摘要

SLAM 2018 任务聚焦于预测学习者在使用 Duolingo 应用程序时可能出现的错误。本文介绍了我们为该共享任务所开发的系统。我们的系统采用逻辑回归模型，针对三种语言路径——英语/西班牙语（en/es）、西班牙语/英语（es/en）以及法语/英语（fr/en）——预测学习者在完成练习题时出错的可能性。在系统开发过程中，我们对多种特征进行了消融实验，结果发现基于上下文的特征在语言习得建模中起着关键作用。我们的模型在所有三种语言路径上均优于 Duolingo 的基线表现（en/es 的 AUROC 得分为 0.821，es/en 为 0.790，fr/en 为 0.812）。本研究为在第二语言学习过程中提供有利的文本上下文支持提供了有力证据。