Yuning Ding

Yuning Ding Foto: Henrik Schipper

Yuning Ding

wissenschaftliche Mitarbeiterin der Nachwuchsgruppe "EduNLP"

E-Mail: yuning.ding

Telefon: +49 2331 987-1701

Universitätsstr. 27 – PRG / Gebäude 5
Raum A 107 (1. Etage)
58097 Hagen

Was ist meine Rolle in CATALPA?

Als Forscherin im Bereich Natural Language Processing arbeite ich an der automatischen Bewertung von Essays und der Generierung von formativem Feedback für Lernende und summativem Feedback für Lehrende.

Warum CATALPA?

Die vielfältige Zusammensetzung von CATALPA gibt mir die Möglichkeit, mit Wissenschaftlern aus unterschiedlichen Fachgebieten zusammenzuarbeiten. Darüber hinaus hat CATALPA eine tolle Austauschkultur: Durch Veranstaltungen wie Projektpräsentationen und Kolloquien kann ich mich über die neuesten Arbeitsfortschritte meiner Kolleg*innen informieren, mein Wissen in verwandten Bereichen erweitern und hilfreiches Feedback aus anderen Disziplinen bekommen.

    • Wissenschaftliche Mitarbeiterin in der Nachwuchsgruppe “Educational Natural Language Processing” des Forschungszentrums CATALPA (Center of Advanced Technology for Assisted Learning and Predictive Analytics), FernUniversität in Hagen seit Januar 2022.
    • Java Software Entwicklerin, IT.NRW, Düsseldorf (11. 2020 - 12. 2021)
    • Wissenschaftliche Mitarbeiterin, Language Technology Lab von Professor Torsten Zesch, Universität Duisburg-Essen (11. 2019 - 10. 2020)
    • Masterstudium in Angewandte Kognitions- und Medienwissenschaft mit dem Schwerpunkt Kognition und Künstliche Intelligenz, Universität Duisburg-Essen (10. 2017 - 09. 2019)
    • Bachelorstudium in Angewandte Kognitions- und Medienwissenschaft, Universität Duisburg-Essen (10. 2014 - 08. 2017)
    • Bachelorstudium in Kommunikationswissenschaft, Universität für Internationale Beziehungen, Beijing (09. 2009 – 07. 2013)
  • Meine Forschungsinteressen sind die Anwendung von Sprachtechnologie für Bildung, einschließlich automatischer Bewertung von Essays und Feedback-Generierung. Mich motiviert die Vision, dass der Einsatz künstlicher Intelligenz den Lernenden hilft, besser zu schreiben.

    • EduNLP
  • Ding, Y., Riordan, B., Horbach, A., Cahill, A., & Zesch, T. (2020). Don’t take “nswvtnvakgxpm” for an answer–The surprising vulnerability of automatic content scoring systems to adversarial input. In Proceedings of the 28th International Conference on Computational Linguistics (pp. 882-892).

    Ding, Y., Horbach, A., & Zesch, T. (2020). Chinese Content Scoring: Open-Access Datasets and Features on Different Segmentation Levels. In Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing (pp. 347-357).

    Horbach, A., Ding, Y., & Zesch, T. (2017). The influence of spelling errors on content scoring performance. In Proceedings of the 4th workshop on natural language processing techniques for educational applications (nlptea 2017) (pp. 45-53).

    Horbach, A., Scholten-Akoun, D., Ding, Y., & Zesch, T. (2017). Fine-grained essay scoring of a complex writing task for native speakers. In Proceedings of the 12th Workshop on Innovative Use of NLP for Building Educational Applications (pp. 357-366).