Torsten Zesch

Prof. Dr.-Ing. Torsten Zesch Foto: FernUniversität

Prof. Dr.-Ing. Torsten Zesch

Mitglied im Leitungsteam, Leiter der Forschungsprofessur "Computational Linguistics"

E-Mail: torsten.zesch

Universitätsstr. 27 – PRG / Gebäude 5
Raum A 125 (1. Etage)
58097 Hagen

Was ist meine Rolle in D²L²?

Als Informatiker leite ich die Forschungsprofessur Computerlinguistik und untersuche mit meinem Team wie mit sprachtechnologischen Verfahren der Bildungsprozess unterstützt werden kann.

Warum D²L²?

Die gewinnbringende Einbindung sprachtechnologischer Verfahren in den Bildungsprozess kann nur in einer gemeinsamen Forschungsanstrengung verschiedener Disziplinen gelingen, die im Forschungsschwerpunkt in idealer Weise realisiert wird.

    • Vorsitzender der Gesellschaft für Sprachtechnologie und Computerlinguistik (GSCL) (seit 2018)
    • W2 Professur “Sprachtechnologie”, Universität Duisburg-Essen (2018-2020)
    • W1 Professur “Sprachtechnologie”, Universität Duisburg-Essen (2014-2020)
    • Gastwissenschaftler, Educational Testing Service, Princeton, USA (2014)
    • Vertretungsprofessur (W2)“Knowledge Mining & Assessment”, Leibniz-Institut für Bildungsforschung und Bildungsinformation (DIPF), Frankfurt (2012)
    • Gastwissenschaftler, Bar-Ilan University, Ramat Gan, Israel (2012)
    • Promotion (Dr.-Ing.), Informatik, Technische Universität Darmstadt
    • Robuste und effiziente Systeme zur Verarbeitung von Sprache
    • Analyse nicht-standardisierter Sprache und impliziten Strukturen
    • Anwendung von sprachverarbeitenden Systemen im Bildungsbereich
  • Derzeit forschen mein Team und ich im Rahmen der D²L²-Forschungsprofessur. D²L²-Projekte entstehen künftig vielleicht in Zusammenarbeit mit anderen D²L²-Forschenden.

  • Bexte M, Horbach A, Zesch T (2021) Implicit Phenomena in Short-answer Scoring Data. In: Proceedings of the 1st Workshop on Understanding Implicit and Underspecified Language. pp 11–19

    Wahlen A, Kuhn C, Zlatkin-Troitschanskaia O, C Gold, T Zesch (2020) Automated Scoring of Teachers’ Pedagogical Content Knowledge-A Comparison between Human and Machine Scoring. In: Frontiers in Education. p 149

    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(COLING 2020)

    Horbach A, Zesch T (2019) The Influence of Variance in Learner Answers on Automatic Content Scoring. In: Frontiers in Education. p 28

    Zesch T, Horbach A (2018) ESCRITO-An NLP-Enhanced Educational Scoring Toolkit. In: Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC-2018)

    Riordan B, Horbach A, Cahill A, Zesch T, Lee CM (2017) Investigating neural architectures for short answer scoring. In: Proceedings of the Building Educational Applications Workshop at EMNLP. Copenhagen, Denmark, p to appear

    Pilán I, Volodina E, Zesch T (2016) Predicting proficiency levels in learner writings by transferring a linguistic complexity model from expert-written coursebooks. In: Proceedings of COLING 2016, the 26th International Conference on Computational Linguistics: Technical Papers. Osaka, Japan, pp 2101–2111

    Zesch T, Heilman M, Cahill A (2015) Reducing Annotation Efforts in Supervised Short Answer Scoring. In: Proceedings of the Building Educational Applications Workshop at NAACL

    Beinborn L, Zesch T, Gurevych I (2014) Predicting the Difficulty of Language Proficiency Tests. Trans Assoc Comput Linguist 2:517–529

    Zesch T, Melamud O (2014) Automatic Generation of Challenging Distractors Using Context-Sensitive Inference Rules. In: Proceedings of the 9th Workshop on Innovative Use of NLP for Building Educational Applications at ACL. Baltimore, USA

    Zesch T (2013) Detecting Malapropisms Using Measures of Contextual Fitness. Spec Issue TAL J “Managing Noise Signal Error Handl Nat Lang Process 53:11–31

    Levy O, Zesch T, Dagan I, Gurevych I (2013) Recognizing Partial Textual Entailment. In: Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics (ACL), Sofia, Bulgaria, pp 451–455

    Zesch T (2012) Measuring Contextual Fitness Using Error Contexts Extracted from the Wikipedia Revision History. In: Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012). Avignon, France, pp 529–538