Zur automatischen Analyse der Lesbarkeit von Texten und S atzen
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Zur automatischen
Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Zur automatischen Analyse Lesbarkeit
Traditionelle
der Lesbarkeit von Texten und Sätzen Lesbarkeitsformeln
Analyse aus Sicht
des Spracherwerbs
und wie das potentiell bei der Experimentelle Sandkiste
Textvereinfachung helfen kann WeeBit Korpus
Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
Detmar Meurers Gesprochene Sprache
Von Texten zu Sätzen
Universität Tübingen Von English zu Deutsch
Zusammenfassung
Entwicklungen
basierend auf Zusammenarbeit mit Sowmya Vajjala Bibliographie
Deutsch 3.0 Workshop “Text als Werkstück –
Wege zu einer computergestützten Überarbeitung von deutschen Texten”
DIPF Frankfurt, 7. Juli 2014 LEAD
Graduate School
0 / 16Zur automatischen
Worum geht es bei Lesbarkeit? Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
I Wie schwer ist es Traditionelle
Lesbarkeitsformeln
I einen Text zu lesen Analyse aus Sicht
des Spracherwerbs
I für einen Leser Experimentelle Sandkiste
WeeBit Korpus
I mit welchen kognitive Fähigkeiten Maße aus der
Spracherwerbsforschung
I und welchem Vorwissen, Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
I der den Text zu welchem Zweck liest? Gesprochene Sprache
Von Texten zu Sätzen
I Faktensuche (z.B. Ergebnis eines Fußballspiels) Von English zu Deutsch
I inhaltliche Wiedergabe Zusammenfassung
I Textverstehen Entwicklungen
Bibliographie
I Hier:
I Welche sprachlichen Eigenschaften des Texts sind relevant?
I Lassen sich diese bereits auf Satzebene dingfest machen?
LEAD
Graduate School
1 / 16Zur automatischen
Traditionelle Lesbarkeitsformeln Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
I Lange Geschichte von Lesbarkeitsformeln für das Traditionelle
Lesbarkeitsformeln
Englische (DuBay 2004) Analyse aus Sicht
des Spracherwerbs
Experimentelle Sandkiste
I basieren auf oberflächlich zählbaren Eigenschaften: WeeBit Korpus
Maße aus der
Spracherwerbsforschung
I durchschnittliche Satzlänge und Wortlänge, z.B. Experimente mit WeeBit
Flesch-Kincaid Formel (Kincaid et al. 1975) Vergleich mit kommerziellen
Systemen
Gesprochene Sprache
I Anzahl von Wörtern auf Wortlisten (Chall & Dale 1995) Von Texten zu Sätzen
Von English zu Deutsch
I Probleme traditioneller Lesbarkeitsformeln: Zusammenfassung
I basieren auf groben Approximationen: Entwicklungen
Bibliographie
I lange Worte sind selten
I lange Sätze sind schwierig
I liefern quantitatives Maß, keine Charakterisierung der
relevanten sprachlichen Eigenschaften
LEAD
Graduate School
2 / 16Zur automatischen
Analysemethoden der Spracherwerbsforschung Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
I Zweitspracherwerbsforschung bietet Komplexitätsmaße Analyse aus Sicht
des Spracherwerbs
zur Analyse der Sprachentwicklung Experimentelle Sandkiste
WeeBit Korpus
I CAF: Complexity, Accuracy, und Fluency Maße aus der
Spracherwerbsforschung
(Wolfe-Quintero et al. 1998; Ortega 2003; Housen & Kuiken 2009) Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
I Komplexität: Gesprochene Sprache
Grad zu dem die Lernersprache elaboriert und vielfältig ist Von Texten zu Sätzen
Von English zu Deutsch
Zusammenfassung
I Vajjala & Meurers (2012): Kann man
Entwicklungen
I Maße der Komplexität von Lernersprache nutzen für die Bibliographie
I Analyse der Lesbarkeit von (muttersprachlichen) Texten?
LEAD
Graduate School
3 / 16Zur automatischen
Testen, wie gut die Idee funktioniert Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
des Spracherwerbs
I Ein maschineller Lernansatz als experimentelle Sandkiste Experimentelle Sandkiste
WeeBit Korpus
I Korpus von Texten, deren Lesbarkeit bekannt ist Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
I Die Komplexitätsmaße müssen anhand von im Korpus Vergleich mit kommerziellen
Systemen
beobachtbaren Merkmalen operationalisiert werden. Gesprochene Sprache
Von Texten zu Sätzen
Von English zu Deutsch
I Training des maschinellen Lerners auf Teilkorpus
Zusammenfassung
I Test der Vorhersagen des Modells auf neuen Daten Entwicklungen
Bibliographie
LEAD
Graduate School
4 / 16Zur automatischen
WeeBit Korpus Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
I Ausgangspunkt Englisch, dann Analyse zum Deutschen Traditionelle
Lesbarkeitsformeln
I Den WeeklyReader Korpus erweiternd, haben wir den Analyse aus Sicht
des Spracherwerbs
WeeBit Korpus erstellt (Vajjala & Meurers 2012): Experimentelle Sandkiste
WeeBit Korpus
Maße aus der
Klassenstufe Alter Anzahl Durchschn. Anzahl Spracherwerbsforschung
in Jahren Artikel Sätze/Artikel Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
aus WeeklyReader Gesprochene Sprache
Von Texten zu Sätzen
Level 2 7–8 629 23 Von English zu Deutsch
Level 3 8–9 801 23 Zusammenfassung
Level 4 9–10 814 28 Entwicklungen
aus BBCBitesize
Bibliographie
KS3 11–14 644 23
GCSE 14–16 3500 28
⇒ Aufgabe: Klassifikation mit 5 Klassen
LEAD
Graduate School
5 / 16Zur automatischen
Maße aus der Spracherwerbsforschung Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
I Lu (2010, 2011, 2012) liefert eine Übersicht über viele Lesbarkeit
Traditionelle
Maße aus der Zweitspracherwerbsforschung. Lesbarkeitsformeln
Analyse aus Sicht
des Spracherwerbs
Lexikalische Komplexitätsmaße (Lu 2012) Experimentelle Sandkiste
WeeBit Korpus
I Lexikalische Vielfalt Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
I Type-Token Ratio = Typ /Tok Vergleich mit kommerziellen
Systemen
I beeinflusst von Textlänge Gesprochene Sprache
Von Texten zu Sätzen
I Measure of Textual Lexical Diversity (MTLD, McCarthy 2005) Von English zu Deutsch
Lexikalische Dichte = TokLex /Tok
Zusammenfassung
I
Entwicklungen
I Lex: offene Wortartklassen (N, Adj, Adv, V) Bibliographie
I Insgesamt verwenden wir 19 lexikalische Merkmale
I 16 aus der Spracherwerbsforschung
I 3 weitere
LEAD
Graduate School
6 / 16Zur automatischen
Maße aus der Zweitspracherwerbsforschung Analyse der
Lesbarkeit von
Texten und Sätzen
Syntaktische Komplexitätsmaße (Lu 2010, 2011) Detmar Meurers
Lesbarkeit
I analysieren drei Einheiten: sentences, T-units, clauses Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
a) mittlere Länge pro Einheit des Spracherwerbs
I e.g., mean length of sentences Experimentelle Sandkiste
WeeBit Korpus
b) Anzahl der Vorkommen pro Einheit Maße aus der
Spracherwerbsforschung
I e.g., number of clauses per sentence Experimente mit WeeBit
Vergleich mit kommerziellen
c) Verhältnisse von verschiedenen Untertypen Systemen
Gesprochene Sprache
I Subordination, Koordination Von Texten zu Sätzen
Von English zu Deutsch
I e.g., dependent clauses per clause
Zusammenfassung
d) spezielle Konstruktionen Entwicklungen
I e.g., complex nominals per clause Bibliographie
I Insgesamt: 25 syntaktische Merkmale
I 14 aus der Spracherwerbsforschung
I 11 weitere (Länge und Anzahl von Kategorien im Satz)
I Baseline: Traditionelle Maße (durchschn. Wort & Satzlänge)
LEAD
Graduate School
7 / 16Zur automatischen
Experimente mit WeeklyReader/WeeBit Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
I Details zum Setup (Vajjala & Meurers 2012):
Lesbarkeit
I Daten: 500 training, 125 testing pro Level Traditionelle
Lesbarkeitsformeln
I Merkmale berechnet mit OpenNLP, Berkeley parser, tregex
Analyse aus Sicht
I Klassifikationsalgorithmus: Multi-layer perceptron des Spracherwerbs
Experimentelle Sandkiste
WeeBit Korpus
