Могут ли компьютеры действительно оценивать ваши IELTS Writing и Speaking?
Knowledge Bank is available in My course
Edit data

E-mail

Phone

Ukraine

Here are suggested study plans for you
to make the most of the course

Self-study plan

PROGRESS

0%

Log out

Могут ли компьютеры действительно оценивать ваши IELTS Writing и Speaking?

Artificial intelligence in IELTS preparation

Искусственный интеллект или ИИ (Artificial Intelligence или AI) касается многих сфер нашей повседневной жизни. Чат-боты, голосовые ассистенты, роботы, оказывающие дополнительную поддержку, когда нам это нужно. Все это — больше не вымысел и не научная фантастика. Информационно-коммуникационные технологии также изменили наш способ обучения и изучения языков. Студенты могут заниматься и отдаленно получать доступ к учебным материалам. Образование стало более доступным и гибким. Более привлекательные цифровые учебники, содержащие гиперссылки, интерактивные презентации и видео, заменяют и вытесняют бумажные. Цифровая учебная среда также позволяет студентам самостоятельно выбирать темп обучения, а преподавателям эффективно отслеживать прогресс учеников.

На самом деле, алгоритмы искусственного интеллекта позволяют продвигать электронное обучение в любой отрасли. Как работает ИИ при оценивании навыков английского языка? Действительно ли  с его помощью можно усовершенствовать и проверить продуктивные навыки, такие как говорение и письмо, которые необходимы нам для сдачи экзамена IELTS и которые всегда оценивались людьми?

Оценивание письма

Технология автоматизированного оценивания уже получила всеобщее признание, поскольку Эллис Баттен Пейдж аргументировал возможность проверки и оценивания эссе с помощью компьютера и в 1968 году успешно опубликовал результаты своей работы с программным обеспечением под названием Project Essay Grade (PEG). Популярное в начале 1970-х годов оптическое распознавание знаков и считыватель блок-схем в виде кружочков вызвали значительный перелом в тестировании навыков чтения и аудирования с помощью тестовых заданий закрытого типа с множественным выбором, где кандидату нужно было выбирать правильный ответ из нескольких предложенных вариантов. Термин «автоматизированное оценивания эссе» (automated essay grading (AEG) и automated essay grading (AEG)) был введен в 1990-х годах и, как правило, касается компьютерного подсчета баллов в квалификационных экзаменах.

Для того, чтобы письменную работу можно было оценить, участник тестирования должен набирать текст на компьютере. В зависимости от цели теста, системе AES может понадобиться обработка эссе перед его оценкой. Например, если кандидат написал эссе большими буквами, AES превратит их в маленькие, чтобы не воспринимать их как аббревиатуры. Кроме того, орфографические словари будут гарантировать, что оба варианта «organise» и «organize», например, будут оцениваться как правильные в международных тестах по английскому, таких как IELTS.

Существует две типичные модели AES:

Prompt-specific AES

 

Generic AES
Каждый «сценарий» (prompt) или заголовок эссе необходимо давать участникам тестирования из целевой группы для того, чтобы собрать выборку ответов, представляющих весь спектр умений / результатов. Эти ответы будут использоваться для разработки модели оценки. Вообще нужно 100 — 1000 ответов в зависимости от сложности задания, шкалы оценивания и типа методов моделирования. Эксперты назначают баллы на основе толкований для каждого ответа в учебном наборе, и модель оптимизируют для прогнозирования этих баллов.

Чтобы оптимально прогнозировать баллы, которые может получить человек, для каждого сценария разрабатываются уникальные комбинации определенных характеристик.

Такие модели могут более точно оценивать такие понятия, как содержание эссе, выполнение задания, организация и согласованность, соответствие регистру и идеи автора.

Эти модели обучаются только один раз и применяются ко всем сценариям эссе; они применяют одинаковый набор характеристик и взвешивания признаков для оценки каждого сценария по определенным заранее определенными параметрами. Такие модели, как правило, больше полагаются на поверхностные характеристики, такие как частота грамматических ошибок, пунктуационные ошибки, количество и расположение маркеров дискурса, метрики сложности предложений, частота слов и тому подобное.

Для того, чтобы построить модель балльных оценок, необходимо сделать три шага. Во-первых, нужно определить набор переменных, имеющих отношение к конструкции, которая будет оцениваться. Например, мы можем использовать такую ​​переменную, как лексическая плотность, чтобы оценить признак, который называется «Vocabulary range and accuracy». Далее необходимо проанализировать и разложить большое количество учебных эссе набор данных. В-третьих, использовать эти данные в моделях, чтобы выяснить, насколько хорошо они прогнозируют оценки экспертов. После этого определяется лучшая комбинация переменных и их взвешиваний.

