهي مهمة تحاول تحديد الأخطاء وتوفير التعليقات مخصصة لمساعدة المتعلمين على تصحيح هذه الأخطاء.نقوم بذلك عن طريق تدريب شبكة تسلسل إلى تسلسل لتوليد هذه التعليقات بناء على خبراء المجال.لتقييم هذا النظام، نستكشف كيف يمكن استخدامه في مهمة اللغويات التي تدرس قانون جريم.نظهر أن نهجنا يولد ردود الفعل التي تتفوق على خط أساس على مجموعة من مقاييس NLP الآلية.بالإضافة إلى ذلك، نقوم بإجراء سلسلة من دراسات الحالة التي ندرس فيها مخرجات النظام الناجحة وغير الناجحة.
Giving feedback to students is not just about marking their answers as correct or incorrect, but also finding mistakes in their thought process that led them to that incorrect answer. In this paper, we introduce a machine learning technique for mistake captioning, a task that attempts to identify mistakes and provide feedback meant to help learners correct these mistakes. We do this by training a sequence-to-sequence network to generate this feedback based on domain experts. To evaluate this system, we explore how it can be used on a Linguistics assignment studying Grimm's Law. We show that our approach generates feedback that outperforms a baseline on a set of automated NLP metrics. In addition, we perform a series of case studies in which we examine successful and unsuccessful system outputs.
المراجع المستخدمة
https://aclanthology.org/
معالجة البريد هي النهج الأكثر تقليدية لتصحيح الأخطاء التي تسببها أنظمة التعرف على الأحرف البصرية (OCR).يتم اتخاذ خطوتين عادة لتصحيح أخطاء تعض عبر الإنترنت: الكشف والتصحيحات.بالنسبة للمهمة الأولى، أظهرت طرق تعلم الآلات الخاضعة للإشراف عروضا حديثة.تركز
نحن نبحث عن مسألة كيف تؤثر ردود الفعل التكيفية من عامل الظاهري على المدخلات اللغوية للمستخدم في بيئة ألعاب عالمية مشتركة. للقيام بذلك، نقوم بإجراء دراسة تجريبية استكشافية لمراقبة كيفية تأثير ردود الفعل اللغوية الفردية على إدخال خطاب المستخدم. نقدم لع
يعد العمل المبلغ عنه وصف لمشاركتنا في تصنيف تغريدات CovID19 التي تحتوي على أعراض "مهمة مشتركة، نظمتها تعدين وسائل التواصل الاجتماعي للتطبيقات الصحية (SMM4H)" ورشة العمل.يصف الأدبيات نهجا لتعلم جهازين تم استخدامها لبناء نظام تصنيف من الدرجة الثلاثة، و
في هذه الورقة، نصف النظم المستخدمة من قبل فريق الروما في المهمة المشتركة بشأن الكشف عن الفكاهة والفكاهة والجريمة (HAHAHACHATHON) في Semeval 2021. تعتمد أنظمتنا على تمثيلات البيانات المستفادة من خلال نماذج اللغة العصبية التي تم ضبطها بشكل جيد. على وجه
مع التعلم Landit العديد المصنعة، يمكن تدريب النماذج بناء على ردود فعل إيجابية وسالبة وردت للتنبؤات التاريخية، دون الحاجة إلى البيانات المسمى.ومع ذلك، غالبا ما تكون هذه الملاحظات متوفرة في أنظمة الحوار في العالم الحقيقي، ومع ذلك، فإن الهندسة المعمارية