文法誤り訂正モデルの訓練において疑似データを組み込むことは、そのようなモデルの性能向上における主要な要因の一つとなっています。しかし、実験設定、特に疑似データの生成方法や使用方法に関する共通認識が不足しています。本研究では、これらの選択肢について広範な実験を通じて調査を行い、モデルアーキテクチャに任何の変更を加えずにCoNLL-2014テストセット（$F_{0.5}=65.0$F0.5​=65.0）およびBEA-2019共有タスクの公式テストセット（$F_{0.5}=70.2$F0.5​=70.2）で最先端の性能を達成しました。