Assistent intel·ligent per a la millora del feedback en plataformes d'avaluació automàtica de codi
Year: 2026
Type: dissertation
Abstract: Aquest Treball de Fi de Grau aborda la millora del feedback pedagògic en la plataforma d'avaluació automàtica de codi Jutge.org mitjançant la integració d'un Model de Llenguatge de Gran Escala (LLM). El problema central identificat és que les plataformes actuals solen oferir correccions limitades a la detecció d'errors funcionals o sortides del compilador, mancant d'una guia explicativa que faciliti l'aprenentatge autònom de l'estudiant. La metodologia emprada combina un enfocament experimental comparatiu amb la gestió agile de projectes (Scrum). Es va dissenyar un marc experimental per avaluar el model Gemini en tasques crítiques: la resolució de problemes de programació i la generació de feedback qualitatiu. Per a això, es van implementar scripts d'automatització en Python que interactuen amb les API dels models i la plataforma d'avaluació. Els resultats demostren que l'assistent intel·ligent és capaç d'analitzar errors sintàctics i lògics, proporcionant suggeriments personalitzats que fomenten les bones pràctiques de desenvolupament. L'anàlisi temporal va confirmar la viabilitat tècnica de la solució, amb temps de resposta mitjans de 5,52 segons per al feedback. A més, el projecte inclou un estudi de sostenibilitat que quantifica l'impacte ambiental de l'experimentació, estimant un consum de 0,46 Wh i 0,43 ml d'aigua per petició. En conclusió, el treball valida el potencial dels LLM per transformar l'avaluació automàtica en una eina d'ensenyament adaptativa i escalable.
Author: Sevillano Santamaria, Biel
Language: Spanish
Subfield: Computer Science Applications
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7153410115