인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Automated Essay Scoring (AES) has gained significant attention for reducing the time-consuming burden of essay evaluation on educators. Recent advances in Large Language Model (LLM)-based AES leverage rubrics as evaluation criteria, yet existing approaches predominantly treat quantitative and qualitative assessment as separate processes, undermining reliability. This study proposes a unified quantitative-qualitative (Q-Q) rubric that integrates both perspectives within a single rubric. Using the ASAP-AES dataset with four essay sets, we compared the reliability of unified Q-Q, quantitative, and qualitative rubrics through Quadratic Weighted Kappa (QWK) metric. Results demonstrate that the unified Q-Q rubric achieved the highest overall reliability, outperforming separated approaches in three of four essay sets. This unified approach aligns with human rubric design principles, where numerical judgments and qualitative reasoning operate simultaneously to ensure reliable scoring. Our findings provide practical implications for AES development and educational settings, enabling educators to focus on distinctly human pedagogical roles.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096522588
