تواجه معظم المؤسسات التعليمية تحديات كبيرة عند استخدام مصححات تعتمد على نماذج لغوية كبيرة (LLM)، بما في ذلك إرسال بيانات الطلاب إلى واجهات برمجة التطبيقات (APIs) الخارجية، مما يعرض البيانات لمخاطر غير مبررة. لكن مع LaTA، يمكن للجامعات الاستغناء عن هذه المخاوف بفضل هيكله القائم على الأجهزة العادية التي يمكن استضافتها محليًا.
تعتمد LaTA على عملية من أربع مراحل تشمل: الإعداد (ingest)، التجزئة (segment)، التقييم (grade)، والتقارير (report). كما تستخدم النموذج اللغوي المحلي (gpt-oss:120b) لمقارنة أعمال الطلاب مع الحلول المرجعية التي أعدها المعلمون. وتعتمد آلية التقييم على معيار (YAML) مع نظام درجات ثنائي لكل عنصر.
خلال استخدامها في دورة ME 373 (طرق الهندسة الميكانيكية) بجامعة ولاية أوريغون، استطاعت LaTA تقييم كل الواجبات الأسبوعية لحوالي 200 طالب عبر جهاز Mac Studio واحد بتكلفة معدومة لكل واجب، مستخدمة بين 1 إلى 3 دقائق فقط لكل إرسال، مما أتاح للمعلمين إعادة تقييم الواجبات المصححة وزيادة ساعات تفاعل المعلم مع الطلاب.
أظهرت النتائج أن معدل أخطاء التصحيح المؤكدة من المعلمين بلغ حوالي 0.02% إلى 0.04% لكل عنصر من عناصر المعيار خلال الفصل الدراسي. وقد حقق الطلبة الذين تم تصحيح أعمالهم باستخدام LaTA تحسينًا ملحوظًا بنسبة 11% في امتحان منتصف الفصل و8% في الامتحان النهائي، بالإضافة إلى زيادات كبيرة في الثقة الذاتية للطلاب في جميع الأهداف التعليمية المتضمنة.
مع إصدار الكود تحت ترخيص AGPLv3، تمثل LaTA خطوة جديدة ونقلة نوعية في دمج الذكاء الاصطناعي في العملية التعليمية، من أجل تحسين التجربة الأكاديمية للطلاب والمعلمين على حد سواء.
