{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,15]]，“日期-时间”：“2024-09-15T15:05:52Z”，“时间戳”：1726412752653}，“参考-计数”：43，“出版商”：“Springer Science and Business Media LLC”，“问题”：“3”，“许可证”：[{“开始”：{-“日期-零件”：[2020,9,15%]]，”日期-时间我”：“2020-09-15T00:00:00Z”，“timestamp”：160012800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com/tdm”}，{“start”：{“date-parts”：[[2020,9,15]]，“date-time”：“2020-09-15T00:00:00Z”，“timetamp”：1601280000}，\/tdm“}]，“内容域”：{“域”：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Int J Artif Intell Educ”]，“published-print”：{“date-parts”：[[2021,9]]}，”DOI“：”10.1007\/s40593-020-00211-5“，”type“：”journal-article“，”created“：{”date-part“：[2020,9,15]]，”date-time“：”2020-09-15T20:02:16Z“，”timestamp“：160020136000}”，“page”：“538-588 4“，”更新策略“：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：32，“title”：[“自动论文评分和深度学习黑盒：量规分数是如何确定的？”]，“prefix”：“10.1007”，”volume“：”31“，”author“：[{”ORCID“http://\/ORCID.org\/00000-0003-3394-7789”，“authenticated-ORCID”：false，“given”：“Vivekanandan S.”，“family”：“Kumar”，“sequence”：“first”，“affiliation”：[]}，{“given”：“David”，”family“：”Boulanger“，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-online”：{“date-parts”：[2020,9,15]]}；“reference”：[{“key”：”211_CR1“，”doi-asserted-by“：“crossref”，《非结构化》：“Abbass，H。A.（2019年）人工智能的社会整合：功能、自动化分配逻辑和人的自主信任。认知计算，11（2），159\u2013171.“，“DOI”：“10.1007\/s12559-018-9619-0”}，{“key”：“211_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Alikaniotis，D.，Yannakoudakis，H.，&Rei，M.（2016）。使用神经网络的自动文本评分。ArXiv预打印ArXiv:1606.04289.”，“DOI:”10.18653\/v1\/P16-1068“}，”{“key”：”211 _CR3“，”DOI-asserted-by“：”crossref”，“非结构化”：“Balota，D.A.，Yap，M.J.，Hutchison，K.A.，Cortese，M.J，Kessler，B.，Loftis，B.，Neely，J.H.，Nelson，D.L.，Simpson，G.B.，&Treiman，R.（2007）。英语词汇项目。行为研究方法，39（3），445\u2013459。“，“DOI”：“10.3758\/BF03193014”}，{“key”：“211_CR4”，“unstructured”：“Boulange，D.，&Kumar，V.（2019）。自动化论文评分过程的启示。第十二届国际教育数据挖掘会议论文集（EDM）。检索自http://\/educationaldatamining.org\/edm2019\/processes\/“}，{“key”：“211_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Brysbaert，M.，Warriner，A.B.，&Kuperman，V.（2014）。4万个常见英语单词引理的具体性评级。行为研究方法，46（3），904\u2013911。”，“doi”：“10.3758\/s13428-013-0403-5“}，{“key”：“211_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Coltheart，M.（1981）。MRC心理语言学数据库。《实验心理学季刊》A辑，33（4），497\u2013505。”，“doi”：“10.1080\/14640748108408085”}，“key“：”211_CR8“，”doi-assert-by“：”crossreff“，”：“Covington，M.”。A.和McFall，J.D.（2010年）。解决棘手问题：移动平均型代币比率（MATTR）。《定量语言学杂志》，17（2），94\u2013100.