Automatic Essay Multi-dimensional Scoring with Fine-tuning and Multiple Regression

自动化作文评分（AES）涉及预测反映文章写作质量的分数。大多数现有的AES系统只产生一个总体分数。然而，在实际应用中，用户和L2学习者希望在不同维度（例如词汇，语法，连贯性）上获得英语文章的分数。为了满足这个需求，我们开发了两个模型，通过在两个大型数据集上采用微调和其他策略，自动评分英语文章的不同维度。结果表明，我们的系统在使用三个标准进行评估时（精度，F1分数和二次加权Kappa）取得了令人印象深刻的表现。此外，我们的系统在总体评分方面优于现有方法。

论文旨在解决自动评分系统仅提供整体评分而不是多个维度评分的问题，提出了两个模型用于多维度评分。

利用微调和其他策略，在两个大型数据集上训练模型，实现对英语文章在多个维度上的自动评分，相比现有方法，在整体评分上表现更好。

实验结果表明，该系统在精确度、F1分数和Quadratic Weighted Kappa等三个评价标准上均表现出色。此外，该论文提出的多维度评分思路相对于现有研究具有创新性。

最近相关研究包括：1. Automated Essay Scoring Using Deep Learning Techniques; 2. A Review of Automated Scoring of Second Language Writing.