I Resultate: Number of Performance Maße aus der
Spracherwerbsforschung
Features Accuracy RMSE Experimente mit WeeBit
Vergleich mit kommerziellen
Forschungsstand für WeeklyReader Systemen
Gesprochene Sprache
Petersen & Ostendorf (2009) 25 63.2% Von Texten zu Sätzen
Feng (2010) 122 74.0% Von English zu Deutsch
Zusammenfassung
Unser Ansatz für WeeklyReader
Entwicklungen
Alle Merkmale 46 91.3% 0.17
Bibliographie
Unser Ansatz für WeeBit
Traditionelle Merkmale 3 70.3% 0.25
Zweitspracherwerbsmaße 30 82.3% 0.23
Alle Merkmale 46 93.3% 0.15
Top 10 Merkmale 10 89.7% 0.18
LEAD
Graduate School
8 / 16Zur automatischen
Top 10 Merkmale Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
des Spracherwerbs
I identifiziert anhand von Information Gain (in WEKA) Experimentelle Sandkiste
WeeBit Korpus
I Die Hälfte sind Maße aus der Spracherwerbsforschung: Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
I dependent clause to clause ratio Vergleich mit kommerziellen
Systemen
I complex nominals per clause Gesprochene Sprache
Von Texten zu Sätzen
I modifier variation Von English zu Deutsch
I adverb variation Zusammenfassung
I mean length of a sentence Entwicklungen
Bibliographie
LEAD
Graduate School
9 / 16Zur automatischen
Vergleich mit kommerziellen Systemen Analyse der
Lesbarkeit von
(Vajjala & Meurers 2014a) Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
I Common Core State Standards Daten (CCSSO 2010): Lesbarkeitsformeln
Analyse aus Sicht
168 Texte (Klassenstufen 2–12) des Spracherwerbs
Experimentelle Sandkiste
I Nelson et al. (2012) liefern Rangkorrelationskoeffizient ρ WeeBit Korpus
Maße aus der
Spracherwerbsforschung
von Spearman für verschiedene Systeme Experimente mit WeeBit
Vergleich mit kommerziellen
Spearmans ρ
Systemen
System Gesprochene Sprache
Von Texten zu Sätzen
REAP 0.54 Von English zu Deutsch
ATOS 0.59 Zusammenfassung
DRP 0.53 Entwicklungen
Lexile 0.50 Bibliographie
Reading Maturity 0.69
SourceRater 0.75
I Unser Ansatz: 0.69 (zweitbestes Ergebnis insgesamt)
LEAD
Graduate School
10 / 16Zur automatischen
Lässt sich der Ansatz allgemein anwenden? Analyse der
Lesbarkeit von
Gesprochene Sprache (Vajjala & Meurers 2014b) Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
I Identifikation von altersspezifischen Fernsehprogrammen des Spracherwerbs
Experimentelle Sandkiste
WeeBit Korpus
I Daten (Van Heuven et al. 2014): Untertitel von BBC Maße aus der
Spracherwerbsforschung
Kanälen für drei Altersgruppen (0–6, 6–12, über 12) Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
I Ergebnis: Gesprochene Sprache
Von Texten zu Sätzen
I 96% Klassifikationsgenauigkeit Von English zu Deutsch
Zusammenfassung
I sowohl linguistische als auch psychologische Maße
Entwicklungen
(Frequenz, Erwerbsalter) relevant
Bibliographie
I Längere Texte erzielen beste Klassifikation,
aber schon mit 100 Wörtern werden >80% erzielt.
LEAD
Graduate School
11 / 16Zur automatischen
Von Texten zu Sätzen Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
I Kann unser Modell Lesbarkeit auf Satzebene berechnen? des Spracherwerbs
Experimentelle Sandkiste
→ Potentiell ja, da keine Diskursfeatures WeeBit Korpus
Maße aus der
Spracherwerbsforschung
I Eine Lesbarkeitsanalyse auf Satzebene ermöglicht es Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
I schwierige Sätze für Vereinfachung zu identifizieren Gesprochene Sprache
I Vereinfachung zu evaluieren Von Texten zu Sätzen
Von English zu Deutsch
Zusammenfassung
I Korpus: Wikipedia–Simple Wikipedia (Zhu et al. 2010)
Entwicklungen
I Paare von schweren und leichten Sätzen Bibliographie
LEAD
Graduate School
12 / 16Zur automatischen
Lesbarkeitsanalyse für Sätze (Vajjala & Meurers 2014a) Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
des Spracherwerbs
Experimentelle Sandkiste
WeeBit Korpus
Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
Gesprochene Sprache
Von Texten zu Sätzen
Von English zu Deutsch
Zusammenfassung
Entwicklungen
! Bibliographie
I Einfache Texte enthalten auch schwere Sätze.
