
Auto-Grader - Auto-Grading Free Text Answers
Lehrerinnen und Lehrer verbringen viel Zeit mit der Bewertung von Fragen mit Freitextantworten. Um dieser Herausforderung zu begegnen, wird ein Auto-Grader-System vorgeschlagen.
Die Arbeit zeigt, dass der Auto-Grader mit einfachen, rekurrenten und Transformer-basierten neuronalen Netzen angegangen werden kann. Dabei haben die Transformator-basierten Modelle die beste Leistung.
Ferner wird gezeigt, dass die geometrische Darstellung von Frage-Antwort-Paaren eine lohnende Strategie für einen Auto-Grader ist. Abschließend wird darauf hingewiesen, dass der Auto-Grader den Lehrern zwar potenziell helfen könnte, bei der Benotung Zeit zu sparen, dass er aber noch nicht so weit ist, dass er die Lehrer bei dieser Aufgabe vollständig ersetzen kann.