@inproceedings{labrak-etal-2022-correction,
title = "Correction automatique d{'}examens {\'e}crits par approche neuronale profonde et attention crois{\'e}e bidirectionnelle (Deep Neural Networks and Bidirectional Cross-Attention for Automatic Answer Grading)",
author = "Labrak, Yanis and
Turcotte, Philippe and
Dufour, Richard and
Rouvier, Mickael",
editor = "Grouin, Cyril and
Illouz, Gabriel",
booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Atelier D{\'E}fi Fouille de Textes (DEFT)",
month = "6",
year = "2022",
address = "Avignon, France",
publisher = "ATALA",
url = "https://aclanthology.org/2022.jeptalnrecital-deft.4",
pages = "36--44",
abstract = "Cet article pr{\'e}sente les syst{\`e}mes d{\'e}velopp{\'e}s par l{'}{\'e}quipe LIA-LS2N dans le cadre de la campagne d{'}{\'e}valuation DEFT 2022 (Grouin {\&} Illouz, 2022). Nous avons particip{\'e} {\`a} la premi{\`e}re t{\^a}che impliquant la correction automatique de copies d{'}{\'e}tudiants {\`a} partir de r{\'e}f{\'e}rences existantes. Nous proposons trois syst{\`e}mes de classification reposant sur des caract{\'e}ristiques extraites de plongements de mots contextuels issus d{'}un mod{\`e}le BERT (CamemBERT). Nos approches reposent sur les concepts suivants : extraction de mesures de similarit{\'e} entre les plongements de mots, attention crois{\'e}e bidirectionnelle entre les plongements et fine-tuning (affinage) des plongements de mots. Les soumissions finales comprenaient deux syst{\`e}mes fusionn{\'e}s combinant l{'}attention crois{\'e}e bidirectionnelle avec nos classificateurs bas{\'e}s sur BERT et celui sur les mesures de similarit{\'e}. Notre meilleure soumission obtient une pr{\'e}cision de 72,6 {\%} en combinant le classifieur bas{\'e} sur un mod{\`e}le CamemBERT affin{\'e} et le m{\'e}canisme d{'}attention crois{\'e}e bidirectionnelle. Ces r{\'e}sultats sont proches de ceux obtenus par le meilleur syst{\`e}me de cette {\'e}dition (75,6 {\%}).",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="labrak-etal-2022-correction">
<titleInfo>
<title>Correction automatique d’examens écrits par approche neuronale profonde et attention croisée bidirectionnelle (Deep Neural Networks and Bidirectional Cross-Attention for Automatic Answer Grading)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Yanis</namePart>
<namePart type="family">Labrak</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Philippe</namePart>
<namePart type="family">Turcotte</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Richard</namePart>
<namePart type="family">Dufour</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Mickael</namePart>
<namePart type="family">Rouvier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2022-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Atelier DÉfi Fouille de Textes (DEFT)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Cyril</namePart>
<namePart type="family">Grouin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gabriel</namePart>
<namePart type="family">Illouz</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Avignon, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Cet article présente les systèmes développés par l’équipe LIA-LS2N dans le cadre de la campagne d’évaluation DEFT 2022 (Grouin & Illouz, 2022). Nous avons participé à la première tâche impliquant la correction automatique de copies d’étudiants à partir de références existantes. Nous proposons trois systèmes de classification reposant sur des caractéristiques extraites de plongements de mots contextuels issus d’un modèle BERT (CamemBERT). Nos approches reposent sur les concepts suivants : extraction de mesures de similarité entre les plongements de mots, attention croisée bidirectionnelle entre les plongements et fine-tuning (affinage) des plongements de mots. Les soumissions finales comprenaient deux systèmes fusionnés combinant l’attention croisée bidirectionnelle avec nos classificateurs basés sur BERT et celui sur les mesures de similarité. Notre meilleure soumission obtient une précision de 72,6 % en combinant le classifieur basé sur un modèle CamemBERT affiné et le mécanisme d’attention croisée bidirectionnelle. Ces résultats sont proches de ceux obtenus par le meilleur système de cette édition (75,6 %).</abstract>
<identifier type="citekey">labrak-etal-2022-correction</identifier>
<location>
<url>https://aclanthology.org/2022.jeptalnrecital-deft.4</url>
</location>
<part>
<date>2022-6</date>
<extent unit="page">
<start>36</start>
<end>44</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Correction automatique d’examens écrits par approche neuronale profonde et attention croisée bidirectionnelle (Deep Neural Networks and Bidirectional Cross-Attention for Automatic Answer Grading)
%A Labrak, Yanis
%A Turcotte, Philippe
%A Dufour, Richard
%A Rouvier, Mickael
%Y Grouin, Cyril
%Y Illouz, Gabriel
%S Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Atelier DÉfi Fouille de Textes (DEFT)
%D 2022
%8 June
%I ATALA
%C Avignon, France
%G French
%F labrak-etal-2022-correction
%X Cet article présente les systèmes développés par l’équipe LIA-LS2N dans le cadre de la campagne d’évaluation DEFT 2022 (Grouin & Illouz, 2022). Nous avons participé à la première tâche impliquant la correction automatique de copies d’étudiants à partir de références existantes. Nous proposons trois systèmes de classification reposant sur des caractéristiques extraites de plongements de mots contextuels issus d’un modèle BERT (CamemBERT). Nos approches reposent sur les concepts suivants : extraction de mesures de similarité entre les plongements de mots, attention croisée bidirectionnelle entre les plongements et fine-tuning (affinage) des plongements de mots. Les soumissions finales comprenaient deux systèmes fusionnés combinant l’attention croisée bidirectionnelle avec nos classificateurs basés sur BERT et celui sur les mesures de similarité. Notre meilleure soumission obtient une précision de 72,6 % en combinant le classifieur basé sur un modèle CamemBERT affiné et le mécanisme d’attention croisée bidirectionnelle. Ces résultats sont proches de ceux obtenus par le meilleur système de cette édition (75,6 %).
%U https://aclanthology.org/2022.jeptalnrecital-deft.4
%P 36-44
Markdown (Informal)
[Correction automatique d’examens écrits par approche neuronale profonde et attention croisée bidirectionnelle (Deep Neural Networks and Bidirectional Cross-Attention for Automatic Answer Grading)](https://aclanthology.org/2022.jeptalnrecital-deft.4) (Labrak et al., JEP/TALN/RECITAL 2022)
ACL