evidoria

← Retour à la liste

Bonne pratique Importée

AAEE — L'Évaluateur Automatique de Dissertations en Arabe de l'Université King Saud pour les Élèves Saoudiens

Arabie Saoudite · Riyadh · Voir le profil de Arabie Saoudite · Voir le profil de Riyadh

Preuves: Observationnel / avant-après Top 80% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

Des chercheurs de l'Université King Saud ont créé AAEE, l'un des premiers correcteurs automatiques de dissertations en arabe, calqué sur le barème officiel des écoles saoudiennes. Testé sur 350 dissertations réelles d'élèves sur huit thèmes, il a atteint 90 % de précision et une corrélation de 0,756 avec les correcteurs humains.

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)

Détails

Promoteur
King Saud University, Department of Computer Science, College of Computer & Information Sciences
Période
2019 (published study; research-stage system)
Mots-clés
natural language processing, Arabic-language assessment, academic research, K-12 education

Contexte

Des chercheurs du département d'informatique, Collège des sciences informatiques et de l'information de l'Université King Saud, ont développé AAEE, l'un des premiers systèmes de notation automatique des essais en langue arabe, comblant une lacune laissée par la recherche en notation automatique d'essais (AES), largement centrée sur l'anglais.

Objectifs

Noter automatiquement et fournir des retours sur des essais en langue arabe rédigés par des élèves saoudiens du collège et du lycée, sur le modèle des critères officiels du barème scolaire : maîtrise de la langue, structure de l'essai et pertinence du contenu.

Activités

AAEE combine l'analyse sémantique latente et la théorie de la structure rhétorique pour évaluer à la fois la qualité lexicale/grammaticale et la cohérence de la structure argumentative de l'essai ; il a été évalué sur un corpus conçu à cet effet de 350 essais couvrant huit sujets, notés indépendamment par des enseignants humains comme référence.

Résultats

AAEE a atteint une précision de 90 % et une corrélation de 0,756 avec les correcteurs humains ; une étude ultérieure de 2023 utilisant le même corpus a montré que des approches d'apprentissage automatique plus récentes, dont des modèles Random Forest, pouvaient atteindre une corrélation de 0,913, dépassant ainsi la référence établie par AAEE.

Conclusions

AAEE reste un système au stade de la recherche, validé sur un corpus d'essais compilé plutôt que déployé dans de véritables salles de classe saoudiennes ou des examens nationaux, mais il a établi une référence précoce importante pour la notation automatique des essais en arabe.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
Researchers in the Department of Computer Science, College of Computer & Information Sciences, King Saud University

Conditions de réussite

  • 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

Modes d’échec courants

  • 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)

Où cela s’applique

Type de gouvernance
university research project
Échelle
research-stage, single-institution study (350-essay corpus)
Niveau de revenu
high-income (Saudi Arabia)

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles