JP2005331615A - 文章評価装置および文章評価方法 - Google Patents
文章評価装置および文章評価方法 Download PDFInfo
- Publication number
- JP2005331615A JP2005331615A JP2004148293A JP2004148293A JP2005331615A JP 2005331615 A JP2005331615 A JP 2005331615A JP 2004148293 A JP2004148293 A JP 2004148293A JP 2004148293 A JP2004148293 A JP 2004148293A JP 2005331615 A JP2005331615 A JP 2005331615A
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- reason
- answer
- feature
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】答案理由文章クラス情報計算部15は、各模範理由特徴クラス120および無関係理由特徴クラス130の模範理由特徴集合121および無関係理由特徴集合131それぞれと、答案理由文章32の答案特徴集合との類似度を算出する。各類似度を算出すると、答案理由文章クラス情報計算部15は、類似度が最も高い模範理由特徴集合121を含む模範理由特徴クラス120を、答案理由文章32を分類するクラスと決定する。
【選択図】 図1
Description
例えば、一部の大学では、遠隔地にある他大学とLAN(Local Area Network)、WAN(Wide Area Network)、インターネット等のコンピュータネットワーク(以下、ネットワークという)で接続し、一方の大学で行われている講義を他方の大学で受講可能な環境を実現している。また、コンピュータに表示可能な教育コンテンツをサイトに用意し、そのサイトにネットワークを介して自宅のコンピュータでアクセスすることにより、在宅学習を可能にするオンライン学習も盛んに行われている。
このようなe-Learningを適切に運営するためには、学習者の習熟度を適切に把握することが重要である。習熟度を把握する1つの方法として、コンピュータを用いたオンラインのテストがある。このテスト問題は、解答として複数の選択肢を予め用意し、この中から何れかを学習者に選択させる方法が主である。しかしながら選択式の試験だけでは、学習者の習熟度を適切に把握できないという問題がある。
もし、このような文章形式の答案をコンピュータを用いて自動的に採点できるのであれば、e-Learningにおける習熟度確認試験やデジタルテストの採点を全て自動化することができるようになり、e-Learningの効率を高め、採点の人件費を節約することが可能となる。
一方、Intelligent Essay Assessor(IEA)(例えば、非特許文献3参照。)や、長坂らの技術(例えば、非特許文献4参照。)では、答案自体や試験に関係する文章データにより単語間の関連性を計算し、単語間の関連性を考慮して模範解答と答案の近さを計算している。
なお、出願人は、本明細書に記載した先行技術文献情報で特定される先行技術文献以外には、本発明に関連する先行技術文献を出願時までに発見するには至らなかった。
Burstein, J., Kukich, K., Wolff, S., C., Chodorow, M., Braden-Harder, L. and Harris, M. D.,Automated Scoring Using a Hybrid Feature Identification Technique, Proceedings of the Thirty-Sixth Annual Meeting of the Association for Computational Linguistics and Seventeenth International Conference on Computational Linguistics,1998,p.206-210 石垣恒憲,亀田雅之,「コンピュータによる日本語の自動採点システム」,電子情報通信学会技術研究報告,2002年,No.TL2002-40, p.43-48 Landauer, T. K. and Dumais, S. T.,A Solution to Plato's Problem,The Latent Semantic Analysis Theory of the Acquisition, Induction, and Representation of Knowledge, Psychological Review,1997,Vol. 104,p. 211-240 長坂悦敬,古瀬勝茂,石井哲,西川勉,「Web環境における記述問題自動採点エンジンの開発」,高度情報化支援ソフトウェアシーズ育成事業,2001年
しかしながら、答案の内容が、選択肢を表す文章とこの選択肢を選択した理由を表す理由文章から構成される小論文のような試験の場合、従来の方法では、選択肢を表す文章と理由文章という答案や模範解答の構造的な情報を利用しないので、答案の評価が適切に行われない場合があった。
また、従来の方法では、正解ではない等の例外的な選択肢を表す文章を選択した場合であっても、上述したように選択肢を表す文章と理由文章を一括して評価してしまうので、その答案を高く評価してしまう場合があった。
なお、特徴とは、複数の文章を比較する際に利用可能な要素であり、文章を構成する文字または単語など文章を構成する要素の全てまたは一部を意味する。
ここで、評価手段は、判定手段が一致すると判定した場合、計算手段により特定された模範答案特徴クラスに含まれる模範理由特徴集合から得られる特徴と、答案理由文章の特徴との類似度に基づいて答案を評価するようにしてもよい。
ここで、評価ステップは、判定ステップで一致すると判定した場合、計算ステップにより特定された模範答案特徴クラスに含まれる模範理由特徴集合から得られる特徴と、答案理由文章の特徴との類似度に基づいて答案を評価するようにしてもよい。
また、本発明によれば、答案に含まれる選択文章と、特定された模範答案特徴クラスに含まれる選択文章が一致するか否かを判定し、一致しない場合はその答案に対して最も低い評価をする。これにより、選択肢と理由文章の結びつきの適当さを考慮した適切な評価が可能となる。
さらに、本発明によれば、無関係理由特徴クラスが特定された場合、答案に対して最も低い評価をする。これにより、正解ではない等の例外的な選択肢が答案に含まれる場合でも、適切な評価が行うことが可能となる。
図1は、本実施の形態にかかる文章評価装置の構成を示すブロック図である。
本実施の形態にかかる文章評価装置1は、任意の質問に対して予め用意された模範となる答案を模範答案DB2から予め受信し、その質問に対してユーザ(以下、受験者という)が作成した答案3を模範答案DB2から受信した模範となる答案を用いて評価し、この評価を数値化した評価値4を外部に出力するものである。
ここで、質問とは、図2に示すように、受験者への問いかけを表す文章であり、質問文章5と、この質問文章5について受験者が選択する2つ以上の答案選択文章6とから構成される。図2の場合は、質問文章5に対して、2つの答案選択文章6a,6bが設けられていることになる。
なお、質問文章5は、文章のみならず、画像や音声が含まれてもよい。
また、本実施の形態全般において、文章とは、複数の文字コードから構成される電子データのことを意味する。
模範理由文章クラス21の数量は、質問文章5に対する答案選択文章6の数量に対応する。例えば、図2に示すように質問文章5に対して2つの答案選択文章6a、6bが設定されている場合、模範理由文章クラス21は、答案選択文章6a、6bに1対1に対応する2つの模範理由文章クラス21a,21bが設定される。
例えば、図3(a)に示す模範理由文章クラス21aは、答案選択文章6aに対して3つの模範理由文章7a〜7cが設けられている。また、図3(b)に示す模範理由文章クラス21bは、選択文章6bに対して2つの模範理由文章7d〜7eが設けられている。
ここで、模範理由文章7は、答案選択文章6を選択する理由として適切であれば、個々の答案選択文章6に対して質問の作成者(以下、試験者という)が予め作成したり、または、質問に関連する文章、書籍、www(world wide web)などより収集した文章の中で適切なものを選択したものでもよい。
本実施の形態では、模範答案DB2が文章評価装置1と独立して設けられている。これにより、模範答案DB2を作成するための場所や時間等の自由度が増すので、試験者にとってとても使い勝手がよい。
なお、模範答案DB2は、文章評価装置1に内蔵するようにしてもよい。
答案選択文章31は、図2に示すような複数の答案選択文章6の中から受験者が選択した選択文章に相当する。
答案理由文章32は、受験者が答案選択文章31を選択した理由について記述した文章に相当する。
例えば、図4に示す答案3は、図2に示す質問5に対する受験者の答案であり、答案選択文章6から選択した答案選択文章31と、この答案選択文章31を選択した理由について記述した答案理由文章32とから構成されている。
模範答案特徴DB12は、複数の模範理由特徴クラス120と、無関係理由特徴クラス130とから構成される。図5は、模範理由特徴クラス120と無関係理由特徴クラス130を説明するための模式図である。
各模範理由特徴クラス120は、模範答案DB2の各模範理由文章クラス21に1対1で対応する。例えば、図1に示すように、模範答案DB2に2つの模範理由文章クラス21a,21bが設けられている場合、模範答案特徴DB12には、図3に示すように、それぞれに1対1で対応する模範理由特徴クラス120a,120bが設けられる。
