Mesures de similarité syntaxique pour un système d'évaluation automatique des réponses courtes :

Abstract

L'évaluation automatique est devenue une des armes les plus importantes dans le champ de l'éducation, pour son efficacité en terme de gain de temps, faisabilité de lancer plusieurs tests dans une petite période, ainsi que l'apprentissage à distance par exemple. L'évaluation des questions de type vrai/faux, question à choix multiples, sont facilement évalués, néanmoins, nous nous intéressons aux questions à réponses courtes qui évaluent de mieux le travail d'apprenant en terme d'acquisition de connaissances. Le principe d'évaluation automatique des réponses courtes se base sur le calcul de la similarité entre la réponse de l'étudiant et la réponse modèle de référence de l'enseignant. Nous nous intéressons dans ce travail aux mesures de similarité syntaxiques. Une panoplie de mesures existantes dans la littérature et celles proposées sont développées autour d'un outil qui permet d'évaluer les différentes approches sur 3 jeux de données (Datasets) traitant de la langue arabe. L'hybridation avec des approches sémantiques a permis de montrer l'importance des approches syntaxiques dans le processus d'évaluation automatique. Mots clés: Similarité syntaxique, Evaluation automatique des réponses courtes, lemmatisation, Stem, ASAGS, NLP, Datasets