Natural language processing meets user modeling for automatic and adaptive free-text scoring

Tradicionalmente los sistemas de evaluación automática de respuestas en texto libre se han basado únicamente en el uso de técnicas de Procesamiento de Lenguaje Natural. De esta forma se ha ido mejorando el rendimiento de estos sistemas, pero no se ha podido ofrecer a los estudiantes la posibilidad de una evaluación formativa adaptada a sus necesidades y a su nivel real de conocimiento en función de las respuestas en texto libre proporcionadas al sistema usado. En este artículo, se describe un procedimiento en el que técnicas de Procesamiento de Lenguaje Natural y Modelado de Usuario se combinan para generar y mantener un modelo de estudiante en sistemas de evaluación automática de respuestas en texto libre. De esta forma, la evaluación de las respuestas en texto libre no es sólo automática sino también adaptada a las características específicas de cada estudiante en cada momentoFree-text Computer Assessment (CAA) systems are able to automatically score free-text students' answers using Natual Language Processing techniques. Traditionally, free-text CAA systems have not included any possibility of adaptation or kept a student model. In this paper, a procedure in which Natual Language Processing and User Modeling techniques are used together to generate and keep a student in model in free-text CAA systems is described. That wat, it is possible to offer the students not only an automatic assessment of their free-text answers, but also adaptation to their specific formative needs and their real level of knowledge. The student model is extracted from the students' free text answers to the questions asked by the system and, the model is derived from the student's answer, but the students answers keep the model update