Proceedings of the 17th Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2022) 2022
DOI: 10.18653/v1/2022.bea-1.3
|View full text |Cite
|
Sign up to set email alerts
|

Mitigating Learnerese Effects for CEFR Classification

Abstract: The role of an author's L1 in SLA can be challenging for automated CEFR classification, in that texts from different L1 groups may be too heterogeneous to combine them as training data. We experiment with recent debiasing approaches by attempting to devoid textual representations of L1 features. This results in a more homogeneous group when aggregating CEFRannotated texts from different L1 groups, leading to better classification performance. Using iterative null-space projection, we marginally improve classif… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
0
0
1

Year Published

2023
2023
2023
2023

Publication Types

Select...
1

Relationship

0
1

Authors

Journals

citations
Cited by 1 publication
(1 citation statement)
references
References 14 publications
(21 reference statements)
0
0
0
1
Order By: Relevance
“…Зависимость качества классификации от качества используемого корпуса данных отмечается в работе [12]. Авторы указывают на разнородность и несбалансированность текстов, собираемых среди изучающих английский язык как второй.…”
Section: аналогичные работыunclassified
“…Зависимость качества классификации от качества используемого корпуса данных отмечается в работе [12]. Авторы указывают на разнородность и несбалансированность текстов, собираемых среди изучающих английский язык как второй.…”
Section: аналогичные работыunclassified