Les Word-Embedding pour l'évalutaion automatique des réponses courtes en apprentissage en ligne :

Abstract

L'évaluation de l'apprenant est aujourd'hui le maillon faible des plateformes de formation en ligne. À l'exception des réponses à choix multiples, l'évaluation de l'apprenant reste une tâche manuelle ou tend vers du binaire (vrai ou faux). Dans ce travail, nous nous intéressons aux questions à réponses courtes. Plus précisément, à mesurer l'effet des " Word Embeddings" sur les systèmes d'évaluation automatiques des réponses courtes traitant de la langue arabe. L'intérêt d'utiliser une telle approche pour la langue arabe réside essentiellement dans le fait qu'elle ne nécessite pas beaucoup de ressources linguistiques et se présente comme indépendante de la langue. Pour ce faire, nous avons réalisé une synthèse expérimentale basée sur 3 approches de Stemming: Sans stem, un stem léger et un stem lourd. Au cours de cette synthèse, plusieurs modèles de calcul de similarité ont été proposés et implémentés et 4 outils ont été développés. Nous avons combiné cette approche à d'autres modèles de calcul de similarité sémantique et syntaxique. Les modèles ont permis d'améliorer nos propres baselines et d'améliorer ceux des travaux connexes. Mots clés : Evaluation automatique des réponses courtes, ASAGS, Word Embedding, Mesures de similarité, Traitement automatique de la langue, Stem, modèle d'espace vectoriel