随着人工智能在教育领域的发展,近年来不少学者开始关注:如何利用计算机来辅助教师评价大量的学生学术评论,以帮助学生改善学术论文的写作质量。在以往的研究中,一些学者验证了透过同侪互评能够帮助学生改进写作;与线下同侪互评活动相比,在线同侪互评活动在提高同侪互评的有效性和可靠性上更有潜力。但是,评论者的评论质量参差不齐,难以提供写作者整体性的建议,造成写作者对收到的评论意见并不能很好的理解和运用。因此,本研究基于在线同侪互评环境,旨在同侪互评过程中提升同侪互评者的评论质量,通过开发一种自动评估学生中文评论并为评论者提供元评论反馈的系统,以帮助评论者撰写更好的评论,使其能够进行自我反思,写出质量更好、更有效的评论内容。其主要研究工作如下:一、针对在线同侪互评活动,本文提出评论自动反馈模型,该模型包括三个评论质量指标:评论的内容类型、评论相关性和评语反馈。评论自动反馈模型以评论自动分类为切入点,借助自然语言处理、机器学习和深度学习等技术完成三个评论质量指标的量化。其中评论的内容类型从情感、认知和元认知三个维度进行探讨,在收集和人工标注的4652条同伴评论数据中,利用LSTM分类器进行评论自动分类的性能高于传统机器学习评论自动分类的性能:在认知维度上,LSTM分类器的准确率为76.2%,高于朴素贝叶斯分类器(69.8%);在元认知维度上,LSTM分类器的准确率为81.7%,高于朴素贝叶斯分类器(76.8%)。二、基于评论自动反馈模型,搭建“在线写作--同侪互评反馈”系统。该系统包括在线写作、同侪互评和系统反馈等界面,并实现了用户匿名审查文章的功能,保证了评论环节的公平性。用户提交评论后其评论自动反馈机制能够自动生成评论反馈,并展示在系统的评论反馈界面。三、本研究配合实际的研究生学术写作课程,让研究生在系统上完成在线同侪互评过程,每位研究生既是写作者,也是文章的评论者。通过对系统中反馈前后评论数据的分析,探究评论自动反馈机制对提高学生评论质量的有效性。结果表明:评论自动反馈机制对30名研究生的评论相关性这一质量指标有一定提升(0.089),此外,经过反馈后,30名研究生总体评论的字数和条数均有所增加,说明反馈过程能够提高研究生撰写评论的意愿。