早期预警自动评分程序在普通病区患者病情风险管控中的应用

目的探讨早期预警自动评分程序在普通病区患者病情风险管控中的应用效果。方法采用便利抽样法选取丰城市人民医院及丰城市妇幼保健院普通病房985名患者作为研究对象,其中2022年6月至12月住院的491例患者作为对照组,由护士进行人工早期预警评分;2023年1月至6月住院的494例患者作为观察组,由护士收集数据、早期预警自动评分程序进行高、中、低危分层,比较两组患者计算评分时间、非计划转入ICU及分级护理准确情况。结果观察组患者的计算评分时间短于对照组,差异有统计学意义(P<0.05)。观察组患者的非计划转入ICU率低于对照组,分级护理准确率高于对照组患者,差异有统计学意义(P<0.05)。结论早期预警自动评分程序对于普通病区患者危重症具有良好的区分能力,降低计算评分时间以及非计划转入ICU人数,提高分级护理准确度。

基于多模态注意力融合网络的英语口语自动评分

针对传统英文口语评分效率及准确率低的问题,提出一种多模态注意力融合网络架构,加快模型训练效率及口语评分准确率。综合考虑口语发音的韵律声音特征及所答问题文本信息,从而提高网络鲁棒性。通过仿真,将该模型与LSTM、BiLSTM、GRU网络模型进行比较,所提出模型分数估计准确率为96.8%,明显高于其他方法。仿真结果表明:所提方法能够大幅减少评分时间,提高评分效率。

机器学习解决简答题自动评分问题的发展综述

简答题自动评分(ASAG)是智慧教育中的一个重要研究方向,解决该问题主要着眼于如何从参考答案、评分标准和学生作答信息中提取用来对比、评分的特征,通过构建模型和优化评估指标得到合理的学生作答评分。其中数据预处理和构建模型阶段多采用自然语言处理技术(NLP),近年来出现了以机器学习为主导的特点。文章综合梳理了ASAG的研究和发展,首先梳理、归纳出ASAG的五种解决方案,重点对基于机器学习的ASAG解决方法进行了总结,分析了中文、英文实现ASAG的区别,以及各方案关注点和相关主流算法;其次对比了ASAG主要算法特征以及它们在典型数据集上的效果;最后阐述了简答题自动评分研究面临的问题和挑战,以及未来的发展趋势。

基于多尺度上下文的英文作文自动评分研究

目前作文自动评分模型缺乏对不同尺度上下文语义特征的提取,未能从句子级别计算与作文主题关联程度的特征。提出基于多尺度上下文的英文作文自动评分研究方法MSC。采用XLNet英文预训练模型提取原始作文文本单词嵌入和句嵌入,避免在处理长序列文本时无法准确捕捉到符合上下文语境的向量嵌入,提升动态向量语义表征质量,解决一词多义问题,并通过一维卷积模块提取不同尺度的短语级别嵌入。多尺度上下文网络通过结合内置自注意力简单循环单元和全局注意力机制,分别捕捉单词、短语和句子级别的作文高维潜在上下文语义关联关系,利用句向量与作文主题计算语义相似度提取篇章主题层次特征,将所有特征输入融合层通过线性层得到自动评分结果。在公开的标准英文作文评分数据集ASAP上的实验结果表明,MSC模型平均二次加权的Kappa值达到了80.5%,且在多个子集上取得了最佳效果,优于实验对比的深度学习自动评分模型,证明了MSC在英文作文自动评分任务上的有效性。

基于主题感知和语义增强的作文自动评分方法

作文自动评分(AES)是教育领域中应用自然语言处理(NLP)技术的重要研究方向之一,其旨在提高评分效率,增强评价的客观性和可靠性。针对主题相关性缺失和长文本信息丢失问题以及预训练语言模型BERT不同层次能够提取不同维度特征的特点,提出一种基于主题感知和语义增强的作文自动评分模型。该模型采用多头注意力机制提取作文的浅层语义特征并感知作文主题特征,同时利用BERT的中间层句法特征和深层语义特征增强对作文语义的理解。在此基础上,融合不同维度的特征并用于作文自动评分。实验结果表明,该模型在公共数据集ASAP的8个子集上均表现出了显著的性能优势,相比于通义千问等基线模型,其能够有效提升作文自动评分性能,平均二次加权的卡帕值(QWK)达到80.25%。

融合句法特征与语义特征的作文自动评分方法

作文自动评分是一种利用自然语言处理技术对作文进行自动评估和打分的技术。作文自动评分能够提升评分效率,降低人工成本,确保评分的客观性和一致性,在教育领域有着广泛的应用前景。尽管句法特征和主题特征在作文自动评分中扮演着重要角色,但迄今为止,关于如何更好地利用这些特征进行作文自动评分的研究还相对不足。本文提出融合句法特征与语义特征的作文自动评分方法 ISSF,该模型采用Parser提取作文的句法特征,采用BERT和适配器的训练方式提取作文的深层语义特征,为了更好地利用作文的主题特征和句法特征及深层语义特征的关联性,采用自注意力机制提取作文的主题特征并用于句法特征强化和深层语义特征强化。实验结果表明,本文提出的ISSF模型在公共数据集ASAP的8个子集上取得了较好的平均性能,相比于通义千问等基线模型,ISSF模型在评分范围较大、评分标准复杂的情况下更具有性能优势。

