Exploring Data Augmentation and Resampling Strategies for Transformer-Based Models to Address Class Imbalance in AI Scoring of Scientific Explanations in NGSS Classroom

Este estudo investiga estratégias de aumento de dados para melhorar a classificação de texto baseada em transformadores na pontuação automatizada de explicações científicas de alunos, visando o desequilíbrio de classes. Ele avalia métodos como respostas geradas por GPT-4, EASE e ALP contra uma linha de base SciBERT, usando um conjunto de dados de 1.466 respostas de ensino médio.