The Automated Assessment of Students’ Written using Artificial Intelligent Technology

يسمح التقييم الكتابي للطلاب باستخدام التفكير لتحسين ممارستهم بطريقة تكرارية. يتيح هذا أيضًا للطلاب تنظيم التفكير في بنية منطقية وتقديم معلومات جديدة مع المعرفة الحالية، الطريقة الحالية لتحليل كتابات الطلاب تتم يدويًا بواسطة المعلمين. طرق التحليل اليدوي تحتاج إلى تفرغ المعلمين ، وتستغرق وقتًا طويلاً، حيث انها ذاتية، وعملية تحليل التحليل بطريقة موثوقة تحتاج إلى طرق تقنية. لم تتم تغطية عملية تقييم الكتابة بالكامل وتعاني من نقص في التقييم في مجالات مختلفة. تهدف هذه الدراسة إلى التحقيق في تقنيات الذكاء الاصطناعي من خلال خوارزميات تعليم الآلة ML ومعالجة اللغة الطبيعية NLP لأتمتة تحليل تقييمات الطلاب المكتوبة من أجل تخفيف هذه الفجوة البحثية. يتم استخدام التقييم الآلي لتحديد السمات اللغوية التي يمكن استخدامها للكشف عن وجود الخصائص المختلفة التي قد (أو لا) تعرضها الكتابات. يبحث الإطار الآلي في عدد من استخراج الميزات ومجموعة واسعة من خوارزميات التعلم الآلي لاكتشاف التفكير الانعكاسي في النص، يلقي هذا البحث الضوء على أجزاء مهمة يجب مراعاتها عند محاولة تحسين التقييم الآلي للكتابة العاكسة. تتمثل مساهمة هذا البحث في المعرفة الجديدة التي يكتشفها والمتعلقة بالتأمل وتقييمها الآلي باستخدام تقنيات التعلم الآلي.

Written assessment allows students to use reflective to improve their practice in an iterative manner. This also enables the students to organise the thinking into a logical structure and bring novel information with current knowledge. However, the current method to analyse students’ writing is manually by educators. The manual analysis methods are extremely labor-intensive, time-consuming and subjective; the process of analysing writhing in a reliable manner needs to be atomised. The process of assessing writing is not fully covered and suffers from a lack assessment in various fields. This study aims to investigate advanced artificial intelligent techniques such as machine learning algorithms and natural language processing to automate analysis of students written assessment in order to mitigate this research gap. Automated assessment is employed to identify the linguistic features which can be used to detect the presence of the different characteristics which may (or may not) be exhibited by writings. The automated framework investigates a number of feature extraction and a wide range of machine learning algorithms to detect the reflective thinking in text. This research sheds light on important parts that need to be considered when attempting to improve the automated assessment of reflective writing. The contribution of this research is represented by the new knowledge it unearths related to reflection and its automated assessment using machine learning techniques.