Yuning Ding

Yuning Ding Foto: privat

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 D²L²?

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 D²L²?

Die vielfältige Zusammensetzung von D²L² gibt mir die Möglichkeit, mit Wissenschaftlern aus unterschiedlichen Fachgebieten zusammenzuarbeiten. Darüber hinaus hat D²L² 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 Forschungsschwerpunkts D²L² (Digitalisierung, Diversität und Lebenslanges Lernen), 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).