预测论证性写作中证据与推理的理想修订

我们开发了用于分类学生论证性写作中理想证据修订与理想推理修订的模型。我们探索了两种提升分类器性能的方法——使用修订所在的文章上下文，以及使用学生在修订前收到的反馈。我们对每个模型进行了内在与外在评估，并报告了定性分析。结果表明，尽管使用反馈信息的模型优于基线模型，但利用上下文的模型——无论是单独使用还是结合反馈——在识别理想修订方面最为成功。