Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA LE MODIFICHE in fondo alla pagina
Bicocca Open Archive
This study aims to improve the reliability of a new AI collaborative scoring system used to assess the quality of students’ written arguments. The system draws on the Rational Force Model and focuses on classifying the functional relation of each proposition in terms of support, opposition, acceptability, and relevance.
Takahashi, N., Onuorah, A., Reznitskaya, A., Chukharev, E., Sykes, A., Flammia, M., et al. (2025). Evaluating the Reliability of Human–AI Collaborative Scoring of Written Arguments Using Rational Force Model. In J. Wilson, C. Ormerod, M. Beiting Parrish (a cura di), Proceedings of the Artificial Intelligence in Measurement and Education Conference (AIME-Con). Volume 2: Works in Progress (pp. 135-140). National Council on Measurement in Education (NCME).
Evaluating the Reliability of Human–AI Collaborative Scoring of Written Arguments Using Rational Force Model
Takahashi Noriko;Onuorah Abraham;Reznitskaya Alina;Chukharev Evgeny;Sykes Ariel;Flammia Michele;Oyler Joe
2025
Abstract
This study aims to improve the reliability of a new AI collaborative scoring system used to assess the quality of students’ written arguments. The system draws on the Rational Force Model and focuses on classifying the functional relation of each proposition in terms of support, opposition, acceptability, and relevance.
Takahashi, N., Onuorah, A., Reznitskaya, A., Chukharev, E., Sykes, A., Flammia, M., et al. (2025). Evaluating the Reliability of Human–AI Collaborative Scoring of Written Arguments Using Rational Force Model. In J. Wilson, C. Ormerod, M. Beiting Parrish (a cura di), Proceedings of the Artificial Intelligence in Measurement and Education Conference (AIME-Con). Volume 2: Works in Progress (pp. 135-140). National Council on Measurement in Education (NCME).
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/574941
Citazioni
ND
ND
Social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 598/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
