利用解決方案生成自動評分器以加速精準題目編寫
arXiv - Computers and SocietyGeoffrey Challen, Ben Nordick
提出一種透過參考標準解答來自動生成自動評分器的新方法，提升編寫程式練習題的效率與準確性。
AI 幫你先抓重點
AI 重點 1
從「軟體測試」轉向「自動評分」的範式轉移
滑鼠懸停看 AI 判斷理由
傳統測試著重於驗證程式是否正確，但自動評分更需考慮教學品質。利用標準解答作為基準，不僅能確保行為正確性，還能擴展到對程式碼品質的評估，這改變了教學資源開發的邏輯。
AI 重點 2
規模化教學資源產出的技術可行性
滑鼠懸停看 AI 判斷理由
這項研究證明了透過自動化工具，教育者可以快速建立龐大的練習題庫，解決了高品質程式練習題編寫成本過高的痛點，對於大規模線上或混合式學習至關重要。
核心研究發現
- 1
傳統自動評分器依賴手動列舉測試案例，過程繁瑣且容易因分類錯誤導致評分不準確。
- 2
透過「解決方案生成」技術，可消除手動列舉測試案例的需求，並能同時驗證程式碼行為與品質。
- 3
Questioner 系統已在大型 CS1 課程中實踐四年，成功支援近 800 題題目與數百萬次學生提交評分。
對教育工作者的啟發
教育工作者在設計程式課程時，應考慮將「評分工具的自動化生成」納入課程開發流程。透過建立標準解答作為核心，可以大幅降低編寫大量練習題的負擔，並確保評分的一致性。建議開發者或教師在設計自動評分系統時，不應僅侷限於黑箱測試（輸入與輸出），應嘗試利用解答資訊來檢測學生的程式碼結構與品質，從而提供更深層次的學習回饋。
原始文獻資訊
- 英文標題：
- Accelerating Accurate Assignment Authoring Using Solution-Generated Autograders
- 作者：
- Geoffrey Challen, Ben Nordick
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。