BRIDGE the Gap: Mitigating Bias Amplification in Automated Scoring of English Language Learners via Inter-group Data Augmentation

Created by

Haebom

저자

Yun Wang, Xuansheng Wu, Jingyuan Huang, Lei Liu, Xiaoming Zhai, Ninghao Liu

💡 개요

본 논문은 영어 학습자(ELL)를 위한 자동 채점 시스템에서 발생하는 편향 증폭 문제를 해결하고자 합니다. 제안된 BRIDGE 프레임워크는 소수 집단(고득점 ELL)의 데이터 부족으로 인한 편향을 줄이기 위해, 다수 집단(비-ELL)의 우수한 샘플에서 학습 내용과 증거를 가져와 ELL의 실제 언어 패턴에 "붙여넣는" 방식으로 합성 데이터를 생성합니다. 실험 결과, BRIDGE는 고득점 ELL 학생에 대한 예측 편향을 효과적으로 줄이면서 전체 채점 성능을 유지하는 것으로 나타났습니다.

🔑 시사점 및 한계

•

영어 학습자와 같이 소수 집단의 공정한 평가를 위해 데이터 증강 기법이 효과적인 해결책이 될 수 있습니다.

•

합성 데이터 생성을 통해 실제 데이터 확보의 어려움과 비용 문제를 해결하며, 인공지능 기반 평가 시스템의 신뢰도를 높일 수 있습니다.

•

제안된 방법론의 효과는 특정 영어 능력 평가 데이터셋에 대한 실험으로 검증되었으나, 다른 언어 또는 평가 영역에서의 일반화 가능성에 대한 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage