Can Alternative Grading Improve Student Interactions in Automatically Graded Programming Assignments?
Notice bibliographique
Résumé
Background. Automated assessments, often implemented as test-based autograders, are widely used in the form of hidden oracles, providing automated formative feedback to students on their code solutions. While autograders provide some educational benefits—particularly around efficient scaling of grading—they have been shown to encourage adverse student behaviors that hinder learning. For example, students try to debug their solutions into existence through trial-and-error debugging in pursuit of maximum points, without the valuable, careful introspection on their work. Objectives. This study investigates how a grade scale affects students’ software development behaviors in response to automated feedback. In contrast to an autograder with an oracle suite of test cases, industrial developers do not have access to an oracle test suite that can tell them what cases their code handles or mishandles. Developers must instead rely on careful reasoning to co-evolve their test code with their product code to produce and maintain high-quality software. We hypothesize that alternative grading can be an effective tool to influence students to practice more reflection during development while maintaining the infrastructural and pedagogical benefits of automated assessments. Methods. We deployed a coarse-grained, alternative grading approach—bucket grading—which assessed solutions to be in one of only four bucket grades, representing a high-level assessment of the student’s project quality, to a third-year post-secondary, project-based software engineering class with 300+ students. This study uses a mixed qualitative and quantitative methodology to compare a previous offering of the course that used a traditional, points-based grading scheme against the bucket grading offering. Findings. We find that coarse-grained formative feedback via bucket grading improves student-autograder interaction: students wrote stronger, more focused test suites because they reflected more deeply before making changes. Students were appreciative of bucket grading since it provided them leniency in their grade and greater clarity on the overall quality of their solutions. Ultimately, we will continue to use this approach going forward since incorporating bucket grading meaningfully improved both the staff and student autograder experiences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».