DEFT 2021: Évaluation automatique de réponses courtes, une approche basée sur la sélection de traits lexicaux et augmentation de données - Archive ouverte HAL Access content directly
Conference Papers Year : 2021

DEFT 2021: Évaluation automatique de réponses courtes, une approche basée sur la sélection de traits lexicaux et augmentation de données

Timothée Poulain
  • Function : Author
  • PersonId : 1102686

Abstract

Cet article présente la participation de l’équipe Proofreaders du LS2N au DÉfi Fouille de Textes 2021 (DEFT 2021). La tâche proposée consiste en la poursuite automatique de l’évaluation de réponses courtes d’étudiants (EAQRC) à partir de quelques réponses déjà corrigées par l’enseignant pour chaque énoncé. Une étude comparative de différents traits lexicaux, ainsi qu’une augmentation artificielle de données et de différents modèles de régression pour la notation des réponses courtes est réalisée. Les méthodes sont évaluées en termes de précision, d’erreur quadratique moyenne et de score de corrélation de Spearman. Notre erreur quadratique moyenne varie entre 0.090 et 0.101 et notre précision entre 0.147 et 0.17. Le code source est disponible à l’adresse suivante : https://github.com/poulain-tim/DEFT_2021
Fichier principal
Vignette du fichier
76.pdf (269.16 Ko) Télécharger le fichier
Origin : Publisher files allowed on an open archive

Dates and versions

hal-03265925 , version 1 (23-06-2021)

Identifiers

  • HAL Id : hal-03265925 , version 1

Cite

Timothée Poulain, Victor Connes. DEFT 2021: Évaluation automatique de réponses courtes, une approche basée sur la sélection de traits lexicaux et augmentation de données. Traitement Automatique des Langues Naturelles, 2021, Lille, France. pp.31-40. ⟨hal-03265925⟩
90 View
52 Download

Share

Gmail Facebook Twitter LinkedIn More