فناوری های اصلی در حوزه تصحیح خودکار مبتنی بر هوش مصنوعی: پردازش زبان طبیعی (NLP)

پردازش زبان طبیعی پایه ای ترین فناوری در سیستم های تصحیح خودکار است. این فناوری به ماشین ها امکان می دهد متن نوشتاری انسان را تحلیل کنند، معنا و ساختار آن را درک کنند و بر اساس آن، نمره یا بازخورد تولید نمایند. سیستم های تصحیح خودکار مقالات (AES) که بر پردازش زبان طبیعی استوارند، از دهه ۱۹۶۰ وجود داشته اند، اما پیشرفت های اخیر این حوزه را متحول کرده است. اورمرود، مالهوترا و جعفری (۲۰۲۱) تصحیح خودکار مقالات را تلاشی میان رشته ای می دانند که آموزش، زبان شناسی و پردازش زبان طبیعی را با هم ترکیب می کند. اثربخشی یک مدل پردازش زبان طبیعی در تصحیح خودکار، توانایی آن در ارزیابی وابستگی های بلندمدت و استنتاج معنا حتی از متون ضعیف را می سنجد.رویکردهای اولیه در این حوزه بر پایه تطابق کلیدواژه و قوانین دستوری از پیش تعریف شده بودند که محدودیت های جدی داشتند. با ظهور یادگیری ماشین، سیستم ها توانستند از داده های آموزشی حجیم الگو استخراج کنند و دقت خود را به طور قابل توجهی افزایش دهند. رویکردهای مبتنی بر شبکه های عصبی بازگشتی (RNN) و حافظه کوتاه مدت طولانی (LSTM) مرحله بعدی این تحول بودند که قابلیت پردازش توالی های متنی پیچیده را فراهم آوردند (گوپتا و همکاران، ۲۰۲۲).