Autograder+: 一个多方面的人工智能框架，用于编程教育中丰富的教学反馈

于红博

摘要: 编程教育的快速增长已经超过了传统的评估工具，使教师在提供有意义、可伸缩反馈方面的手段有限。传统的自动评分系统虽然高效，但作为黑匣子系统，仅返回通过/不通过结果，几乎不提供关于学生思维或学习需求的见解。 Autograder+的设计目的是将自动评分从纯粹的总结性过程转变为形成性学习体验。它引入了两个关键能力：使用经过精细调整的大型语言模型进行自动化反馈生成，以及对学生代码提交进行可视化，以揭示学习模式。该模型经过精心调整，以学生代码和专家反馈为基础，以确保与教学一致、具有上下文意识的指导。 在对来自多个编程任务的600份学生提交的评估中，该系统产生的反馈与教师评论具有较强的语义一致性。对于可视化，对比学习的代码嵌入经过在1000份注释提交上训练，使解决方案能够根据功能和方法进行有意义的聚类。该系统还支持提示池化，允许教师通过选定的提示模板指导反馈风格。 通过整合AI驱动的反馈、语义聚类和交互式可视化，Autograder+减少了教师的工作量，同时支持有针对性的教学，并促进更强大的学习成果。

更新时间: 2025-10-30 11:41:50

领域: cs.AI,cs.LG

下载: http://arxiv.org/abs/2510.26402v1