evidoria

← Volver al listado

Buena práctica Importada

AAEE — El Evaluador Automático de Redacciones en Árabe de la Universidad Rey Saúd para Estudiantes Saudíes

Arabia Saudita · Riyadh · Ver el perfil de Arabia Saudita · Ver el perfil de Riyadh

Evidencia: Observacional / pre-post Top 80% 33/100 · Pregunte a Evidence Copilot sobre esta práctica

Investigadores de la Universidad Rey Saúd crearon AAEE, uno de los primeros correctores automáticos de redacciones en árabe, modelado según la rúbrica oficial de las escuelas saudíes. Probado en 350 redacciones reales de estudiantes sobre ocho temas, alcanzó un 90% de precisión y una correlación de 0,756 con correctores humanos.

350 essays
Essay corpus size
8 topics
Essay topics covered
90 %
Scoring accuracy
0,756
Correlation with human graders
0,913
Correlation achieved by later Random Forest model (Alsaif et al. 2023)

Detalles

Promotor
King Saud University, Department of Computer Science, College of Computer & Information Sciences
Período
2019 (published study; research-stage system)
Palabras clave
natural language processing, Arabic-language assessment, academic research, K-12 education

Contexto

Investigadores del Departamento de Ciencias de la Computación, Facultad de Ciencias de la Computación y de la Información de la Universidad Rey Saud, desarrollaron AAEE, uno de los primeros sistemas para puntuar automáticamente ensayos en árabe, cubriendo una laguna dejada por la investigación en calificación automática de ensayos (AES), centrada mayoritariamente en el inglés.

Objetivos

Puntuar automáticamente y ofrecer retroalimentación sobre ensayos en árabe escritos por estudiantes saudíes de secundaria básica y superior, basándose en los criterios oficiales de la rúbrica escolar: dominio del idioma, estructura del ensayo y relevancia del contenido.

Actividades

AAEE combina el Análisis Semántico Latente con la Teoría de la Estructura Retórica para evaluar tanto la calidad léxica/gramatical como la coherencia de la estructura argumentativa del ensayo; se evaluó frente a un corpus construido específicamente de 350 ensayos sobre ocho temas, puntuados de forma independiente por instructores humanos como referencia.

Resultados

AAEE alcanzó un 90% de precisión y una correlación de 0,756 con los calificadores humanos; un estudio posterior de 2023 que usó el mismo corpus encontró que enfoques de aprendizaje automático más recientes, incluidos modelos Random Forest, podían alcanzar una correlación de 0,913, superando el referente de AAEE.

Conclusiones

AAEE sigue siendo un sistema en fase de investigación, validado en un corpus de ensayos compilado en lugar de desplegado en aulas saudíes reales o exámenes nacionales, pero estableció un importante referente temprano para la calificación automática de ensayos en árabe.

Implementación

Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Corto (< 1 año)
Personal y competencias
Researchers in the Department of Computer Science, College of Computer & Information Sciences, King Saud University

Condiciones para el éxito

  • A purpose-built corpus of real student essays independently scored by human instructors as ground truth
  • Alignment of automated criteria with the official school grading rubric (language, structure, content relevance)
  • Combination of complementary NLP techniques (LSA plus Rhetorical Structure Theory) to capture both lexical and coherence quality

Modos de fallo comunes

  • Validated only on a compiled research corpus, not a live classroom or exam deployment
  • Newer machine-learning approaches have already surpassed its accuracy (per Alsaif et al., 2023)

Dónde encaja

Tipo de gobernanza
university research project
Escala
research-stage, single-institution study (350-essay corpus)
Nivel de ingresos
high-income (Saudi Arabia)

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles