„Het verraste ons dat wij konden doen evenals wij, vooral aangezien dit onze eerste poging was,“ bovengenoemde Sargur N. Srihari, onderscheidde Ph.D., SUNY Professor in het Ministerie UB van de Wetenschap en de Techniek van de Computer en belangrijkste onderzoeker op het project.

Het project concentreerde zich op met de hand geschreven die pogingen uit achtste nivelleermachines in de Gesubsidieerde lage scholen van Buffels worden verkregen die aan deze vraag van een examen van de Kunsten van de Staat van New York Engelstalig antwoordden: „Hoe de rol van Martha Washington als Presidentsvrouw verschillend van dat van Eleanor Roosevelt?“ was

Drie honderd van de pogingen werden genoteerd door menselijke examinators en werden gebruikt als een „goudstandaard“ waartegen 96 computer-genoteerde pogingen werden beoordeeld.

De pogingen werden gesorteerd op een schaal van 0-6, met zes zijnd de hoogste score.

In 70 percent van gevallen, de gemelde onderzoekers UB, sorteerde het computerprogramma de pogingen binnen één punt van die toegewezen door menselijke examinators.

Het onderzoek UB pakt twee significante kunstmatige intelligentieproblemen, bovengenoemde Srihari, directeur van aan het Expertisecentrum van UB In de Analyse en de Erkenning van het Document (CEDER), het grootste onderzoekscentrum van de wereld toegewijd aan het ontwikkelen van nieuwe technologieën die handschrift erkennen en kunnen lezen.

„Wij wilden zien of de geautomatiseerde mogelijkheden van de handschrifterkenning kunnen worden gebruikt om het handschrift van kinderen te lezen, dat hoofdzakelijk niet in kaart gebracht grondgebied is,“ hij zeiden. „Namen wij het toen verder één stap om te zien of konden wij computers ertoe brengen om deze pogingen zoals menselijke examinators te noteren.“

In het proefonderzoek, werden de pogingen eerst afgetast in een computer. Elke lijn van tekst werd opgesplitst in individuele woorden. In deze stap, was het doel van het systeem woorderkenning, die het het gebruiken van contextuele informatie van de rest van de steekproef, de antwoordrubriek en de vraag verwezenlijkte.

Zodra de meerderheid van woorden werd erkend, werd de poging omgezet in een digitaal tekstdossier.

Voor de geautomatiseerde noterende stap, gebruikten de onderzoekers UB een kunstmatige neurale netwerkbenadering.

„In deze methode, „leert“ het systeem van een reeks antwoorden die reeds door mensen, het associëren verschillende waarden of scores met verschillende eigenschappen in de pogingen werden genoteerd,“ verklaarde Srihari.

Computerdie hulpmiddelen worden ontworpen om pogingen te evalueren die worden getypt, niet met de hand geschreven, er bestaan reeds, verklaarde Srihari.

„Maar deze zijn gebaseerd allen op elektronische teksten die de test-afnemer binnen typt, gebruikend een computertoetsenbord,“ hij zei. „In dit geval, ijveren wij voor het ontwikkelen van een computerhulpmiddel om vele duizenden met de hand geschreven die pogingen te lezen en te evalueren door schoolkinderen als deel van verplicht gestelde het lezen begripstests over de gehele staat worden geschreven.“

De zuivere snelheid waarmee het programma werkt -- letterlijk seconden per poging -- is het duidelijkste voordeel, zeiden de onderzoekers UB.

De met de hand geschreven pogingen zijn een belangrijk stuk van elke gestandaardiseerde die het lezen begripstest in elke staat wordt gegeven. Maar omdat het sorteren van elk van die met de hand geschreven pogingen zulk een reusachtige taak die vele werkuren vereisen door menselijke examinators is, komen de studenten die het examen in Januari nemen niet te weten hoe zij tot bijna het eind van het de lentesemester deden.

„Beoordelen van deze hoeveelheid met de hand geschreven pogingen is zeer afmattend,“ bovengenoemde Srihari. „Het zou aardig zijn om dit proces zo te automatiseren misschien konden de studenten de test in Mei nemen, hebben ontvangend meer instructie, en dan de resultaten in Juni hebben.“

En terwijl sommige leraren van de capaciteit van computers omzichtig kunnen zijn pogingen, James L. Collins, Ed.D., professor in het Ministerie UB van het Leren en Instructie in de Gediplomeerde School UB van Onderwijs en een mede-onderzoeker behoorlijk om te sorteren, is vrij zeker.

