At the EUROLAN-2025 Summer School on NLP in the Age of Complex Networks and Agentic AI (14-20 September 2025, Timișoara & online), I contributed two sessions focusing on how corpus-based natural language processing can generate insights for education and learning analytics.
More information here.
Tutorial (together with Andreea Dinca and Karla Csürös):
“Corpus-Driven NLP for Educational Insights: Tools, Techniques, and Use Cases”
This lecture introduced participants to the development of corpus-driven NLP applications aimed at extracting educational insights from Romanian-language data. I presented several platforms, i.e. ROGER, EXPRES, and LEMI, that support advanced linguistic analysis and pedagogical applications. ROGER and EXPRES are academic writing platforms designed for exploring rhetorical moves, academic phraseology, and discourse patterns using annotated corpora and n-gram analysis. LEMI, a readability assessment tool for children’s literature, integrates lexical and syntactic complexity metrics to guide age-appropriate text selection. The tutorial emphasized corpus compilation, annotation schemes, feature engineering, and the integration of linguistic insights into educational NLP pipelines.
Practical Session (together with Andreea Dinca and Karla Csürös):
“From Text to Pedagogy: Data Mining Approaches to Educational Content”
In the hands-on workshop, participants applied NLP and data mining techniques to analyze Romanian school textbooks using data from the ROTEX corpus. Together, we explored how instructional tasks reflect cognitive complexity based on Bloom’s Taxonomy, comparing materials across grades and publishers. Through POS tagging, pattern matching, and task classification, participants learned how computational methods can assess educational content quality and pedagogical coherence, particularly valuable in low-resource educational contexts.
The sessions highlighted how linguistic technologies can connect text analysis with pedagogy, supporting teachers, curriculum designers, and educational researchers in making data-informed decisions about language and learning.
The main ideas in Romanian:
În cadrul EUROLAN-2025 Summer School on NLP in the Age of Complex Networks and Agentic AI (14–20 septembrie 2025, Timișoara & online), am susținut două sesiuni dedicate utilizării tehnologiilor de procesare a limbajului natural (NLP) bazate pe corpus pentru obținerea de perspective educaționale și analize ale conținutului didactic.
Tutorial:
„Corpus-Driven NLP for Educational Insights: Tools, Techniques, and Use Cases”
În această prezentare am discutat despre dezvoltarea aplicațiilor NLP corpus-driven, create pentru a genera informații relevante din date lingvistice în limba română. Am prezentat platformele ROGER, EXPRES și LEMI, care oferă suport pentru analiza lingvistică avansată și aplicații pedagogice.ROGER și EXPRES sunt platforme de scriere academică bazate pe corpusuri adnotate, care permit interogări complexe și analiza expresiilor fixe, a mișcărilor retorice și a structurilor discursului academic. LEMI este un instrument de evaluare a lizibilității literaturii pentru copii, care combină indicatori de complexitate lexicală și sintactică pentru a sprijini selecția textelor adecvate vârstei. Prezentarea a subliniat importanța proceselor de compilare a corpusurilor, a schemelor de adnotare, a ingineriei trăsăturilor lingvistice și a integrării cunoștințelor lingvistice în fluxuri NLP aplicate în domeniul educațional.
Sesiune practică:
„From Text to Pedagogy: Data Mining Approaches to Educational Content”
În cadrul atelierului practic, participanții au explorat tehnici de data mining aplicate manualelor școlare românești, folosind date prelucrate din corpusul ROTEX. Analiza s-a concentrat pe relația dintre complexitatea cognitivă a sarcinilor de învățare și nivelul educațional, utilizând clasificarea pe baza Taxonomiei lui Bloom. Prin etichetare morfosintactică (POS tagging), potrivire de tipare și clasificarea sarcinilor, participanții au descoperit cum pot fi evaluate calitatea și coerența pedagogică a conținutului educațional prin metode computaționale, o direcție deosebit de valoroasă în contexte educaționale cu resurse limitate.
Sesiunile au demonstrat modul în care tehnologiile lingvistice pot crea punți între analiza textuală și pedagogie, sprijinind profesorii, autorii de manuale și cercetătorii în educație să ia decizii informate bazate pe date lingvistice.
© 2025 Mădălina Chitez. Acest conținut este licențiat sub Creative Commons Attribution 4.0 International (CC BY 4.0).
Se permite copierea și distribuirea conținutului, cu condiția menționării sursei: www.madalinachitez.com.
Detalii licență: https://creativecommons.org/licenses/by/4.0/.