Predicting the Difficulty of Language Proficiency Tests

Language proficiency tests are used to evaluate and compare the progress of language learners. We present an approach for automatic difficulty prediction of C-tests that performs on par with human experts. On the basis of detailed analysis of newly collected data, we develop a model for C-test difficulty introducing four dimensions: solution difficulty, candidate ambiguity, inter-gap dependency, and paragraph difficulty. We show that cues from all four dimensions contribute to C-test difficulty.

Vorschau

Einordnung

Datum der Veröffentlichung:
01.11.2014
URN:
urn:nbn:de:hbz:464-20211026-112114-9
DOI:
10.1162/tacl_a_00200
Sprache:
Englisch
Ressourcentyp:
Text
Kollektion:
E-Publikationen
Sachgruppen der Deutschen Nationalbibliographie:
004 Informatik
Link URL:
https://www.aclweb.org/anthology/Q14-1040
Einrichtung:
Fakultät für Ingenieurwissenschaften, Informatik und Angewandte Kognitionswissenschaft, Informatik, Sprachtechnologie
Informationen zur Erstveröffentlichung:
Beinborn, L, Zesch, T, Gurevych, I: Predicting the Difficulty of Language Proficiency Tests. Transactions of the Association for Computational Linguistics (2014) 2: 517–530. https://doi.org/10.1162/tacl_a_00200

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Rechte

Rechteinhaber:

©2014 Association for Computational Linguistics

Nutzung und Vervielfältigung:
Dieses Werk kann unter einer
CC BY-NC-SA 3.0 LogoCreative Commons Namensnennung - Nicht-kommerziell - Weitergabe unter gleichen Bedingungen 3.0 Lizenz (CC BY-NC-SA 3.0)
genutzt werden.