例えば、図5(a)に示す模範理由特徴クラス120aは、図3(a)の模範理由文章クラス21aに対応し、答案選択文章6aと、模範理由特徴集合121a〜121cと、模範平均特徴集合122と、類似度統計情報123とから構成される。同様に、図5(b)に示す模範理由特徴クラス120bは、図3(b)の模範理由文章クラス21bに対応し、答案選択文章6bと、模範理由特徴集合121d,121eと、模範平均特徴集合122と、類似度統計情報123とから構成される。
ここで、特徴とは、複数の文章を比較する際に利用可能な要素であるならば適宜自由に設定することができ、例えば文章を構成する文字または単語など、文章を構成する要素の全てまたは一部を意味する。このような特徴は、文章に含まれる全ての単語の内で文章を内容で比較する際に重要な名詞や動詞のような特定の品詞の語や、予め文章評価装置1に登録された辞書に一致した語などでもよい。
例えば、図5(a)に示す模範理由特徴集合121a〜121cは、それぞれ対応する図3(a)の模範理由文章7a〜7cから抽出した特徴の集合から構成されている。同様に、図5(b)に示す模範理由特徴集合121d,121eは、それぞれ対応する図3(b)の模範理由文章7d,7eから抽出した特徴の集合から構成されている。
例えば、図5(a)に示す模範平均特徴集合122aは、模範理由特徴集合121a〜121cを特徴付ける特徴の集合から構成されている。同様に、図5(b)に示す模範平均特徴集合122bは、模範理由特徴集合121d,121eを特徴付ける特徴の集合から構成されている。
例えば、図5(a)に示す類似度統計情報123aは、模範理由特徴集合121a〜121cと模範平均特徴集合122aとの類似度の平均と標準偏差とから構成されている。同様に、図5(b)に示す類似度統計情報123bは、模範理由特徴集合121d,121eと模範平均特徴集合122bとの類似度の平均と標準偏差とから構成されている。
なお、文章特徴抽出部13は、単語を分類したデータベースである類似辞典(シソーラス)を設け、文章中の各単語が含まれる類語辞典中の分類を特徴として出力するようにしてもよい。
ここで、類似度は、予め設定された最大値と最小値の間の値をとり、似ている度合いが高いほどその値が大きくなる。
次に、答案理由文章クラス情報計算部15は、模範答案特徴DB12を参照して、答案理由文章32から抽出した答案特徴集合と、模範答案特徴DB12の各模範理由特徴クラス120の各模範理由特徴集合121および無関係理由特徴クラス130の各無関係理由特徴集合131との類似度を類似度計算部14に計算させ、この計算結果に基づいてその答案理由文章32がどの模範理由特徴クラス120または無関係理由特徴クラス130に分類するかを決定する。分類する模範理由特徴クラス120または無関係理由特徴クラス130を決定すると、答案理由文章クラス情報計算部15は、答案3の答案選択文章31、答案3の答案理由文章32より抽出された特徴の集合、名称等の分類を決定した模範理由特徴クラス120または無関係理由特徴クラス130(以下、便宜上、それぞれ決定模範理由特徴クラス120または決定無関係理由特徴クラス130という)に関する情報を評価値算出部17に出力する。
一致していない場合、評価値算出部17は、評価値下限を出力する。答案理由文章32が無関係理由特徴クラス130に分類されている場合も、評価値算出部17は評価値下限を出力する。
答案3の答案選択文章31と決定模範理由特徴クラス120の答案選択文章6とが一致している場合、評価値算出部17は、答案3の答案理由文章32より抽出された答案特徴集合と、決定模範理由特徴クラス120の模範平均特徴集合122との類似度を、類似度計算部14に計算させる。この計算した類似度と、決定模範理由特徴クラス120の類似度統計情報123とを比較することにより、評価値算出部17は評価値を決定する。
まず、図2に示す質問文章5に対して、この質問文章5に対応する図3に示す模範理由文章クラス21a,21bおよび無関係理由文章クラス22を有する模範答案DB2を本実施の形態にかかる文章評価装置1に入力する(ステップS601)。
例えば、文章特徴抽出部13は、図3(a),(b)に示す模範答案DB2に含まれる模範理由文章クラス21a,21bの模範理由文章7a〜7eから特徴を抽出し、図5(a),(b)に示す模範答案特徴DB12に含まれる模範理由特徴クラス120a,120bの模範理由特徴集合121a〜121eを作成する。同様に、文章特徴抽出部13は、図3(c)に示す模範答案DB2に含まれる無関係理由文章クラス22の無関係理由文章8から特徴を抽出し、図5(c)に示す模範答案特徴DB12に含まれる無関係理由特徴クラス130の無関係理由特徴集合131を作成する。
