@inproceedings{gaudray-bouju-etal-2022-participation,
title = "Participation de l{'}{\'e}quipe {TGV} {\`a} {DEFT} 2022 : Pr{\'e}diction automatique de notes d{'}{\'e}tudiants {\`a} des questionnaires en fonction du type de question (Team {TGV} at {DEFT} 2022 : automatic prediction of students{'} grades according to the different question types)",
author = {Gaudray Bouju, Vanessa and
Guettier, Margot and
Lerus, Gwennola and
Guibon, Ga{\"e}l and
Labeau, Matthieu and
Lefeuvre, Luce},
editor = "Grouin, Cyril and
Illouz, Gabriel",
booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Atelier D{\'E}fi Fouille de Textes (DEFT)",
month = "6",
year = "2022",
address = "Avignon, France",
publisher = "ATALA",
url = "https://aclanthology.org/2022.jeptalnrecital-deft.3",
pages = "23--35",
abstract = "Cet article pr{\'e}sente l{'}approche de l{'}{\'e}quipe TGV lors de sa participation {\`a} la t{\^a}che de base de DEFT 2022, dont l{'}objectif {\'e}tait de pr{\'e}dire automatiquement les notes obtenues par des {\'e}tudiants sur la base de leurs r{\'e}ponses {\`a} des questionnaires. Notre strat{\'e}gie s{'}est focalis{\'e}e sur la mise au point d{'}une m{\'e}thode de classification des questions en fonction du type de r{\'e}ponse qu{'}elles attendent, de mani{\`e}re {\`a} pouvoir mener une approche diff{\'e}renci{\'e}e pour chaque type. Nos trois runs ont consist{\'e} en une approche non diff{\'e}renci{\'e}e, servant de r{\'e}f{\'e}rence, et deux approches diff{\'e}renci{\'e}es, la premi{\`e}re se basant sur la constitution d{'}un jeu de caract{\'e}ristiques et la seconde sur le calcul de TF-IDF et de la fonction de hashage. Notre objectif premier {\'e}tait ainsi de v{\'e}rifier si des approches d{\'e}di{\'e}es {\`a} chaque type de questions sont pr{\'e}f{\'e}rables {\`a} une approche globale.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="gaudray-bouju-etal-2022-participation">
<titleInfo>
<title>Participation de l’équipe TGV à DEFT 2022 : Prédiction automatique de notes d’étudiants à des questionnaires en fonction du type de question (Team TGV at DEFT 2022 : automatic prediction of students’ grades according to the different question types)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Vanessa</namePart>
<namePart type="family">Gaudray Bouju</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Margot</namePart>
<namePart type="family">Guettier</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gwennola</namePart>
<namePart type="family">Lerus</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gaël</namePart>
<namePart type="family">Guibon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Matthieu</namePart>
<namePart type="family">Labeau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Luce</namePart>
<namePart type="family">Lefeuvre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2022-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Atelier DÉfi Fouille de Textes (DEFT)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Cyril</namePart>
<namePart type="family">Grouin</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gabriel</namePart>
<namePart type="family">Illouz</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Avignon, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Cet article présente l’approche de l’équipe TGV lors de sa participation à la tâche de base de DEFT 2022, dont l’objectif était de prédire automatiquement les notes obtenues par des étudiants sur la base de leurs réponses à des questionnaires. Notre stratégie s’est focalisée sur la mise au point d’une méthode de classification des questions en fonction du type de réponse qu’elles attendent, de manière à pouvoir mener une approche différenciée pour chaque type. Nos trois runs ont consisté en une approche non différenciée, servant de référence, et deux approches différenciées, la première se basant sur la constitution d’un jeu de caractéristiques et la seconde sur le calcul de TF-IDF et de la fonction de hashage. Notre objectif premier était ainsi de vérifier si des approches dédiées à chaque type de questions sont préférables à une approche globale.</abstract>
<identifier type="citekey">gaudray-bouju-etal-2022-participation</identifier>
<location>
<url>https://aclanthology.org/2022.jeptalnrecital-deft.3</url>
</location>
<part>
<date>2022-6</date>
<extent unit="page">
<start>23</start>
<end>35</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Participation de l’équipe TGV à DEFT 2022 : Prédiction automatique de notes d’étudiants à des questionnaires en fonction du type de question (Team TGV at DEFT 2022 : automatic prediction of students’ grades according to the different question types)
%A Gaudray Bouju, Vanessa
%A Guettier, Margot
%A Lerus, Gwennola
%A Guibon, Gaël
%A Labeau, Matthieu
%A Lefeuvre, Luce
%Y Grouin, Cyril
%Y Illouz, Gabriel
%S Actes de la 29e Conférence sur le Traitement Automatique des Langues Naturelles. Atelier DÉfi Fouille de Textes (DEFT)
%D 2022
%8 June
%I ATALA
%C Avignon, France
%G French
%F gaudray-bouju-etal-2022-participation
%X Cet article présente l’approche de l’équipe TGV lors de sa participation à la tâche de base de DEFT 2022, dont l’objectif était de prédire automatiquement les notes obtenues par des étudiants sur la base de leurs réponses à des questionnaires. Notre stratégie s’est focalisée sur la mise au point d’une méthode de classification des questions en fonction du type de réponse qu’elles attendent, de manière à pouvoir mener une approche différenciée pour chaque type. Nos trois runs ont consisté en une approche non différenciée, servant de référence, et deux approches différenciées, la première se basant sur la constitution d’un jeu de caractéristiques et la seconde sur le calcul de TF-IDF et de la fonction de hashage. Notre objectif premier était ainsi de vérifier si des approches dédiées à chaque type de questions sont préférables à une approche globale.
%U https://aclanthology.org/2022.jeptalnrecital-deft.3
%P 23-35
Markdown (Informal)
[Participation de l’équipe TGV à DEFT 2022 : Prédiction automatique de notes d’étudiants à des questionnaires en fonction du type de question (Team TGV at DEFT 2022 : automatic prediction of students’ grades according to the different question types)](https://aclanthology.org/2022.jeptalnrecital-deft.3) (Gaudray Bouju et al., JEP/TALN/RECITAL 2022)
ACL