Naukowcy z Penn State University przetestowali skuteczność sztucznej inteligencji zajmującej się przetwarzaniem języka naturalnego. Chodziło o ocenę i przekazywanie informacji na temat wypracowań pisanych przez uczniów.
Przetwarzanie języka naturalnego jest dziedziną informatyki, w której badacze przekształcają słowo pisane lub mówione w dane możliwe do obliczenia. Na czele zespołu prowadzącego eksperymenty w tej sprawie stanęła Rebecca Passonneau, która wraz ze współpracownikami rozszerzyła możliwości narzędzia do przetwarzania języka naturalnego zwanego PyrEval.
Czytaj też: Pojawił się nowy sposób na tworzenie materiałów 2D. Pomagają w nim obliczenia kwantowe
W nowej formie oprogramowanie zostało nazwane PyrEval-CR, a jak wyjaśnia Passonneau, może ono zapewnić uczniom gimnazjum natychmiastową informację zwrotną na temat ich wypracowań. Dzięki temu nauczyciel ma mniej pracy, co z kolei powinno dać mu więcej czasu na realizację pełnego zakresu programu nauczania. Opisywane oprogramowanie tworzy również raport podsumowujący tematy lub pomysły pojawiające się w esejach z jednej lub kilku klas. Dzięki temu nauczyciel może ustalić, na ile zrozumiana została przeprowadzona przez niego lekcja.
Sztuczna inteligencja rozkłada wypracowania na mniejsze elementy, a następnie je analizuje
Początki PyrEval-CR sięgają 2004 roku, a od 2012 roku udało się zautomatyzować jego działanie. W przypadku nowej wersji członkowie zespołu przetestowali funkcjonalność i niezawodność na setkach prawdziwych gimnazjalnych wypracowań naukowych ze szkół publicznych w Wisconsin. Zanim eksperyment się rozpoczął, naukowcy zaprosili do współpracy nauczycieli przedmiotów ścisłych i opracowali program nauczania.
Jeden z modułów PyrEval automatycznie tworzy model oceny składający się z czterech-pięciu tekstów źródłowych napisanych w odniesieniu do tego samego tematu, co prace uczniów. W PyrEval-CR model oceny jest tworzony półautomatycznie. Narzędzie rozkłada zdania studentów na czynniki pierwsze, by później przekształcić je w ciągi liczb o stałej długości, zwane wektorami.
Czytaj też: Nowy system z MIT ma monitorować rozwój choroby Parkinsona w domach
Istnieje wiele sposobów na rozbicie zdania, a każde zdanie może być złożonym lub prostym stwierdzeniem. Ludzie wiedzą, czy dwa zdania są podobne, czytając je. Aby symulować tę ludzką umiejętność, przekształcamy każdy pomysł na wektory i konstruujemy graf, w którym każdy węzeł reprezentuje dopasowania wektora studenta do wektorów rubryki, tak aby oprogramowanie mogło stworzyć optymalną interpretację wypracowania studenta.
wyjaśnia Passonneau