上述した模範理由文章7aの場合と同様、模範理由文章7b〜7eおよび無関係理由文章8ついても、文章特徴抽出部13は、それぞれ名詞からなる特徴を抽出し、模範理由特徴集合121b〜121eおよび無関係理由特徴集合131を作成する。
例えば、図5(a)に示す模範理由特徴クラス120aにおいては、模範答案特徴DB作成部11は、模範理由特徴集合121a〜121cの中に2個以上存在する特徴の集合を模範平均特徴集合122aとして作成する。同様に、図5(b)に示す模範理由特徴クラス120bにおいては、模範答案特徴DB作成部11は、模範理由特徴集合121d,121eの中に2個以上存在する特徴の集合を模範平均特徴集合122bとして作成する。
本実施の形態では、2つの特徴集合間で共通する特徴数がそれぞれの特徴集合で占める割合の平均を類似度とする。したがって、模範理由特徴集合121aと模範平均特徴集合122aの類似度は、模範理由特徴集合121aの特徴数が10個、模範平均特徴集合122aと共通する特徴数が9個、模範平均特徴集合122aの特徴数が9個なので、下式(1)で算出され、0.95となる。
(9/10+9/9)/2=0.95 ・・・(1)
同様に、模範理由特徴集合121bと模範平均特徴集合122aの類似度、模範理由特徴集合121cと模範平均特徴集合122aの類似とは、それぞれ下式(2),(3)で算出される。
(8/10+8/9)/2=0.84 ・・・(2)
(2/5+2/9)/2=0.31 ・・・(3)
上記3つの類似度の平均と標準偏差が類似度統計情報123aの平均と標準偏差となる。したがって、類似度統計情報123aの平均は0.70、標準偏差は0.28となる。
(4/11+4/4)/2=0.68 ・・・(4)
(4/8+4/4)/2=0.75 ・・・(5)
これらの類似度から、類似度統計情報123bの平均は0.72、標準偏差は0.03となる。
例えば、図4に示すような答案3が入力された場合、文章特徴抽出部13は、上述したように本実施の形態では模範理由文章7a〜7eおよび無関係理由文章8から名詞からなる特徴を抽出しているので、答案理由文章32からも「ダム、自然、破壊」という名詞の特徴を抽出する。
本実施の形態では、最も単純な分類方法であるk近傍法を用いて分類を決定する。このk近傍法とは、各分類より最大k個の要素を取り出し、分類対象との類似度を計算し、最も類似度が大きい要素の分類を対象の分類として決定する方法である。なお、本実施の形態では、全ての要素を用いて分類を決定することとする。
(1/10+1/3)/2=0.22 ・・・(6)
したがって、模範理由特徴クラス120bを答案理由文章32を分類するクラスと決定すると、答案理由文章クラス情報計算部15は、模範理由特徴クラス120bに関する情報と、答案3の答案選択文章31である「2.推進すべきではない」と、模範理由特徴クラス120bの答案選択文章6である「2.推進すべきではない」と、答案理由文章32より抽出された特徴の集合である「ダム、自然、破壊」を評価値算出部17に送出する。
本実施の形態では、答案3の答案選択文章31が「2.推進すべきではない」であり、模範理由特徴クラス120bの答案選択文章6が「2.推進すべきではない」であるので、2つの答案選択文章が一致していることがわかる。
2つの答案選択文章が一致していない場合、評価値算出部17は、評価値下限を外部に出力する。
例えば、評価値上限を10、評価値下限を0と評価値DB16を予め設定すると、模範理由特徴クラス120bを答案理由文章32を分類するクラスと決定した場合は、2つの答案選択文章が一致しているので、部分評価点として5点が与えられることになる。
このように本実施の形態によれば、無関係理由特徴クラス130が特定された場合、答案3に対して最も低い評価をするので、同じ理由に関する様々な文章の記述に対して、それが予め用意した理由の文章の集まりの中で代表的であるか、また正解ではない等の例外的であるかに応じて適切に答案の評価値を算出することができるため、結果として適切な評価が可能となる。
図7(d)に示すように、決定模範理由特徴クラス120bの場合、模範平均特徴集合122bの特徴が「ダム、建設、周辺、環境」の4個、答案理由文章32の特徴が「ダム、自然、破壊」の3個、これらに共通する特徴が「ダム」の1個なので、模範平均特徴集合122bと答案理由文章32の答案特徴集合との類似度は、下式(7)で算出され、0.29となる。
(1/4+1/3)/2=0.29 ・・・(7)
したがって、模範平均特徴集合122bと答案理由文章32の答案特徴集合との類似度0.29は、類似度統計情報123bの平均から標準偏差を引いた値、すなわち0.72−0.03=0.69より小さいので、評価値算出部17は、最初に与えられた部分点5点を答案3に対する評価値4として出力する(ステップS610)。
さらに、同じ理由に関する様々な文章の記述に関して、それが予め用意した理由の文章の集まりの中で代表的であるか、例外的であるかに応じて適切に答案の評価値を算出することが可能となる。