I Vereinfachung ist relativ: Vereinfachter Satz einfacher als
Ursprungsversion, aber schwerer als andere Sätze.
I Neu: Ranking Classifier Ansatz (10-fold CV): 89.7%
LEAD
Graduate School
13 / 16Zur automatischen
Lesbarkeitsanalyse für das Deutsche Analyse der
Lesbarkeit von
(Hancke, Meurers & Vajjala 2012) Texten und Sätzen
Detmar Meurers
Lesbarkeit
Traditionelle
Lesbarkeitsformeln
Analyse aus Sicht
I Deutsches Korpus erstellt aus GEO und GEOlino Artikeln des Spracherwerbs
Experimentelle Sandkiste
WeeBit Korpus
I GEOlino ist eigenständig verfasst (kein vereinfachtes GEO) Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
I Verwendete Merkmale: Vergleich mit kommerziellen
Systemen
Gesprochene Sprache
I lexikalische, syntaktische Maße Von Texten zu Sätzen
I sprachspezifische Flexions- und Derivationsmorphologie Von English zu Deutsch
Zusammenfassung
I Ergebnis für binäre Klassifikation (WEKA SMO, 10-fold CV) Entwicklungen
Bibliographie
I 90% Genauigkeit
I 85% morphologische Merkmale alleine
LEAD
Graduate School
14 / 16Zur automatischen
Zusammenfassung Analyse der
Lesbarkeit von
Texten und Sätzen
I Spracherwerbsmaße sind hilfreich für Lesbarkeitsanalyse Detmar Meurers
Lesbarkeit
I Derzeit einer der besten Ansätze für das Englische Traditionelle
I Eines von wenigen, aktuellen Systemen für das Deutsche Lesbarkeitsformeln
Analyse aus Sicht
(früher: DeLite, Vor der Brück et al. 2008) des Spracherwerbs
Experimentelle Sandkiste
WeeBit Korpus
I Breite linguistische Modellierung lohnt sich: Eine Vielzahl Maße aus der
Spracherwerbsforschung
sprachlicher Eigenschaften relevant für Lesbarkeitsanalyse Experimente mit WeeBit
Vergleich mit kommerziellen
Systemen
I Lesbarkeitsanalyse auch effektiv auf Satzebene, vor allem Gesprochene Sprache
Von Texten zu Sätzen
als relatives Ranking Von English zu Deutsch
Zusammenfassung
I Texte enthalten unterschiedlich komplexe Sätze Entwicklungen
I Schwierigkeiten können automatisch identifiziert werden Bibliographie
I unterstützt manuelle und ggf. automatische Vereinfachung
I Individuelle Adaption von Texten, die Eigenschaften des
Lesers berücksichtigt (z.B. Alter, Migrationshintergrund)
⇒ Disserationsprojekt von Sowmya Vajjala
LEAD
Graduate School
15 / 16Zur automatischen
Aktuelle Entwicklungen Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
I Analyse des Effekts von Lesbarkeit auf Fragebögen zur Lesbarkeit
Traditionelle
Lehrqualitätsevaluation (Göllner et al. GEBF 2014 Vortrag) Lesbarkeitsformeln
Analyse aus Sicht
des Spracherwerbs
I Anwendung von Lesbarkeitsanalyse zum Ranken von Experimentelle Sandkiste
WeeBit Korpus
Suchergebnissen (Vajjala & Meurers 2013) Maße aus der
Spracherwerbsforschung
Experimente mit WeeBit
I LEAD Projekt zur Analyse kognitiver Korrelate von Vergleich mit kommerziellen
Systemen
Lesbarkeit durch Blickbewegungsmessung (mit K. Scheiter) Gesprochene Sprache
Von Texten zu Sätzen
Von English zu Deutsch
I LEAD Projekt ReadingDemands: Ist die Lesbarkeit Zusammenfassung
deutscher Schulbücher auf die Leser abgestimmt Entwicklungen
(Schultyp, Klassenstufe)? (mit Berendes & Bryant) Bibliographie
I LEAD Projekt ReBil: Towards Appropriate Reading
Material for Bilingual Classrooms (mit Kessler & Jonkmann)
LEAD
Graduate School
16 / 16Zur automatischen
Artikel mit genauerer Information Analyse der
Lesbarkeit von
Texten und Sätzen
Detmar Meurers
I Sowmya Vajjala & Detmar Meurers (2014) “Readability Assessment for
Text Simplification: From Analyzing Documents to Identifying Lesbarkeit
Traditionelle
Sentential Simplifications”. Int. Journal of Applied Linguistics Lesbarkeitsformeln
I Sowmya Vajjala & Detmar Meurers (2014) “Assessing the relative Analyse aus Sicht
des Spracherwerbs
reading level of sentence pairs for text simplification.” EACL. Experimentelle Sandkiste
WeeBit Korpus
I Sowmya Vajjala & Detmar Meurers (2014) “Exploring Measures of Maße aus der
Spracherwerbsforschung
‘Readability’ for Spoken Language: Analyzing linguistic features of Experimente mit WeeBit
subtitles to identify age-specific TV programs.” Workshop on Predicting Vergleich mit kommerziellen
Systemen
and Improving Text Readability for Target Reader Populations (PITR) Gesprochene Sprache
Von Texten zu Sätzen
I Sowmya Vajjala & Detmar Meurers (2013) “On The Applicability of Von English zu Deutsch
Readability Models to Web Texts.” Workshop on Predicting and Zusammenfassung
Improving Text Readability for Target Reader Populations (PITR). Entwicklungen
I Julia Hancke, Sowmya Vajjala & Detmar Meurers (2012) “Readability Bibliographie
Classification for German using lexical, syntactic, and morphological
features”. COLING.
I Sowmya Vajjala & Detmar Meurers (2012) “On Improving the Accuracy
of Readability Classification using Insights from Second Language
Acquisition”. Proceedings of BEA Workshop at ACL.
LEAD
Graduate School
⇒ Verfügbar unter http://purl.org/dm/papers
16 / 16References Zur automatischen
Analyse der
Lesbarkeit von
Texten und Sätzen
CCSSO (2010). Common Core State Standards for English Language Arts & Literacy in History/Social Studies,
Detmar Meurers
Science, and Technical Subjects. Appendix B: Text Exemplars and Sample Performance Tasks. Tech. rep.,
National Governors Association Center for Best Practices, Council of Chief State School Officers.
Lesbarkeit
http://www.corestandards.org/assets/Appendix B.pdf.
Traditionelle
Chall, J. S. & E. Dale (1995). Readability Revisted: The New Dale-Chall Readability Formula. Brookline Books. Lesbarkeitsformeln
DuBay, W. H. (2004). The Principles of Readability. Costa Mesa, California: Impact Information. URL
http://www.impact-information.com/impactinfo/readability02.pdf. Analyse aus Sicht
Feng, L. (2010). Automatic Readability Assessment. Ph.D. thesis, City University of New York (CUNY). URL des Spracherwerbs
http://lijun.symptotic.com/files/thesis.pdf?attredirects=0. Experimentelle Sandkiste
Hancke, J., D. Meurers & S. Vajjala (2012). Readability Classification for German using lexical, syntactic, and WeeBit Korpus
morphological features. In Proceedings of the 24th International Conference on Computational Linguistics Maße aus der
Spracherwerbsforschung
(COLING). Mumbay, India, pp. 1063–1080. URL http://aclweb.org/anthology-new/C/C12/C12-1065.pdf.
Experimente mit WeeBit
Housen, A. & F. Kuiken (2009). Complexity, Accuracy, and Fluency in Second Language Acquisition. Applied
Vergleich mit kommerziellen
Linguistics 30(4), 461–473. URL http://applij.oxfordjournals.org/content/30/4/461.full.pdf. Systemen
Kincaid, J. P., R. P. J. Fishburne, R. L. Rogers & B. S. Chissom (1975). Derivation of new readability formulas Gesprochene Sprache
(Automated Readability Index, Fog Count and Flesch Reading Ease Formula) for Navy enlisted personnel. Von Texten zu Sätzen
Research Branch Report 8-75, Naval Technical Training Command, Millington, TN. Von English zu Deutsch
Lu, X. (2010). Automatic analysis of syntactic complexity in second language writing. International Journal of
Corpus Linguistics 15(4), 474–496. Zusammenfassung
Lu, X. (2011). A Corpus-Based Evaluation of Syntactic Complexity Measures as Indices of College-Level ESL
Writers’ Language Development. TESOL Quarterly 45(1), 36–62. Entwicklungen
Lu, X. (2012). The Relationship of Lexical Richness to the Quality of ESL Learners’ Oral Narratives. The Modern Bibliographie
Languages Journal pp. 190–208.
