匈牙利学生作品中反思水平的自动分类
计算与语言
2026-05-05 v1 人工智能
摘要
反思性思维是教育中关键的能力，但对于教育专家而言，评估反思性写作仍是一项耗时且主观的任务。虽然已在几种语言中探索了自动反思分析，但匈牙利语的研究相对不足。本文present了对匈牙利学生作品中反思水平自动分类的首个全面研究。我们使用一个由1,954篇经专家标注的匈牙利语反思性作品组成的大型数据集，该数据集在多个学术年份中收集，并按四个等级的反思尺度进行标注。我们检验了两种方法：(1) 使用TF-IDF和语义嵌入特征的经典机器学习模型，(2) 为文档级反思分类微调的匈牙利语特定transformer模型。为解决数据集中强类别不平衡问题，我们系统性地检验了类别权重、过采样、数据增强和替代损失函数。对每个建模和平衡策略进行了广泛的消融研究，以分析其贡献。我们的结果表明，采用适当特征工程的浅层机器学习模型可实现卓越的整体性能，在准确率、F1分数和ROC AUC指标上平均达到71%，而基于transformer的模型在相同指标上略低（68%），但在少数反思类别上表现出更好的泛化能力。这些发现凸显了在低资源环境下经典方法的持久相关性，以及transformer模型在不平衡分类中鲁棒性。该提出的数据集和实验洞见为未来在匈牙利语及其他形态学丰富语言中的自动化反思分析奠定了坚实基础。
关键词
引用
@article{arxiv.2605.02402,
title = {Automatic Reflection Level Classification in Hungarian Student Essays},
author = {Zsolt Csibi and Mónika Sándor and Mónika Serfőző and Kinga Gyöngy and Kristian Fenech},
journal= {arXiv preprint arXiv:2605.02402},
year = {2026}
}