Le machine Learning pour l’Evaluation Automatique des Réponses Courtes

Abstract

La notation automatique est devenue un impératif dans le domaine de l'éducation grâce aux privilèges qu'elle offre devant la méthode manuelle très coûteuse en temps, en effort et même en précision. La notation automatique nous offre de nombreux avantages tels que les tests en ligne, la notation instantanée et décharge l’enseignant de la tâche fastidieuse de notation manuelle. L’objectif de notre travail est de développer un système d'évaluation automatique des réponses courtes, écrites en langage naturel, aux questions ouvertes. Le modèle du système est basé sur des techniques supervisées d'apprentissage automatique (Machine Learning). La conception de ce système met en évidence une ingénierie d’extraction des caractéristiques essentielles utilisées dans le processus de notation en combinant les informations liées au domaine spécifique en se basant sur l'espace sémantique à celles liées au domaine général en se basant sur l'incorporation des mots, et l'utilisation des similarités textuels comme des caractéristiques. Bien que notre travail soit destiné initialement, pour la langue arabe, nous avons conduit nos expérimentations sur les deux langues l’arabe et l’anglais en entraînant les modèles proposés sur deux Datasets l’un en arabe et l’autre en anglais. Les résultats obtenus confirment bien l’impact de l’utilisation de l’apprentissage automatique et particulièrement les approches supervisées sur l’amélioration de la précision par rapport aux modèles non supervisés basées sur les statistiques computationnelles développées dans un travail précédent. Les résultats obtenus avec le Dataset anglais sont comparables à certains travaux de la littérature et dépassent d’autres et confirment bien la généricité de notre approche et son indépendance à la langue. Mots clés : Evaluation automatique des réponses courtes, Incorporation des mots, espace sémantique, Mesures de similarité, Apprentissage Automatique.