Methode en apparaat voor het automatisch genereren van feedback

De uitvinding betreft een methode om een statistisch classificatiemodel te creëren om automatisch feedback te genereren uitgaande van een set kenmerken die mogelijke fouten beschrijven en een set eenheden met ruwe gegevens, waarbij elke eenheid met ruwe gegevens ten minste een antwoord, correctie en feedback omvat. De methode omvat: a) omzetten van eenheden met ruwe gegevens in voorbeelden samengesteld uit één of meerdere verschillen verkregen door vergelijking van antwoord en correctie, alzo een waarde toewijzend aan kenmerken uit genoemde set met kenmerken, b) afleiden van een set met klassen uit genoemde feedback van de eenheden met ruwe gegevens, c) reduceren van het aantal klassen in de set gebaseerd op overeenkomsten tussen klassen, d) labelen van elk voorbeeld met één van de klassen van de gereduceerde set, en e) samenstellen van het statistisch classificatiemodel via een classificatiemiddel voor machinaal leren, gebruik makend van de gelabelde voorbeelden als trainingsgegevens. The present invention relates to a computer implemented method for creating a statistical classification model for automatic feedback generation starting from a set of features describing possible errors and a set of raw data units, each raw data unit comprising at least an answer, correction and feedback. The method comprises: a) transforming raw data units to instances composed of one or more differences obtained by comparing the answer to the correction, so assigning a value to features of said set of features, b) deriving a set of classes from said feedback of the raw data units, c) reducing the number of classes in the set based on similarities between classes, d) labelling each instance with one of the classes of the reduced set, and e) building the statistical classification model for automatic feedback generation by means of a machine learning classifier using the labelled instances as training data.