“，“DOI”：“10.1080\/09296171003643098”}，{“key”：“211_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cozma，M.，Butnaru，A.M.，&Ionescu，R.T.（2018）。带字符串核心和单词嵌入的自动论文评分。ArXiv预印ArXiv:1804.07954.”，“DOI:”10.18653\/v1\/P18-2080“}，{“密钥”：“211_CR10“，”doi-asserted-by“：”crossref“，”unstructured“：”Crossley，S.A.，Kyle，K.，&McNamara，D.S.（2016）。文本衔接自动分析工具（TAACO）：自动评估局部、全局和文本衔接。行为研究方法，48（4），1227\u20131237。“，“DOI”：“10.3758\/s13428-015-0651-7”}，{“key”：“211_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Crossley，S.A.，Kyle，K.，&McNamara，D.S.（2017）。情绪分析和社会认知引擎（SEANCE）：情绪、社会认知和社会秩序分析的自动工具。行为研究方法，49（3），803\u2013821.“，“DOI”：“10.3758\/s13428-016-0743-z”}，{“key”：“211_CR12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Crossley，S.A.，Bradfeld，F.，&Bustamante，A.（2019a）。使用人类判断来检查写作中自动语法、语法和机械错误的有效性。写作研究杂志，11（2），251\u2013270。“，”DOI“：”10.17239\/jowr-2019.11.02.01“}，{“key”：“211_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Crossley，S.A.，Kyle，K.，&Dascalu，M.（2019b）。衔接2.0自动分析工具：整合语义相似性和文本重叠。行为研究方法，51（1），14\u201327。”，“DOI”：“10.3758\/s13428-018-1142-4“}，{“key”：“211_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Cummins，R.，Zhang，M.，&Briscoe，E.J.（2016）。自动论文评分的约束多任务学习。计算语言学协会。”，“doi”：“10.18653\/v1\/P16-1075”}，“key“：”211_CR15“，”doi-assert-by“：”crossref.“，”非结构化“：”Dong，F.、Zhang，Y.和Yang，J.（2017）。用于自动论文评分的基于注意的递归卷积神经网络。《第21届计算自然语言学习会议论文集》（CoNLL 2017）（第153\u2013162页）。“，”DOI“：”10.18653\/v1\/K17-1017“}，{”key“：”211_CR16“，”DOI-asserted-by“：”crossref“，”unstructured“：”Dronen，N.，Foltz，P.W.，&Habermehl，K.（2015）。大规模自动写作评估系统的有效抽样。第二届（2015）ACM会议论文集学习@规模（第3页\u201310）。“，”DOI“：”10.1145\/2724660.2724661“}，{“key”：“211_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fergadiotis，G.，Wright，H.H.，&Green，S.B.（2015）。词汇多样性指数的心理测量评估：评估长度效应。《言语、语言和听力研究杂志》，58（3），840\u2013852。”，“DOI”：“10.1044\/2015_JSLHR-L-14-0280”}，}“key“：”211_CR18“，”unstructured“：”Fonti，V.，&Belitser，E.（2017）。使用套索选择特征。VU阿姆斯特丹商业分析研究论文。“}，{”key“：”211_CR19“，”doi-asserted-by“：”crossref“，”unstructured“：”Gregori-Signes，C.，&Clavel-Arroitia，B.（2015）。分析2019年大学生书面语篇中的词汇密度和词汇多样性。《社会与行为科学》，198，546\u2013556。“，”doi“：”10.1016\/j.sbspro.2015.07.477“}”，{“key”：“211_CR20”，“doi-assert-by”：“”crossref“，“非结构化”：”Jankowska，M.，Conrad，C.，Harris，J.，&Ke\u0161elj，V.（2018）。基于N-gram的论文评分自动预测方法。E.Bagheri和J.C.K.Cheung（编辑），《人工智能进展》（pp.298\u2013303）。查姆：斯普林格国际出版公司。“，”DOI“：”10.1007\/978-3-319-89656-4_30“}，{”key“：”211_CR21“，”unstructured“：”Johansson，V.（2009）。言语和写作中的词汇多样性和词汇密度：发展视角。