Claims (12)
- 複数の選択文章のうち任意に選択された1つの選択文章と、この選択文章を選択した理由を示す選択理由文章とから構成される答案を評価する文章評価装置において、
前記選択文章と、この選択文章を選択する模範的な理由を示す模範理由文章の特徴からなる模範理由特徴集合とを含む複数の模範答案特徴クラスを記憶した模範答案特徴DBと、
前記選択理由文章から特徴を抽出する抽出手段と、
前記模範理由文章と前記選択理由文章との類似度を、前記模範理由特徴集合と前記抽出手段により抽出された特徴とに基づいて算出し、前記類似度が最も高い前記模範理由文章を含む前記模範答案特徴クラスを特定する計算手段と、
この計算手段により特定された前記模範答案特徴クラスに基づいて前記答案を評価する評価手段と
を備えたことを特徴とする文章評価装置。 - 前記評価手段は、
前記答案に含まれる前記選択文章と、前記計算手段により特定された前記模範答案特徴クラスに含まれる前記選択文章とが一致するか否かを判定する判定手段を備え、
前記判定手段が一致しないと判定した場合、前記答案に対して最も低い評価をする
ことを特徴とする請求項1記載の文章評価装置。 - 前記評価手段は、
前記判定手段が一致すると判定した場合、前記計算手段により特定された前記模範答案特徴クラスに含まれる前記模範理由特徴集合から得られる特徴と、前記答案理由文章の特徴との類似度に基づいて前記答案を評価する
ことを特徴とする請求項2記載の文章評価装置。 - 複数の選択文章のうち任意に選択された1つの選択文章と、この選択文章を選択した理由を示す選択理由文章とから構成される答案を評価する文章評価装置において、
前記選択文章およびこの選択文章を選択する模範的な理由を示す模範理由文章の特徴からなる模範理由特徴集合を含む複数の模範答案特徴クラスと、前記選択文章を選択する模範的ではない理由を示す無関係理由文章の特徴からなる無関係理由特徴集合を含む無関係理由特徴クラスとを記憶した模範答案特徴DBと、
前記選択理由文章から特徴を抽出する抽出手段と、
前記模範理由文章および前記無関係理由文章と前記選択理由文章との類似度を、前記模範理由特徴集合および前記無関係理由特徴集合と前記抽出手段により抽出された特徴とに基づいて算出し、前記類似度が最も高い前記模範理由文章または前記無関係理由文章を含む前記模範答案特徴クラスまたは前記無関係理由特徴クラスを特定する計算手段と、
この計算手段により特定された前記模範答案特徴クラスまたは前記無関係理由特徴クラスに基づいて前記答案を評価する評価手段と
を備えたことを特徴とする文章評価装置。 - 前記評価手段は、前記計算手段により前記無関係理由特徴クラスが特定された場合、前記答案に対して最も低い評価をする
ことを特徴とする請求項4記載の文章評価装置。 - 前記選択文章およびこの選択文章に対応する模範理由文章を含む複数の模範理由文章クラスと、前記無関係理由文章を含む無関係理由文章クラスとのうち少なくとも一方を記憶した模範答案DBと、
この模範答案DBから前記模範答案特徴DBを作成する模範答案特徴DB作成手段と
をさらに備えることを特徴とする請求項1乃至5の何れか1項記載の文章評価装置。 - 複数の選択文章のうち任意に選択された1つの選択文章と、この選択文章を選択した理由を示す選択理由文章とから構成される答案を評価する文章評価方法において、
前記選択文章と、この選択文章を選択する模範的な理由を示す模範理由文章の特徴からなる模範理由特徴集合とを含む複数の模範答案特徴クラスを記憶した模範答案特徴DBを作成する作成ステップと、
前記選択理由文章から特徴を抽出する抽出ステップと、
前記模範理由文章と前記選択理由文章との類似度を、前記模範理由特徴集合と前記抽出ステップにより抽出された特徴とに基づいて算出し、前記類似度が最も高い前記模範理由文章を含む前記模範答案特徴クラスを特定する計算ステップと、
この計算ステップにより特定された前記模範答案特徴クラスに基づいて前記答案を評価する評価ステップと
を備えたことを特徴とする文章評価方法。 - 前記評価ステップは、
前記答案に含まれる前記選択文章と、前記計算ステップにより特定された前記模範答案特徴クラスに含まれる前記選択文章とが一致するか否かを判定する判定ステップを備え、
前記判定ステップで一致しないと判定した場合、前記答案に対して最も低い評価をする
ことを特徴とする請求項7記載の文章評価方法。 - 前記評価ステップは、
前記判定ステップで一致すると判定した場合、前記計算ステップにより特定された前記模範答案特徴クラスに含まれる前記模範理由特徴集合から得られる特徴と、前記答案理由文章の特徴との類似度に基づいて前記答案を評価する
ことを特徴とする請求項8記載の文章評価方法。 - 複数の選択文章のうち任意に選択された1つの選択文章と、この選択文章を選択した理由を示す選択理由文章とから構成される答案を評価する文章評価方法において、
