@inproceedings{wang-etal-2021-mesure,
    title = "Mesure de similarit{\'e} textuelle pour l'{\'e}valuation automatique de copies d'{\'e}tudiants (Textual similarity measurement for automatic evaluation of students' answers)",
    author = "Wang, Xiaoou  and
      Liu, Xingyu  and
      Yue, Yimei",
    editor = "Grouin, Cyril  and
      Grabar, Natalia  and
      Illouz, Gabriel",
    booktitle = "Actes de la 28e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Atelier D{\'E}fi Fouille de Textes (DEFT)",
    month = "6",
    year = "2021",
    address = "Lille, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2021.jeptalnrecital-deft.7/",
    pages = "63--71",
    language = "fra",
    abstract = "Cet article d{\'e}crit la participation de l'{\'e}quipe Nantalco {\`a} la t{\^a}che 2 du D{\'e}fi Fouille de Textes 2021 (DEFT) : {\'e}valuation automatique de copies d`apr{\`e}s une r{\'e}f{\'e}rence existante. Nous avons utilis{\'e} principalement des traits bas{\'e}s sur la similarit{\'e} cosinus des deux vecteurs repr{\'e}sentant la similarit{\'e} textuelle entre des r{\'e}ponses d'{\'e}tudiant et la r{\'e}f{\'e}rence. Plusieurs types de vecteurs ont {\'e}t{\'e} utilis{\'e}s (vecteur d`occurrences de mots, vecteur tf-idf, embeddings non contextualis{\'e}s de fastText, embeddings contextualis{\'e}s de CamemBERT et enfin Sentence Embeddings Multilingues ajust{\'e}s sur des corpus multilingues). La meilleure performance du concours sur cette t{\^a}che a {\'e}t{\'e} de 0.682 (pr{\'e}cision) et celle de notre {\'e}quipe 0.639. Cette performance a {\'e}t{\'e} obtenue avec les Sentence Embeddings Multilingues alors que celle des embeddings non ajust{\'e}s ne s`est {\'e}lev{\'e}e qu'{\`a} 0.55, sugg{\'e}rant que de r{\'e}cents mod{\`e}les de langues pr{\'e}-entra{\^i}n{\'e}s doivent {\^e}tre fine-tun{\'e}s afin d`avoir des embeddings ad{\'e}quats au niveau phrastique."
}