《语言学伦德工作论文》，53，61\u201379。“}”，{“key”：“211_CR22”，“DOI-asserted-by”：“crossref”，“unstructure”：“Kumar，V.，Fraser，S。N.和Boulanger，D.（2017年）。发现五种基线写作能力的预测能力。《写作分析杂志》，1（1），176\u2013226检索自https:\/\/journals.colotate.edu\/analysics\/article\/view\/107.“，”DOI“：”10.37514\/JWA-J.2017.1.1.08“}，{“key”：“211_CR23”，“unstructured”：“Kyle，K.（2016）衡量二语写作中的句法发展：句法复杂度的细粒度指数和基于用法的句法复杂度指数。【乔治亚州立大学博士论文】。https:\/\/schoolworks.gsu.edu\/alesl_dis\/35“}，{“key”：“211_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Kyle，K.，Crossley，S.，&Berger，C.（2018）。词汇复杂度自动分析工具（TAALES）：2.0版。行为研究方法，50（3），1030\u20131046.“，“DOI”：“10.3758\/s13428-017-0924-4”}，{“key”：“211_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liang，G.，On，B.-W.，Jeong，{“key”：“211_CR26”，“unstructured”：“Liu，J.，Xu，Y.，&Zhao，L.（2019）。基于两阶段学习的自动论文评分。ArXiv预打印ArXiv:1901.07744。”}，{《key》：“211-CR27”，“doi-asserted-by”：“crossref”，“非结构化”：“Lu，X.（2010）第二语言写作中句法复杂性的自动分析。国际语料库语言学杂志，15（4），474\u2013496。“，”DOI“：”10.1075\/ijcl.15.4.02lu“}，{“key”：“211_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Malvern，D.，Richards，B.，Chipere，N.，&Dur\u00e1n，P.（2004）。词汇多样性和语言发展。纽约：Palgrave Macmillan。”，“DOI”：“10.1057\/9780230511804”}，“key“：”211_CR29“，”doi-asserted-by“：”crossref“，”unstructured“：”McCarthy，P.M.，&Jarvis，S.（2010）。MTLD、vocd-D和HD-D：词汇多样性评估复杂方法的验证研究。行为研究方法，42（2），381\u2013392.“，“DOI”：“10.3758\/BRM.42.2381”}，{“key”：“211_CR30”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mesgar，M.，&Strube，M.（2018）。文本质量评估的神经局部连贯模型。《2018年自然语言处理实证方法会议论文集》（第4328\u20134339页）。”，“DOI“：”10.18653\/v1\/D18-1464“}，{“key”：“211_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Murdoch，W.J.，Singh，C.，Kumbier，K.，Abbasi-Asl，R.，&Yu，B.（2019）。可解释机器学习中的定义、方法和应用。美国国家科学院学报，116（44），22071\u201322080。”，“DOI”：“10.1073\/pnas.19900654116“｝，｛“key”：“211_CR32”，“nonstructured”：“Perelman，L.（2013）。Mark D.Shermis和Ben Hammer的评论家，对比最先进的论文自动评分：分析。写作评估杂志，6（1）。”｝，｛“key”：“211_CR33”，“doi asserted by”：“crossref”，“nonstructured”：“Perelman，L.（2014）当\u201c时，最先进的\u201d是计算单词。《写作评估》，21，104\u2013111.“，”DOI“：”10.1016\/j.asw.2014.05.01“}，{”key“：”211_CR34“，”DOI-asserted-by“：”crossref“，”unstructured“：”Ribeiro，M.T.，Singh，S.，&Guestrin，C.（2016）.\u201c我为什么要相信你？\u201d：解释任何分类器的预测。CoRR，abs\/1602.0.“，“DOI”：“10.1145\/29339672.2939778”}，”{“key”：“211_CR35”，“非结构化”：“Rosebrock，A.（2017）。使用Python深入学习计算机视觉。PyImageSearch。“}，{”key“：”211_CR36“，”doi-asserted-by“：”crossref“，”unstructured“：”Shermis，M.D.（2014）。最先进的自动论文评分：竞争、结果和美国示范的未来方向。《评估写作》，20，53\u201376。