前記選択文章およびこの選択文章を選択する模範的な理由を示す模範理由文章の特徴からなる模範理由特徴集合を含む複数の模範答案特徴クラスと、前記選択文章を選択する模範的ではない理由を示す無関係理由文章の特徴からなる無関係理由特徴集合を含む無関係理由特徴クラスとを記憶した模範答案特徴DBを作成する作成ステップと、
前記選択理由文章から特徴を抽出する抽出ステップと、
前記模範理由文章および前記無関係理由文章と前記選択理由文章との類似度を、前記模範理由特徴集合および前記無関係理由特徴集合と前記抽出ステップにより抽出された特徴とに基づいて算出し、前記類似度が最も高い前記模範理由文章または前記無関係理由文章を含む前記模範答案特徴クラスまたは前記無関係理由特徴クラスを特定する計算ステップと、
この計算ステップにより特定された前記模範答案特徴クラスまたは前記無関係理由特徴クラスに基づいて前記答案を評価する評価ステップと
を備えたことを特徴とする文章評価方法。 - 前記評価ステップは、前記計算ステップで前記無関係理由特徴クラスが特定された場合、前記答案に対して最も低い評価をする
ことを特徴とする請求項10記載の文章評価方法。 - 前記作成ステップは、
前記選択文章およびこの選択文章に対応する模範理由文章を含む複数の模範理由文章クラスと、前記無関係理由文章を含む無関係理由文章クラスとのうち少なくとも一方を記憶した模範答案DBとから前記模範答案特徴DBを作成する
ことを特徴とする請求項7乃至11の何れか1項記載の文章評価装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004148293A JP2005331615A (ja) | 2004-05-18 | 2004-05-18 | 文章評価装置および文章評価方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004148293A JP2005331615A (ja) | 2004-05-18 | 2004-05-18 | 文章評価装置および文章評価方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005331615A true JP2005331615A (ja) | 2005-12-02 |
Family
ID=35486334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004148293A Pending JP2005331615A (ja) | 2004-05-18 | 2004-05-18 | 文章評価装置および文章評価方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005331615A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010078637A (ja) * | 2008-09-24 | 2010-04-08 | Japan Institute For Educational Measurement Inc | 答案分類処理システム及び答案分類処理方法 |
JP2010224323A (ja) * | 2009-03-24 | 2010-10-07 | Japan Institute For Educational Measurement Inc | 論文内容評価装置及び論文内容評価プログラム |
JP2012190220A (ja) * | 2011-03-10 | 2012-10-04 | Seiko Epson Corp | 識別装置及び識別方法 |
JP2017167413A (ja) * | 2016-03-17 | 2017-09-21 | 独立行政法人大学入試センター | 採点補助システム |
JP2017188039A (ja) * | 2016-04-08 | 2017-10-12 | Kddi株式会社 | 複数の類似度算出によってテキストの点数を推定するプログラム、装置及び方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05307349A (ja) * | 1992-04-28 | 1993-11-19 | Shimadzu Corp | 自動アンケート装置 |
JPH08272773A (ja) * | 1995-04-03 | 1996-10-18 | Nippon Telegr & Teleph Corp <Ntt> | アンケート収集分析システム及びアンケート収集分析方法 |
JP2001056634A (ja) * | 1999-08-20 | 2001-02-27 | Toshiba Corp | 自動採点システム |
JP2001249608A (ja) * | 2000-03-02 | 2001-09-14 | Vlc Co Ltd | 電子通信を用いた自動採点・添削方法及びシステム |
