الموارد
GradeBench
ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.
يطرح GradeBench سؤالًا ضيّقًا ومفيدًا حول التقويم الآلي: إذا توفّرت إجابة طالب مكتوبة بخط اليد، وسلّم تقدير المدرّس، وحلّ مرجعي، وبنود سلّم التقدير التي اختارها المدرّس فعلًا، فهل يختار نموذج متقدّم البنود نفسها؟ التسميات الذهبية هي اختيارات حقيقية لبنود سلّم التقدير أجراها مدرّسون ومساعدو تدريس في امتحانات واختبارات قصيرة، وليست مخرجات نماذج أُعيد تصحيحها.
ما يمكنك فعله به
اقرأ لوحة الصدارة قبل أن تثق بادعاء دقة أي مورّد لأدوات التصحيح، واقرأ طريقة بناء المهام قبل أن تثق بلوحة الصدارة. يضم المعيار المرجعي (Benchmark) 464 مهمة مستمدة من 125 سؤالًا عبر 45 مقررًا جامعيًا في أكثر من عشر مؤسسات، مقتصرًا على بنود الامتحانات والاختبارات القصيرة ذات الإجابة الحرة التي راجعها أستاذ أو مساعد تدريس سطرًا بسطر، ومنحازًا نحو الدرجات الجزئية — إذ تُحدّ مهام الدرجة الكاملة والدرجة الصفرية عند 5% لكل منهما لأن النماذج تجدها سهلة.
تتوقف لوحة الصدارة الحالية عند مستوى أدنى بكثير من توافق البشر: أفضل نموذج يبلغ 57.3% تطابقًا تامًا مع سلّم التقدير، ويرسم الموقع الدقة مقابل التكلفة لكل 1,000 إجابة، حيث يكلّف نموذجٌ متأخرٌ بـ0.8 نقطة نحو سُبع ما يكلّفه النموذج الذي يسبقه. محور التكلفة هذا هو الجزء المفيد عمليًا، لأن التصحيح عملية تتم على أعداد كبيرة.
وللاطلاع على أداة ثانية بُنيت باستقلالية، انظر AI Grading Benchmark من Learning Design Alliance، وهو مُقدَّم كمستودع مفتوح بدلًا من لوحة صدارة مستضافة، وتلخّصه دراسة Porcaro.
لمن هو موجّه
المدرّسون الذين يقررون ما إذا كانوا سيسمحون لأداة تصحيح بإصدار الدرجات دون مراجعة، ومختصو التقويم الذين يكتبون متطلبات الشراء، والباحثون الذين يحتاجون هدفًا على مستوى بنود سلّم التقدير بدلًا من معامل ارتباط لتصحيح المقالات.
ملاحظات وتحذيرات
ينشر GradeBenchَ منصةُ Pensive، وهي منصة تجارية للتصحيح بالذكاء الاصطناعي، لذا يتقاسم المعيار والمنتج المالك نفسه؛ طريقة بناء المهام موثّقة وقابلة للدفاع عنها، لكن تعامل مع التأطير باعتباره تأطير المورّد. يغطي امتحانات STEM بسلالم تقدير تضم أربعة بنود على الأقل، ما يستبعد المقالات والإجابات القصيرة ومنشورات النقاش — وهي الصيغ التي يجري فيها معظم التصحيح في العلوم الإنسانية. التطابق التام مع سلّم التقدير مقياس صارم: قد يختلف مصحّحان حول بند واحد ويكون كلاهما مصيبًا بشأن الطالب. تصف الدرجات إصدارات النماذج المتاحة في November 2026 وستتغير.