English(EN) Mitigating Bias in Automated Essay Scoring for ESL Learners via Contrastive Learning

新方法减少了 ESL 学习者自动作文评分中的偏见

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-04 05:00

一篇新研究论文提出了一种名为“匹配作文对的对比学习”（CL-MEP）的方法，以减少英语作为第二语言（ESL）学习者自动作文评分系统中的偏见。该方法旨在区分有效的句法复杂性与语法错误，而目前这些错误会导致对熟练的 ESL 学生进行不公平的惩罚。CL-MEP 策略已证明在减少评分偏见方面取得了 39.9% 的效果，同时提高了整体准确性。 AI

影响这项研究可能有助于更公平地评估英语学习者的写作，从而提高教育 AI 工具的可访问性和准确性。

排序理由研究论文，详细介绍了一种用于减轻自动作文评分中偏见的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 43 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文，详细介绍了一种用于减轻自动作文评分中偏见的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Kevin Fan, Eric Yun · 2026-11-04 05:00

通过对比学习减轻 ESL 学生自动作文评分中的偏见

arXiv:2601.16724v3 Announce Type: replace Abstract: Automated Essay Scoring systems disproportionately penalize high-proficiency English as a Second Language (ESL) learners. We propose Contrastive Learning with Matched Essay Pairs (CL-MEP), a bi-directional alignment strategy. CL…

本文如何被排名

报道来源 [1]

通过对比学习减轻 ESL 学生自动作文评分中的偏见

相关实体

相关话题