Take IELTS with confidence

Start your IELTS Grade online course

GET STARTED FOR FREE

Согласно недавнему опросу, современные системы AES пытаются оценить различные характеристики качества эссе, чтобы предоставить обратную связь пользователям. Эти характеристики включают следующие элементы:

  • грамматичность: соблюдение грамматических правил;
  • использование: использование предлогов, употребление слов;
  • механика: соблюдение правил орфографии, пунктуации, написание прописных букв;
  • стиль: как писатель выбирает слова и варьирует структуры предложений;
  • уместность: насколько содержание эссе соответствует сценарию;
  • организация: насколько хорошо студент структурирует эссе;
  • развитие идей с помощью примеров;
  • целостность: уместно использование переходных фраз;
  • согласованность: соответствующие переходы между идеями;
  • ясность утверждений;
  • убедительность: убедителен ли основной аргумент.

Такой фидбэк имеет цель помочь автору эссе определить, какие его аспекты требуют улучшения.

Каким же образом это касается искусственного интеллекта? Непосредственно, ведь именно тогда, когда машина может оценивать написанные человеком эссе, что требует определенного опыта и знаний (по принципу человеческого мозга, то есть мыслить, распознавать и самообучаться), мы можем сказать, это и есть искусственный интеллект. Машинное обучение — это применение искусственного интеллекта (ИИ), придающее системам способность автоматически обучаться и совершенствоваться на основе опыта без явного программирования. Машинное обучение сосредотачивается на разработке компьютерных программ, которые могут получить доступ к данным и использовать их для собственного обучения.

Основная идея этого подхода базируется на обучении бинарных классификаторов для различения «хороших» и «плохих» эссе и на использовании баллов для ранжирования эссе и выставления им оценок. Процесс состоит из двух этапов: этапа обучения, на котором правила оценки получаются с помощью различных алгоритмов, и этапа тестирования, на котором правила, собранные на первом этапе, используются для определения наиболее вероятной оценки для конкретного эссе. Чем больше набор документов, тем больший набор правил можно получить на этапе обучения, таким образом, точность оценки будет выше. Основная часть этих методов, подготовка систем к дальнейшим стадиям, создание систем для изучения новых эссе или опыта есть не что иное, как машинное обучение.

За последние несколько лет все больше статистических методов обучения применяется для решения проблемы автоматизированной категоризации текста, включая регрессионные модели, метод k-ближайших соседей, сети убеждений Байеса, деревья решений, алгоритмы обучения по правилам, нейронные сети и системы индуктивного обучения.

В нашем курсе самоподготовки к IELTS Academic с углубленным обучением письму мы используем ИИ для проверки и оценки вашего письма. Вы также получаете мгновенный фидбэк, когда отправляете нам выполненные задания. Наша автоматизированная система проверяет все практические задания, которые вы выполняете, и предоставляет вам немедленную обратную связь о том, над чем вы должны работать, чтобы усовершенствовать свои навыки.

ЧИТАЙТЕ ТАКЖЕ: Как правильно заполнять пробелы на экзамене IELTS Listening?

Оценивание говорения

В то время как автоматизированные системы оценки навыков письма, чтения и аудирования доступны уже некоторое время, системы для оценки устной речи только сейчас получают широкое применение. Как они работают? Могут ли они реально оценить компетенции, которые нам нужны для разговорной коммуникации?

В таком тесте, как IELTS, секция «Speaking» происходит путем непосредственного общения экзаменатора и кандидата. Большинство экзаменов в Кембридже все еще нуждаются в двух экзаменаторах, которые одновременно оценивают двух кандидатов. Cambridge English также изучает возможность дистанционного проведения устных экзаменов с помощью технологии видеоконференций. Однако как можно подготовиться к таким экзаменам и получить мгновенную обратную связь по говорению, если нет партнера для тренировки навыков говорения? Поможет автоматизированное оценивание устной речи. Такие системы могут оценивать то, что было  сказано и то, как это было сказано, в отличие от систем оценки и исправления произношения.

Существует три модели, которые могут сделать возможным и точным автоматическое оценивание говорения вместе с дизайном самого теста и его заданий.

