学習者書き込みにおける誤り検出のための構成的シーケンスラベリングモデル

本論文では、学習者の文章における誤り検出タスクにニューラルネットワークモデルを使用した最初の実験を報告します。代替的な構成アーキテクチャについて系統的に比較を行い、双方向LSTM（Long Short-Term Memory）に基づく誤り検出フレームワークを提案します。CoNLL-14共有タスクデータセットを用いた実験では、当該モデルが他の参加者よりも学習者の文章の誤り検出において優れた性能を示すことが確認されました。最後に、このモデルは公開されている自己評価システムに統合され、人間のアノテーターと同等の性能を達成しています。