-
题名基于大语言模型的个性化实验报告评语自动生成与应用
被引量：4
- 1
-
-
作者
翟洁
李艳豪
李彬彬
郭卫斌
-
机构
华东理工大学信息科学与工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第7期42-52,共11页
-
基金
上海高校市级重点课程建设项目(沪教委高[2022]27号)
上海市教育委员会课题项目
教育部-华为“智能基座”产教融合协同育人基地一流课程项目。
-
文摘
在计算机实验报告评阅过程中,不同的实验报告评价体系呈现出多样性和差异性,固化的实验评语模板缺乏个性化的内容,评价结果往往未给出可解释性的依据。针对以上问题,提出基于大语言模型的个性化实验报告评语自动生成框架。通过主题-评估决策-集成提示策略,从教师的实验需求、代码质量需求中抽取该实验特有的评价体系,形成评估决策树,构建计算机软件方向课程共享的评估决策树库。设计基于大语言模型和决策树的实验要求、代码质量主题评级方法,从评估决策树库检索匹配学生实验报告内容的评估决策树,结合实验报告和代码文本,自动生成实验主题、代码质量主题定量或定性的评级结果及对应的可解释性依据。在实验报告模板中融入学生已完成的实验任务、主题评级结果、评价依据等,生成个性化的实验评语。实验结果表明,基于主题-评估决策-集成提示策略的决策树生成结果明显优于未用提示的方法,该策略各部分具有一定的有效性和合理性,同时自动生成的评级结果和教师原先批阅的评阅结果对比,软件测试、面向对象程序设计、电商金融课程示例匹配正确率均达到90%以上。从任课教师对于自动生成的评语评分分析,评语在流畅性、相关性、合理性3个维度上达到了较高的质量水平。
-
关键词
大语言模型
实验评估决策树
个性化
评语自动生成
代码质量评价
-
Keywords
large language models
decision trees of experimental evaluation
personalization
comments autogeneration
code quality assessment
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