Terwijl hij opmerkte dat de menselijke examinators nog zouden kunnen noodzakelijk zijn voor het sorteren op zeer specifieke criteria, kon de meerderheid van evaluaties waarschijnlijk net zo goed door computers worden gedaan.

De „computertaalkunde heeft grote sprongen tijdens het afgelopen decennium gemaakt en het blijkt dat voor het beoordelen van de algemene kwaliteit van een document, de computers inderdaad zo betrouwbaar zoals menselijke nivelleermachines zijn,“ bovengenoemde Collins.

Dat is een belangrijke ontwikkeling, zei hij, omdat schrijvende praktijk en koppelt van lezers terug is de belangrijkste aspecten van het leren om op elk rangniveau te schrijven.

Het „probleem is, „hoe de leraren nuttig aan alle schrijven veroorzaakt door hun studenten antwoorden? “ „hij zei. „Op dit ogenblik, besteden de leraren heel wat tijd het worden van hun studenten voor deze gestandaardiseerde tests klaar, dan nemen de studenten het examen en krijgen hun scores achter later maanden. Met computer het noteren, konden de studenten hun scores veel sneller terugkrijgen op een tijdstip waarop de resultaten nog kunnen worden gericht. De beoordelingsscores zouden niet alleen in een „zwart gat gaan. “ „

Het softwareprogramma bij UB „wordt werd opgeleid“ die pogingen te evalueren op zes specifieke het schrijven trekken worden gebaseerd ontwikkeld die: de ideeën, de organisatie, de woordkeus, de zinsstructuur, de stem en de overeenkomsten houden van spelling, gebruik en punctuatie.

Collins zei dat de software nu in ontwikkeling als belangrijk het onderwijshulpmiddel zou kunnen worden gebruikt.

„Wij voorzien een programma waar een student handwrite een poging, het in de computer aftasten, die het dan „zou lezen“ en het voor de specifieke trekken zou analyseren wij het om opleidden te evalueren,“ hij zeiden.

Dat beschikbaar zou zijn onmiddellijk aan zowel leraar als student als een getypte poging terugkoppelt, die voor de zes trekken is geanalyseerd, toestaand voor vruchtbaardere lessen op uit te geven en te herzien, bovengenoemde Collins.

Het softwareprogramma biedt ook nieuwe mogelijkheden voor onderwijsonderzoekers zoals Collins, die met collega's bij UB aan driejarig werkt, $1.5 miljoen het project geroepen het Schrijven Intensieve die Begrip van de Lezing door het Instituut van de Wetenschappen van het Onderwijs bij het Ministerie van de V.S. van Onderwijs wordt gefinancierd. De studie impliceert meer dan 2.000 vierde en vijfde nivelleermachines in 10 laag-uitvoerend stedelijke scholen. Tot dusver, bovengenoemde toont Collins, de resultaten aan dat de studenten hun lezingscapaciteiten door het gebruik kunnen beduidend verbeteren van het bijgestane schrijven.

„Zodra een met de hand geschreven poging door een computer „is gelezen“, kunnen wij de computer vragen om te kijken voor bepaalde eigenschappen van het schrijven zodat wij algemene patronen kunnen bevlekken en ontdekken welke jonge geitjes probleem met hebben,“ voortdurende Collins.

De medeauteurs op het document van de Kunstmatige intelligentie met Srihari en Collins zijn Janina brutt-Griffler, Ed.D., verwante professor in het Ministerie UB van het Leren en Instructie; Rohini Srihari, Ph.D., professor van computerwetenschap en techniek bij UB; Harish Srinivasan, een doctorale kandidaat bij CEDER, en Shravya Shetty, een vroegere gediplomeerde die student bij CEDER, nu door Google wordt tewerkgesteld.

De universiteit bij Buffels is een eerste research-intensive openbare universiteit, de grootste en uitvoerigste campus op de Universiteit van de Staat van New York. 28.000 studenten van UB meer dan streven hun academische belangen door niet-gegradueerde meer dan 300, gediplomeerde en professionele graadprogramma's na. Opgericht in 1846, is de Universiteit bij Buffels een lid van de Vereniging van Amerikaanse Universiteiten.