|
|
|
| 中國(guó)海洋大學(xué)在國(guó)際語(yǔ)言學(xué)研究領(lǐng)域取得新進(jìn)展 |
| http://www.telavivconventioncenter.com 2025年6月30日 來(lái)源：華禹教育網(wǎng) |
|
近日，中國(guó)海洋大學(xué)二語(yǔ)習(xí)得跨學(xué)科研究團(tuán)隊(duì)成員劉穎穎副教授在國(guó)際語(yǔ)言學(xué)頂刊Computer Assisted Language Learning（《計(jì)算機(jī)輔助語(yǔ)言學(xué)習(xí)》）發(fā)表論文“Enhancing GPT-based automated essay scoring: the impact of fine-tuning and linguistic complexity measures”（強(qiáng)化基于GPT的寫(xiě)作自動(dòng)評(píng)分：微調(diào)與語(yǔ)言復(fù)雜度指標(biāo)的影響）。
該研究探索了大語(yǔ)言模型在寫(xiě)作自動(dòng)評(píng)分領(lǐng)域中的應(yīng)用，探討了其可靠性、準(zhǔn)確性及公平性等問(wèn)題。研究采用預(yù)訓(xùn)練人工智能大語(yǔ)言模型，對(duì)母語(yǔ)為漢語(yǔ)、法語(yǔ)、德語(yǔ)、西班牙語(yǔ)的二語(yǔ)學(xué)習(xí)者的英文寫(xiě)作進(jìn)行自動(dòng)評(píng)分，對(duì)比了微調(diào)大語(yǔ)言模型、語(yǔ)言復(fù)雜度指標(biāo)，以及兩者相結(jié)合等三種方式在自動(dòng)評(píng)分上的表現(xiàn)，揭示了微調(diào)技術(shù)與語(yǔ)言復(fù)雜度指標(biāo)在寫(xiě)作自動(dòng)評(píng)分中的作用。
研究發(fā)現(xiàn)，微調(diào)大語(yǔ)言模型與人類(lèi)評(píng)分者具有較高的一致性，能夠較準(zhǔn)確地評(píng)估中、高水平作文，但在低水平作文評(píng)分時(shí)準(zhǔn)確性偏低，反映出訓(xùn)練集內(nèi)低水平樣本不足所導(dǎo)致的類(lèi)別不均衡問(wèn)題。此外，大語(yǔ)言模型的評(píng)分結(jié)果普遍高于人工評(píng)分，且針對(duì)不同一語(yǔ)背景寫(xiě)作者的作文，評(píng)分準(zhǔn)確度存在組間差異。分析顯示，“微調(diào)大語(yǔ)言模型+語(yǔ)言復(fù)雜度參數(shù)”的復(fù)合模型在三種方式中表現(xiàn)最優(yōu)，但相較于僅使用微調(diào)大語(yǔ)言模型，優(yōu)勢(shì)并不明顯。本研究展現(xiàn)了生成式人工智能在二語(yǔ)寫(xiě)作測(cè)試中的應(yīng)用前景，并為該領(lǐng)域的后續(xù)研究提供了有益參考。
由左至右依次為劉穎穎副教授、綦惠磊同學(xué)、陸小飛教授
論文第一作者為中國(guó)海洋大學(xué)外國(guó)語(yǔ)學(xué)院劉穎穎副教授，共同第一作者為中國(guó)海洋大學(xué)外國(guó)語(yǔ)學(xué)院2024屆本科生綦惠磊，通訊作者為美國(guó)賓夕法尼亞州立大學(xué)陸小飛教授。Computer Assisted Language Learning為SSCI、A&HCI雙索引期刊。根據(jù)科睿唯安（Clarivate）期刊引證報(bào)告，該刊近三年（2022年至2024年）在語(yǔ)言學(xué)SSCI期刊中排名穩(wěn)居前三位，被中科院2025年期刊分區(qū)表列為1區(qū)Top期刊，在國(guó)際學(xué)術(shù)界享有較高聲譽(yù)。
|
 關(guān)于中國(guó)海洋大學(xué)更多的相關(guān)文章請(qǐng)點(diǎn)擊查看 |
|
| 特別說(shuō)明：由于各方面情況的不斷調(diào)整與變化，華禹教育網(wǎng)（www.telavivconventioncenter.com）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性，僅供參考，相關(guān)信息敬請(qǐng)以權(quán)威部門(mén)公布的正式信息為準(zhǔn)。 |
|
|
|
| |