여러 손이 가벼운 일을 만든다: 에세이 특성 활용하여 에세이 자동 채점하기

자동 에세이 채점(AEG) 분야의 대부분의 연구는 에세이를 종합적으로 평가하는 데 중점을 두고 있으며, 동시에 에세이의 개별 특성에 대한 평가에 관한 연구도 일부 진행되어 왔다. 본 논문에서는 종합적 평가를 주요 과제로 하고, 에세이 특성 평가를 보조 과제로 설정한 다중 작업 학습(MTL) 방식을 사용하여 에세이를 종합적으로 채점하는 방법을 제시한다. 우리는 LSTMs와 BiLSTMs를 사용하여 단일 작업 학습(STL) 방식과의 성능을 비교하였으며, 보조 과제의 결과도 다른 AEG 시스템에서 수행된 유사한 작업들과 비교하였다. 다양한 유형의 에세이에 대해 어떤 특성이 가장 효과적인지 파악하기 위해 각 에세이 특성에 대해 제거 실험(ablation tests)를 실시하였다. 또한 각 시스템의 실행 시간과 학습 가능한 파라미터 수를 보고하였다. 그 결과, MTL 기반의 BiLSTM 시스템이 에세이의 종합적 평가에서 가장 우수한 성능을 보였으며, 에세이 특성 평가에서도 뛰어난 성능을 나타냈다.