识别学习者错误中的消极语言迁移销售时点情报系统信息

Leticia Farias Wanderley女士,凯莉·德曼斯·埃普

摘要
语言学习者经常犯的一个错误是在用另一种语言进行交流时误用母语规则。本文使用n-gram和递归神经网络语言模型来表示语言结构，并检测以中国为母语的人何时将规则从第一语言（即汉语）错误地转移到英语写作中。这些模型可以将错误原因（如负性语言迁移）告知纠正性错误反馈。我们报告了使用n-gram和递归神经网络模型进行的阴性语言检测实验的结果，这些模型是使用部分语言标签训练的。在识别英语学习者数据中的消极语言迁移时，表现最好的模型的F1分数为0.51。
选集ID：
2021年bea-1.7
体积：
第十六届创新使用NLP构建教育应用研讨会会议记录
月份：
四月
年份：
2021
地址：
在线的
编辑：
吉尔·伯斯坦,安德烈亚·霍尔巴赫,叶卡捷琳娜·科奇马尔,Ronja Laarmann Quante公司,克劳迪娅·利科克,尼丁·马德纳尼,伊尔迪科·皮兰,海伦·扬纳库达基斯,托尔斯滕·泽施
地点：
东亚银行
SIG公司：
西格杜
出版商：
计算语言学协会
注：
页：
64–74
语言：
网址：
https://aclantology.org/2021.bea-1.7
内政部：
比比键：
引用（ACL）：
Leticia Farias Wanderley和Carrie Demmans Epp。2021利用POS信息识别学习者错误中的负迁移.英寸第十六届创新使用NLP构建教育应用研讨会会议记录，第64-74页，在线。计算语言学协会。
引用（非正式）：
利用POS信息识别学习者错误中的负迁移（Farias Wanderley&Demmans Epp，BEA 2021）
复制引文：
PDF格式：
https://aclantology.org/2021.bea-1.7.pdf
代码
EdTeKLA/语言转换
数据
FCE公司, 通用依赖项
PDF格式 引用 搜索 代码