“，”doi“：”10.1016\/j.asw.2013.04.001Stefanowitsch，A.和Gries，S.T.（2003）。搭配：研究单词和结构之间的相互作用。《国际语料库语言学杂志》，8（2），209\u2013243.“，“DOI”：“10.1075\/ijcl.8.2.03ste”}，{“key”：“211_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Taghipour，K.，&Ng，H.T.（2016）。自动论文评分的神经方法。《2016年自然语言处理实证方法会议论文集》（第1882页\u20131891页）。“，”DOI“：”10.18653\/v1\/D16-1193“}，{”key“：”211_CR39“，”DOI-asserted-by“：”crossref“，”unstructured“：”Torruella，J.，&Capsada，R.（2013）.词汇统计和类型结构：词汇丰富性的度量.社会与行为科学，95，447\u2013454.“，”DOI“：交叉参考“，”非结构化”：“Wang，Y.，Wei，Z.，Zhou，Y.和Huang，X.（2018）。通过强化学习结合评分模式的自动论文评分。《2018年自然语言处理实证方法会议论文集》（第791\u2013797页）。“，”DOI“：”10.18653\/v1\/D18-1090“}，{”key“：”211_CR41“，”unstructured“：”West-Smith，P.，Butler，S.，&Mayfield，E.（2018）。无显式结构有效性的值得信赖的自动论文评分。在2018年AAAI春季研讨会系列中。“}”，{“key”：“211_CR42”，“DOI-asserted-by”：“crossref”，“unstructure”：“Woods，B.，Adamson，D.，Miel，S.和Mayfiell，E.（2017）.使用预测评分模型的形成性文章反馈。第23届ACM SIGKDD知识发现和数据挖掘国际会议论文集（第2071\u20132080页）。“，”DOI“：”10.1145\/3097983.3098160“}，{“key”：“211_CR43”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，S.，Zhang，Y.，X.，Botelho，A.，&Heffernan，N.（2017）。自动评分的记忆增强神经模型。第四届（2017）ACM会议论文集学习@规模（第189\u2013192页）。“，”DOI“：”10.1145\/303051457.3053982“｝，｛”key“：”211_CR44“，”DOI由“：”crossref“断言，”非结构化“：”Zupanc，K.，&Bosni\u0107，Z.（2017）。带语义分析的自动论文评估。基于知识的系统，120118\u2013132.“，”DOI“：”10.1016\/j.knosys.2017.0.01.006“｝]，”容器标题“：[”国际人工智能教育杂志“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s40593-020-00211-5.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“、”intended-application“：”text-mining“}，”{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s40593-020-00211-5\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//link.springer\com/content\/pdf\/10.10007\/s40693-020-00211-5.pdf”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-aapplication”“：”相似性检查“}”，“存放”：{“日期-部分”：[[2022,7,19]]，“日期-时间”：“2022-07-19T09:40:03Z”，“时间戳”：1658223603000}，“分数”：1，“资源”：{-“主要”：{“URL”：“https:\/\/link.springer.com\/10.10007\/s40593-020-00211-5”}}，”副标题“：[]，”短标题“：[]，”发布“：{”日期-部分“：[2020,9,15]]}，“references-count”：43，“journal-issue”：{“issue”：“3”，“published-print“：{“date-parts”：[[2021,9]]}}，“alternative-id”：[“211”]，“URL”：“http://\/dx.doi.org\/10.1007\/s40593-020-00211-5”，“relationship”：{}，”ISSN“：[“1560-4292”，“1560-4306”]，”ISSN-type“：[{“value”：“1560-4282”，“type”：“}]，”主题“：[]，”发布“：{”日期部分“：[[2020,9,15]]}，”断言“：[{”值“：”2020年9月15日“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“此内容已向所有人开放。”，“name”:“free”，“标签”：“free to read”}]}}