一直以来,语文写作在整个语文课程学习当中占有着非常重要的位置,是培养学生综合素养的重要教学内容之一。在传统的语文写作教学中,由于教师批改作文比较费时费力,因而学生无法及时得到反馈结果;此外,由于疲劳或个人感情等因素使得教师批改存在一定的主观性。所以如何利用计算机解决传统人工评价作文存在的问题显得颇为重要。随着自然语言处理、机器学习等技术的快速发展,利用计算机进行作文自动评价变的更加可行。因此,本文开发一个基于中文多维度特征指标的小学写作自动反馈系统,希望通过自动反馈的方式辅助学生进行作文评价与修改,并以武汉市某所小学六年级学生为例,进行自动反馈写作的研究,主要研究内容和成果包含以下三个方面:第一,从字词基础、篇章结构、语言表达和情感主题四个维度,提出了符合小学阶段语文作文评价的120个特征指标。采用自然语言处理等技术,将收集的4193篇作文作为语料,按照浅层语言特征和深层语言特征的面向进行特征的提取;并采用特征向量空间模型(F-VSM)和支持向量机(SVM)两种算法进行指标可靠性的验证。其中,基于浅层特征F-VSM与SVM算法的分类准确率分别为63.67%和72.03%;基于深层特征F-VSM与SVM算法的分类准确率分别为81.33%和84.89%;基于混合特征F-VSM与SVM算法的分类准确率分别为76.41%和90.64%。实验结果表明:作文特征指标的选取应综合考虑浅层特征和深层特征。第二,基于四个维度下的特征指标提出了自动反馈机制。在作文自动评价系统的基础上,进行自动反馈模型的构建,包括根据作文语料建立作文水平常模、作文自动评分建模、单一指标可视化和整体作文指标分析,并完成系统功能模块的设计与实现。第三,基于自主开发的作文自动评价系统,以武汉市某小学六年级学生为对象,进行自动反馈写作实验的研究。对实验数据进行分析发现,在修改前后的评分变化方面,实验组比对照组有显著进步;在特征指标影响变化方面,在篇章结构维度下的特征指标实验组与对照组具有显著性差异。实验结果表明:从整体上看,本文自动反馈的方式对学生写作能力提升有一定的帮助:从指标维度上看,自动反馈主要在作文的篇章结构上对学生有帮助。