Automatic proficiency level prediction for Intelligent Computer-Assisted Language Learning

Abstrakt

Med allt fler intelligenta apparater och mobil teknologi i vår vardag blir det angeläget att undersöka hur tekniken kan bidra till att göra språkinlärningsprocessen effektivare och mer tilltalande. En grundläggande del i detta är förmågan att mäta den språkliga komplexiteten som elever kan hantera och producera på olika nivåer under deras utveckling. I denna doktorsavhandling undersöker vi automatiska metoder för att modellera språklig komplexitet på olika inlärningsnivåer för svenska som andra och främmande språk (L2). Vi använder metoder från språkvetenskaplig databehandling för att extrahera olika språkliga särdrag och kombinerar dem med maskininlärningsmetoder. Vi studerar språklig komplexitet i två typer av L2-texter: sådana som experter (lärare) skriver för elever och sådana som produceras av eleverna själva. Vi utforskar dessutom denna typ av automatisk analys även för enstaka meningar. Att automatiskt kunna bedöma färdighetsnivåer möjliggör ett antal intressanta
tillämpningar för datorstödd språkinlärning, där vi har utforskat två spår. Å ena sidan kan detta underlätta framtagningen av korpusexempel som är värdefulla exempel på autentiskt språkbruk för L2-elever. Vi föreslår ett ramverk för att hitta korpusmeningar som kan återanvändas i övningar. Detta, förutom språklig komplexitet, omfattar ett antal ytterligare kriterier, såsom hur välformad meningen är och egenskapen av att vara oberoende av andra meningar från den ursprungliga kontexten. En empirisk utvärdering av meningsurvalsystemet
som implementerades med dessa kriterier visade dess nytta för L2 inlärning. Å andra sidan, språklig komplexitetsanalys möjliggör också den automatiska utvärderingen av L2-texter som kan stödja förberedningen av L2 läromedel. Analysen kan också användas för att utvärdera elevers skriftliga produktion. Vi visar att maskininlärningsmodeller som helt eller delvis tränas på lästexter kan effektivt klassificera färdighetsnivån på elevuppsatser, speciellt om vissa L2-fel korrigeras automatiskt i ett förbehandlingssteg. Slutligen visar vi hur forskningsresultaten har integrerats i en fritt tillgänglig online-lärplattform.