في عالم البرمجة حيث يزداد الاعتماد على الذكاء الاصطناعي (AI)، جاء نموذج BART ليقدم حلاً مبتكرًا لتقييم مشروعات برمجة C++ للمبتدئين بطريقة آلية. قد يكون تقييم الأكواد البرمجية أمرًا صعبًا، خاصة عندما يتعلق الأمر بضمان دقة الدرجات التي تعكس عمل الطلاب بشكل حقيقي. هذه الدراسة الجديدة تستهدف معالجة هذا التحدي من خلال تحسين عملية تقييم المهام الدراسية.

تستخدم الدراسة نموذج BART، وهو نموذج متعدد المهام يُكيّف بطرق تمكنه من التنبؤ بالدرجات بطريقة أكثر دقة من نماذج اللغة العامة. حيث تزامنت بيانات عدة فصول دراسية مع تقديرات مكتوبة، مما سمح بإنشاء نماذج متماسكة تربط بين التقييم الرقمي والمعايير التقييمية المعروفة.

هنا تأتي أهمية استخدام تقنيات مثل LoRA (Low-Rank Adaptation) لتكييف النموذج، مما مكن الباحثين من تدريب النموذج بشكل مشترك للتنبؤ بالدرجات الرقمية وفي نفس الوقت تصنيف الدرجات ضمن مجموعات محددة. كما تم استخدام مصطلح توزيع الدرجات لضمان توافق التوزيعات المتوقعة مع التوزيعات الحقيقية، وهو بعد تقييم غالبًا ما يُهمل في الدراسات السابقة.

أظهرت التجارب تفوق النموذج الناتج عن تدريب متعدد المهام باستخدام تصنيفات مرنة (soft labels) وإعدادات تقييم واضحة على ما سواه من النماذج الفردية. خصائص مثل القدرة على تقديم تقييمات قريبة من تصورات المعلمين واستخدام تكييفات متعددة قد تكون مفتاح الابتكار في مجال تقييم المشروعات البرمجية.

بالتأكيد، هذا التطور في النمذجة يمكن أن يحدث فرقًا كبيرًا في تحسين تجربة التعلم للطلاب، ويترك السؤال مفتوحًا: كيف يمكن أن نستخدم هذه الأنظمة الذكية في مجالات أخرى من التعليم؟ شاركونا آرائكم في التعليقات!