利用大型语言模型和机器学习的Python代码提交自动评分方法

评估是编程教育的基础；然而，这是一项劳动密集型且复杂的过程，尤其在广泛的学习环境中，严重依赖于人类教师。本文提出了一种自动评分方法，旨在评估Python编程练习，产生连续和离散评分。该方法结合了强大的大型语言模型GPT-4-Turbo和由PyCaret的自动化过程选择的机器学习模型。Extra Trees回归器在连续评分预测中表现优越，平均绝对误差（MAE）为100分中的4.43，R2得分为0.83。随机森林分类器在离散评分分类中获得了最高分，准确率达到91%，二次加权Kappa值为0.84，表明与人类评分类别有显著一致性。这些研究结果突显了将大型语言模型和自动模型选择相结合的前景，有助于实现编程教育中的可扩展、一致和公平的评估，同时大大减轻人类评估者的工作负担.