JP2003177660A (ja) * | 2001-12-10 | 2003-06-27 | Maeda Corp | イントラネット教育システムおよびイントラネット教育方法、並びに講評作成プログラム |
JP2003271811A (ja) * | 2002-03-18 | 2003-09-26 | Nec Corp | オンライン回答収集システムおよびオンライン回答収集のためのプログラム |
JP2004094436A (ja) * | 2002-08-30 | 2004-03-25 | Ccg:Kk | 職務知識レベル自動判定システム |
-
2004
- 2004-05-18 JP JP2004148293A patent/JP2005331615A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05307349A (ja) * | 1992-04-28 | 1993-11-19 | Shimadzu Corp | 自動アンケート装置 |
JPH08272773A (ja) * | 1995-04-03 | 1996-10-18 | Nippon Telegr & Teleph Corp <Ntt> | アンケート収集分析システム及びアンケート収集分析方法 |
JP2001056634A (ja) * | 1999-08-20 | 2001-02-27 | Toshiba Corp | 自動採点システム |
JP2001249608A (ja) * | 2000-03-02 | 2001-09-14 | Vlc Co Ltd | 電子通信を用いた自動採点・添削方法及びシステム |
JP2003177660A (ja) * | 2001-12-10 | 2003-06-27 | Maeda Corp | イントラネット教育システムおよびイントラネット教育方法、並びに講評作成プログラム |
JP2003271811A (ja) * | 2002-03-18 | 2003-09-26 | Nec Corp | オンライン回答収集システムおよびオンライン回答収集のためのプログラム |
JP2004094436A (ja) * | 2002-08-30 | 2004-03-25 | Ccg:Kk | 職務知識レベル自動判定システム |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010078637A (ja) * | 2008-09-24 | 2010-04-08 | Japan Institute For Educational Measurement Inc | 答案分類処理システム及び答案分類処理方法 |
JP2010224323A (ja) * | 2009-03-24 | 2010-10-07 | Japan Institute For Educational Measurement Inc | 論文内容評価装置及び論文内容評価プログラム |
JP2012190220A (ja) * | 2011-03-10 | 2012-10-04 | Seiko Epson Corp | 識別装置及び識別方法 |
JP2017167413A (ja) * | 2016-03-17 | 2017-09-21 | 独立行政法人大学入試センター | 採点補助システム |
JP2017188039A (ja) * | 2016-04-08 | 2017-10-12 | Kddi株式会社 | 複数の類似度算出によってテキストの点数を推定するプログラム、装置及び方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aesaert et al. | Gender and socioeconomic related differences in performance based ICT competences | |
CN107230174B (zh) | 一种基于网络的在线互动学习***和方法 | |
JP4908495B2 (ja) | 意味論的知識の評価と指導と習得とに関するシステムおよび方法 | |
US20090198488A1 (en) | System and method for analyzing communications using multi-placement hierarchical structures | |
KR20050042743A (ko) | 테스트시스템 및 그 제어방법 | |
Chang et al. | Automatic applying Bloom's taxonomy to classify and analysis the cognition level of English question items | |
