基础培训 作业评分与查重

10 分钟讲授内容

助教在工作中，常常遇到作业评分的任务。有时教师会给出评分标准，或已有往年评分标准。有时需要自己制定评分标准。

前者只需“照章办事”，这里主要讨论的是需要助教自己制定评分标准的情况。

对于书面作业，首先要避免随机给分或按照作业长度给分。如果希望减轻评分的工作量，可以考虑随机抽选一部分题目进行评分。理想情况下，应该将作业的解答提供给同学，然后在不同学期尽量轮换一些题目。但实际情况中，可能会一直复用往年的书面作业，同学也复用往年的答案，书面作业就失去了训练的意义。这种情况下不如将书面作业取消，增加其他更有意义的学习活动。

技术上，建议让同学提交统一通用的文件格式，例如 pdf 文件，甚至设置一个类似表格模板的东西提交，作业的评分过程利用脚本辅助，形成“助教看作业、给分、自动跳到下一份作业”的工作流。

工作量更大的是编程作业的批改，包括白盒和黑盒两个部分。

讨论的问题

问题 1：

假设某门课需要增加一个大作业，实现能在重庆用的地图寻路算法，评分标准应该如何制定？

（某门课替换成离散数学、面向对象程序设计、数据结构、软件工程等不同课程名字，思考回答会有什么不同。）

制定评分标准时，可以思考设问思路：

• 做到什么程度可以拿 60 分、80—90 分、100 分，什么程度可以超出 100 分额外加分？
• “80—90 分的标准”通常就是你希望大多数同学达到的水平；评分标准需要和课程核心目标一致。
• 然后换一个 context：假设它是 GIS 课 / 数据结构课 / OOP 课的大作业，评分标准应如何调整？

也可以找一门具体的作业来练习：程设的 Wordle 大作业、软院“写游戏”大作业、数据结构白盒代码风格与实验报告评分、研究生课的作业等，分别讨论如何定评分标准。

问题 2:

大语言模型会给代码查重带来什么影响？

更重要的是：如何设计良好的评分标准和查重方法，使得同学不会只用 LLM 就拿到大部分分数，从而鼓励同学自己的深入思考？

最后，简单分享了 SIGCSE2024 论文 learners teaching novices，如何通过让学生教别人编程来评价学生自己有没有掌握。