سیستم های تصحیح خودکار پاسخ های کوتاه

پژوهشی که در مجله بین المللی سیستم های هوش محاسباتی اسپرینگر (۲۰۲۵) منتشر شده، رویکرد ترکیبی دیگری را معرفی می کند که از Google Cloud Vision API برای استخراج و تبدیل پاسخ های دستنویس به متن قابل خواندن توسط ماشین استفاده می کند و سپس از مدل DeepSeek-R۱ برای ارزیابی محتوای متنی بهره می برد. این پژوهش نشان می دهد که ترکیب OCR با مدل های زبانی بزرگ می تواند نقاط ضعف هر دو فناوری را به تنهایی جبران کند.در کنار تصحیح مقالات، تصحیح خودکار پاسخ های کوتاه نیز حوزه پژوهشی مستقلی است. ژو، وو و ژانگ (۲۰۲۲) در مجله فناوری های یادگیری آی ای ای ای سیستمی برای تصحیح خودکار پاسخ های کوتاه با استفاده از شبکه های عصبی عمیق مبتنی بر BERT معرفی کرده اند. این سیستم ها باید بتوانند تنوع زبانی گسترده ای را در پاسخ های دانش آموزان مدیریت کنند، یعنی پاسخ هایی که مفهوم درستی را بیان می کنند اما لزوما از کلمات یکسانی استفاده نمی کنند. این تفاوت مهم ترین تمایز میان تصحیح پاسخ های کوتاه و تصحیح آزمون های چندگزینه ای است و فناوری پردازش زبان طبیعی پیشرفته برای آن ضروری است.