CN111597305B (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
Báez et al. | Language documentation and revitalization in Latin American contexts | |
Bussaman et al. | Prediction models of learning strategies and learning achievement for lifelong learning | |
JP3634856B2 (ja) | 試験結果分析装置、方法およびプログラム | |
Tengberg | Validation of sub-constructs in reading comprehension tests using teachers’ classification of cognitive targets | |
Mühling | Investigating knowledge structures in computer science education | |
US20190333401A1 (en) | Systems and methods for electronic prediction of rubric assessments | |
Zhu et al. | Value orientation inventory: Development, applications, and contributions | |
Atapattu et al. | Educational question answering motivated by question-specific concept maps | |
Nie et al. | A data-driven knowledge discovery framework for smart education management using behavioral characteristics | |
Graff | Teaching [and] historical understanding: Disciplining historical imagination with historical context | |
JP2005331615A (ja) | 文章評価装置および文章評価方法 | |
Cisneros-Barahona et al. | Multivariate data analysis: Validation of an instrument for the evaluation of teaching digital competence | |
Conoyer et al. | Meta-analysis of validity and review of alternate form reliability and slope for curriculum-based measurement in science and social studies | |
Aryadoust | Topic and accent coverage in a commercialized L2 listening test: Implications for test-takers’ identity | |
Lin et al. | Association between test item’s length, difficulty, and students’ perceptions: Machine learning in schools’ term examinations | |
CN116401341A (zh) | 面向理解的互动答疑*** | |
Bhaduri et al. | A word-space visualization approach to study college of engineering mission statements | |
Ford et al. | Automated content analysis of multiple-choice test item banks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060712 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080401 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090414 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090615 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100104 |