  • Акустическая модель может оценить вероятные фонемы или слова в числе возможностей. Это главный компонент распознавателя устной речи. Такую модель следует обучить или оптимизировать для работы с набором данных, включая радиоподкасты и аудио с Youtube. Это предполагает сочетание звуковой речи с ее транскрипциями, то есть звуки ассоциируются с их орфографическими изображениями. Также важный акцент спикера. Вот почему лучше, если языковые данные соответствуют целевой группе теста.
  • Языковая модель включает словарный запас, который, вероятно, будет использован в ответе. Такие слова называются n-граммами в контексте автоматизированного оценивания письма или речи. Они включают набор униграмы, например. «Apple», биграммы «an apple», триграммы «eating an apple» и другие. Языковая модель состоит из частого повторения таких n-грамм. Например, если задача состоит в описании фотографии девушки, которая ест яблоко, то униграмы, биграммы и триграммы, скорее всего, будут появляться в ответе кандидата довольно часто. Исходя из логики ИИ, кандидат, скорее всего, относится к определенному уровню владения английским языком, если он использует похожий словарный запас с другими студентами на этом уровне.
  • Скоринговая модель касается метода выбора признаков из процесса распознавания речи и их применение для прогнозирования человеческих оценок, то есть как эти признаки сочетаются и формулируются для прогнозирования человеческих оценок.

ЧИТАЙТЕ ТАКЖЕ: Какая часть IELTS Speaking самая важная?

Что лучше: ИИ или преподаватель?

Важно помнить, что технология автоматизированного подсчета баллов не заставляет компьютеры вести себя как люди. Напротив, мы можем запрограммировать машины на выявление и количественную оценку некоторых признаков речи и письма, их сочетание и взвешивания по различным параметрам, а также определять, какие конкретные признаки и их взвешивания лучше прогнозируют оценку, которую дал бы учитель или эксперт. Таким образом, использование ИИ имеет определенные преимущества.

Учет ваших потребностей. Благодаря использованию ИИ для изучения языков и подготовки к экзаменам, мы можем учесть потребности большего количества кандидатов IELTS. Наша платформа для изучения языка на основе ИИ позволяет работать в своем собственном темпе, повторяет темы и подчеркивает то, что вам нужно усовершенствовать, привлекая вас к тем задачам, которые вам лучше подходят. Данные также позволяют нашим преподавателям IELTS понять, что происходит в головах наших студентов, и прогнозировать их дальнейшие результаты.

Обеспечение мгновенной обратной связи. Во время подготовки к экзамену ИИ фидбэк поступает немедленно, что вполне выгодно, поскольку вам не нужно ждать несколько дней на результаты. Он позволяет увидеть ошибки, которые вы допустили, и вы запомните как и поймете, почему их допустили. Наша платформа автоматически оценивает эссе и другие задания сразу после того, как вы их выполнили, указывая на ошибки и предлагая способы избежать их в будущем. Это позволяет исправить свои ошибки, быстро улучшить письмо и получить лучшие результаты в будущих тестах. Это также позволяет нашим преподавателям IELTS понять, нужна ли вам дополнительная поддержка.

Никаких опасений. Готовясь к IELTS или любому другому экзамену, большинство студентов боится его не сдать. В случае неудачи мы часто чувствуем стыд и демотивацию. ИИ не упрекает и не критикует, он оценивает вас, не осуждая. Получив отзыв, вы знаете, над чем и как работать. Кроме того, зная свои слабые места, вы можете пройти занятия в Skype с преподавателем IELTS. Однако большинство рутинных задач выполняет платформа.

Преподаватели становятся проводниками и советчиками. Наши преподаватели IELTS имеют больше времени для анализа и использования данных, полученных в процессе обучения, для совершенствования курса и платформы, координации процесса обучения и предоставления большей поддержки, поскольку все оценки и бумажная работа выполняются ИИ.

Гибкость. Благодаря использованию ИИ на нашей платформе, вы можете учиться и готовиться к IELTS в любой точке мира в своем собственном темпе, устанавливать собственные цели и выполнять study-plan. Мы предлагаем план обучения для организации и помощи в вашей подготовке к IELTS Academic.

Мы верим, что быстрый и мощный инструмент, такой как ИИ, в сочетании с человеческим суждением экзаменаторов,  экспертов по оценке, аналитиков данных и преподавателей уменьшит расходы, сэкономит ваше время, повысит эффективность и обеспечит быстрый переход к желаемым результатам на экзамене IELTS.

Подписаться на рассылку

ЧИТАЙТЕ ТАКЖЕ: Как проверять IELTS writing

Download your Academic Writing Guide on how to use linking words

Your writing guide is in your inbox!
Get studying now :)

Пользуясь сайтом, я подтверждаю, что ознакомился и соглашаюсь с условиями Лицензионного соглашения пользователя Privacy Policy, Публичная оферта, Правила использования.

Соглашаюсь

×