Direitos para esta edição cedidos à Atena Editora pelos autores. Open access publication by Atena Editora Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição-Não-Comercial-NãoDerivativos 4.0 Internacional (CC BY-NC-ND 4.0). O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do Conselho Editorial desta Editora, tendo sido aprovados para a publicação com base em critérios de neutralidade e imparcialidade acadêmica.A Atena Editora é comprometida em garantir a integridade editorial em todas as etapas do processo de publicação, evitando plágio, dados ou resultados fraudulentos e impedindo que interesses financeiros comprometam os padrões éticos da publicação. Situações suspeitas de má conduta científica serão investigadas sob o mais alto padrão de rigor acadêmico e ético.

In this paper, a discourse-based method that merges syntactic and semantic models for developing an automated system for reading comprehension assessment is proposed. For evaluating semantic content, we use the classical models from the literature: Vector Space Modelling and Latent Semantic Analysis. For evaluating the coherence of a text, we used an entity grid representation of the texts, which extracts syntactic patterns from the texts and relies on the assumption that coherent texts will have similar underlying syntactic patterns. The contribution of this work is twofold: firstly, we develop a new methodology for free-text responses in which we assess student‘s texts by semantic content and coherence. Secondly, we develop an automated system for assessing a student's reading comprehension for Spanish language using features that can be computed automatically. Experiments show that we can get accuracies of 90% when assessing text content, and of 55% - 60% when assessing text coherence.

No abstract

No abstract