基于语义特征融合的作文自动评分方法

作文自动评分技术是一种利用机器学习进行自然语言处理的技术。目前,基于深度学习的端到端模型在作文自动评分领域已经广泛使用。然而,由于端到端模型难以获取不同特征之间的相关性,因此提出一种基于语义特征融合的作文自动评分方法(TSEF)。该方法主要分为特征提取和特征融合2个阶段。特征提取阶段,使用Bert模型对输入文本进行预训练,并使用多头注意力机制对输入文本进行自训练,以补充预训练的不足;特征融合阶段,使用交叉融合方法将获取的不同特征融合,以此获得更好性能的模型。在实验中,将TSEF与许多强基线进行比较,结果表明了本文方法的有效性和稳健性。

基于GCN和微调BERT的作文自动评分方法

作文自动评分是智慧教育领域的重要研究方向之一。它具有提高评分效率、降低人工成本以及确保评分客观性和一致性的优势,因此在教育领域有着广泛的应用前景。尽管句法特征在作文自动评分中扮演着重要角色,但目前仍缺乏关于如何更好地利用这些特征进行作文自动评分的研究。本文提出一种基于GCN和微调BERT的作文自动评分方法GFTB。该模型采用图卷积网络提取作文的句法特征,采用BERT和Adapter的训练方式提取作文的深层语义特征,同时采用门控机制进一步捕捉二者融合后的语义特征。实验结果表明,本文提出的GFTB模型在公共数据集ASAP的8个子集上取得了较好的平均性能,相比于通义千问等基线模型,能够有效提升作文自动评分的性能。

“项目实训”自动评分系统的设计与开发——以路由与交换技术课程为例

为解决路由与交换技术课程的项目实训考核存在的困难:如设备不足、缆线或接口故障、设备连接耗时长、项目结果保存难、现场评分耗时长等,设计项目实训自动评分系统的开发流程,按照开发流程,使用Cisco Packet Tracer仿真软件,进行项目需求文件编制与修订、项目实训评分点、项目实训时长、完成进度等项目设置,实现了路由与交换技术课程的项目实训自动评分功能。自动评分系统为项目实训课程考核提供了极大便利,解决了实际困难,且系统具备可移植、可复用、高可靠性。

基于程序理解的编程题自动评分方法

针对传统的编程题自动评分方法没有考虑学生程序是怎样实现编程任务的,以及不能从程序文本的语法结构和语义角度衡量学生程序与正确答案的接近程度等问题,提出一种基于程序理解的自动评分方法.以程序理解的一般过程及基本策略为依据,结合人工阅卷的思维过程,建立评分模型.评分过程可划分为3个阶段:首先将程序代码转换成系统依赖图中间表示形式;然后,对系统依赖图进行标准化转换,消除程序表达方式的多样性;最后,匹配标准化后的学生程序与模板程序系统依赖图并根据匹配结果给出评分.该方法被应用于"C语言编程题自动评分系统"中.实验结果表明:它可以根据学生程序的语法和语义衡量学生程序实现编程任务的正确程度,具有较高的准确性.

面向综合实践能力考核的C语言编程考试自动评分系统

如何利用计算机快速、准确地考核学生的编程实践能力,实现编程题的自动评分,成为计算机辅助教学领域的一个研究热点。针对现有系统要么只能对客观题进行自动评分,要么只能对没有任何语法错误的编程题按照运行结果的正误进行自动评分的问题,从理解、分析程序源代码的角度,设计实现了基于程序理解的C语言编程题自动评分系统,介绍了该系统的体系结构、关键技术、评分策略、系统特点、应用效果以及推广情况。

有语法错误的编程题自动评分方法研究——用局部语法分析和采分点匹配实现

针对传统的编程题自动评分方法对存在个别语法错误的学生考试程序只能给出零分、不符合卷面笔试时教师手工阅卷习惯的问题,提出了一种适用于有错误的编程题的评分方法,首先,将有语法错误的学生程序分解为基本语句单元,与模板采分点语句一并经过局部语法分析,转化为语法分析树的中间表示,然后进行采分点匹配,进而输出有语法错误的学生程序的评分结果,该方法适用于考察答题者对基本语法知识的正确使用和对题目关键语义的正确表达,使得对有语法错误的学生程序的评分结果更加符合人工阅卷的思想。

司炉工仿真培训自动评分系统研究

本文以工业锅炉司炉工仿真培训自动评分系统为研究对象,重点介绍了司炉工仿真培训自动评分系统的原理、方法以及仿真培训自动评分系统的建立,较详细地论述了该系统的实现原理和思路。该自动评分系统通过在司炉工培训考核中的应用,效果良好,能合理地反映司炉工的实际操作能力。

基于BERT-BiLSTM模型的短文本自动评分系统

针对短文本自动评分中存在的特征稀疏、一词多义及上下文关联信息少等问题,提出一种基于BERT-BiLSTM(bidirectional encoder representations from transformers-bidirectional long short-term memory)的短文本自动评分模型.使用BERT(bidirectional encoder representations from transformers)语言模型预训练大规模语料库习得通用语言的语义特征,通过预训练好的BERT语言模型预微调下游具体任务的短文本数据集习得短文本的语义特征和关键词特定含义,再通过BiLSTM(bidirectional long short-term memory)捕获深层次上下文关联信息,最后将获得的特征向量输入Softmax回归模型进行自动评分.实验结果表明,对比CNN(convolutional neural networks)、CharCNN(character-level CNN)、LSTM(long short-term memory)和BERT等基准模型,基于BERT-BiLSTM的短文本自动评分模型所获的二次加权kappa系数平均值最优.

基于词汇评分的汉语作文自动评分

该文研究了通过作文词汇评分来实现汉语作文自动评分的新算法。在作文评分应与词汇评分高度相关的假设基础上,实现了这种关系的量化计算。该文从通用词表方法、常规方法以及提出的三种改进算法上进行方法性能的比较,并对比了E-rater作文评分系统中同样采用基于词汇方法的性能。实验结果表明,基于新的词汇评分的作文评分方法相关度①接近0.7的水平,高于E-rater中采用的基于词汇的方法的相关度。同时,这一方法的结果已经接近于人工作文评分的相关度。

过程仿真培训成绩的自动评定及其实现(Ⅱ)——培训成绩自动评分的实现

根据我们提出的一套综合的过程仿真培训系统自动评分方法，详细介绍了自动评分的实现方法。主要包括：自动评分实现方法、自动跟踪操作工的操作、评分标准和评分计算。本实现的特点是程序与评分标准相分离，便于实现软件的通用化、易扩充和易维护。

基于语音识别的汉语发音自动评分系统的设计与实现

语音识别技术的发展使得人与计算机的交互成为可能,针对目前对外汉语中发音教学的不足,在结合了语音识别的相关原理,提出了在对外汉语教学领域中汉语自动发音水平评价系统的设计,详细地描述了系统的结构、功能及流程。介绍了系统实现中的关键技术和步骤:动态时间弯折算法、语料库的建立、声韵分割技术以及评价分级标准。通过小范围的试验,表明该系统对留学生汉语发音水平的测试有一定的参考价值。

高中生英语作文自动评分的信度与效度研究——以句酷网为例

—、引言.作文自动评分技术(AES, Automated EssayScoring)是计算机给作文评价和评分的技术(Shermis & Burstein, 2003).自1966年美国杜克大学的Ellis Batten Page开发出PEG(Project Essay Grade )的第一个版本以来,自动作文评分系统的研究与应用在国内外已成为计算机辅助外语写作教学的热点。AES在国外最具代表性的五类六种作文自动评分系统是:注重语言形式的PEG、注重作文内容的IEA、二者兼顾的E-rater、发挥人工智能技术的IntelliMetric、基于文本分类技术的Larkey和BETSY(葛诗利、陈潇潇,2007 ).

多特征融合的英语口语考试自动评分系统的研究

该文主要针对大规模英语口语考试自动评分系统的问答题型,采用多特征融合的方法进行评分。以语音识别文本作为研究对象,提取了3类特征进行评分。这3类特征分别是:相似度特征、句法特征和语音特征。总共9个特征从不同方面描述了考生回答与专家评分之间的关系。在相似度特征中,改进了Manhattan距离作为相似度。同时提出了基于编辑距离的关键词覆盖率的特征,充分考虑了识别文本中存在的单词变异现象,为给考生一个客观公平的分数提供依据。所有提取的特征利用多元线性回归模型进行融合,得到机器评分。实验结果表明,提取的特征对机器评分是十分有效的,并且在以考生为单位的系统评分性能达到了专家评分性能的98.4%。

基于代表性答案选择与注意力机制的短答案自动评分

短答案自动评分是智慧教学中的一个关键问题。目前自动评分不准确的主要原因是:(1)预先给定的参考答案不能覆盖多样化的学生答题情况;(2)不能准确刻画学生答案与参考答案匹配情况。针对上述问题,该文采用基于聚类与最大相似度方法选择代表性学生答案构建更完备的参考答案,尽可能覆盖学生不同的答题情况;在此基础上,利用基于注意力机制的深度神经网络模型来提升系统对学生答案与参考答案匹配情况的刻画。相关数据集上的实验结果表明:该文模型有效提升了自动评分的准确率。