McCarthy, P. M. (2005). An assessment of the range and usefulness of lexical diversity measures and the potential
of the measure of textual, lexical diversity (MTLD). Ph.D. thesis, University of Memphis. URL
https://umdrive.memphis.edu/pmmccrth/public/Papers/MTLD20dissertation.doc.
Meurers, D. (2012). Natural Language Processing and Language Learning. In C. A. Chapelle (ed.), Encyclopedia
of Applied Linguistics, Oxford: Wiley. URL http://purl.org/dm/papers/meurers-12.html.
Nelson, J., C. Perfetti, D. Liben & M. Liben (2012). Measures of Text Difficulty: Testing their Predictive Value for
Grade Levels and Student Performance. Tech. rep., The Council of Chief State School Officers. URL
http://purl.org/net/Nelson.Perfetti.ea-12.pdf.
Ortega, L. (2003). Syntactic complexity measures and their relationship to L2 proficiency: A research synthesis of LEAD
Graduate School
college-level L2 writing. Applied Linguistics 24(4), 492–518.
16 / 16Petersen, S. E. & M. Ostendorf (2009). A machine learning approach to reading level assessment. Computer Zur automatischen
Speech and Language 23, 86–106. Analyse der
Vajjala, S. & D. Meurers (2012). On Improving the Accuracy of Readability Classification using Insights from Lesbarkeit von
Second Language Acquisition. In J. Tetreault, J. Burstein & C. Leacock (eds.), In Proceedings of the 7th Texten und Sätzen
Workshop on Innovative Use of NLP for Building Educational Applications. Montréal, Canada: Association for
Detmar Meurers
Computational Linguistics, pp. 163—-173. URL http://aclweb.org/anthology/W12-2019.pdf.
Vajjala, S. & D. Meurers (2013). On The Applicability of Readability Models to Web Texts. In Proceedings of the
Lesbarkeit
Second Workshop on Predicting and Improving Text Readability for Target Reader Populations.
Traditionelle
Vajjala, S. & D. Meurers (2014a). Assessing the relative reading level of sentence pairs for text simplification. In Lesbarkeitsformeln
Proceedings of the 14th Conference of the European Chapter of the Association for Computational Linguistics
(EACL). ACL, Gothenburg, Sweden: Association for Computational Linguistics, pp. 288–297. Analyse aus Sicht
Vajjala, S. & D. Meurers (2014b). Exploring Measures of “Readability” for Spoken Language: Analyzing linguistic des Spracherwerbs
features of subtitles to identify age-specific TV programs. In Proceedings of the Third Workshop on Predicting Experimentelle Sandkiste
and Improving Text Readability for Target Reader Populations. Gothenburg, Sweden: ACL, pp. 21–29. WeeBit Korpus
Vajjala, S. & D. Meurers (2014c). Readability Assessment for Text Simplification: From Analyzing Documents to Maße aus der
Spracherwerbsforschung
Identifying Sentential Simplifications. International Journal of Applied Linguistics, Special Issue on Current
Experimente mit WeeBit
Research in Readability and Text Simplification Thomas François and Delphine Bernhard.
Vergleich mit kommerziellen
Van Heuven, W. J., P. Mandera, E. Keuleers & M. Brysbaert (2014). Subtlex-UK: A new and improved word Systemen
frequency database for British English. The Quarterly Journal of Experimental Psychology pp. 1–15. URL Gesprochene Sprache
http://dx.doi.org/10.1080/17470218.2013.850521. Von Texten zu Sätzen
Vor der Brück, T., S. Hartrumpf & H. Helbig (2008). A Readability Checker with Supervised Learning using Deep Von English zu Deutsch
Syntactic and Semantic Indicators. Informatica 32(4), 429—-435.
Wolfe-Quintero, K., S. Inagaki & H.-Y. Kim (1998). Second Language Development in Writing: Measures of Zusammenfassung
Fluency, Accuracy & Complexity. Honolulu: Second Language Teaching & Curriculum Center, University of
Entwicklungen
Hawaii at Manoa.
Zhu, Z., D. Bernhard & I. Gurevych (2010). A Monolingual Tree-based Translation Model for Sentence Bibliographie
Simplification. In Proceedings of The 23rd International Conference on Computational Linguistics (COLING),
August 2010. Beijing, China. pp. 1353–1361.
LEAD
Graduate School
16 / 16Sie können auch lesen
