多数の手が軽く作業を遂げる：エッセイの特徴を活用した自動採点

自動エッセイ採点（AEG）分野における大多数の研究は、エッセイ全体を総合的に評価するための手法に焦点を当てている一方で、エッセイの個別特徴を評価する研究も一部行われている。本論文では、マルチタスク学習（MTL）アプローチを用いてエッセイを総合的に評価する手法を提案する。このアプローチにおいて、エッセイの全体的評価が主タスクとなり、エッセイの特徴評価が補助タスクとなる。我々は、単一タスク学習（STL）アプローチ（LSTMおよびBiLSTMを用いて）と比較し、結果を検証した。また、補助タスクの性能についても、他のAEGシステムで行われた類似のタスクと比較した。さらに、異なる種類のエッセイに対してどの特徴が最も効果的であるかを明らかにするために、各エッセイ特徴についてアブレーションテストを実施した。各システムの実行時間および学習パラメータ数についても報告する。その結果、MTLに基づくBiLSTMシステムが、エッセイの全体的評価において最も優れた性能を示したほか、エッセイ特徴の評価においても良好な結果を達成したことがわかった。