Autograder+: 用于编程教育中丰富教学反馈的多层面 AI 框架
人工智能
2025-10-31 v1 机器学习
摘要
编程教育的快速增长已超过传统评估工具的能力，导致教师缺乏有效且可扩展的反馈手段。传统自动评分器虽然高效，但作为黑盒系统仅返回通过/失败结果，为学生思考或学习需求提供了很少的见解。Autograder+ 旨在将自动评分从纯求和过程转向形式化学习体验。它引入了两个关键功能：使用微调后的大型语言模型进行自动反馈生成，以及可视化学生代码提交以揭示学习模式。该模型在精选学生代码和专家反馈上进行微调，以确保教育上对齐、上下文感知的指导。在评估 600 份来自多个编程任务的学生提交 materials 后，系统产生的反馈与教师评论在语义对齐方面表现良好。对于可视化，通过在 1,000 份标注提交上训练的对比学习代码嵌入，使解决方案能够基于功能和方法进行有意义的聚类。该系统还支持提示池，允许教师通过选定的提示模板指导反馈风格。通过集成 AI 驱动的反馈、语义聚类和交互式可视化，Autograder+ 减少了教师工作负担，同时支持有针对性的指令并促进更好的学习结果。
引用
@article{arxiv.2510.26402,
title = {Autograder+: A Multi-Faceted AI Framework for Rich Pedagogical Feedback in Programming Education},
author = {Vikrant Sahu and Gagan Raj Gupta and Raghav Borikar and Nitin Mane},
journal= {arXiv preprint arXiv:2510.26402},
year = {2025}
}