LaTA(LaTeX Teaching Assistant)는 외부 API 없이 온프레미스 하드웨어에서 완전히 실행되는 FERPA 준수 오픈소스 자동 채점 시스템입니다. 4단계 파이프라인(수집·분할·채점·리포트)으로 로컬 LLM이 YAML 루브릭으로 학생 과제를 채점하며, 200명 규모 수업에서 과제당 한계 비용 $0, 제출물당 1~3분으로 운영되었습니다. LaTA로 채점된 학생들은 중간고사 11%, 기말고사 8% 성적이 향상되었고 모든 학습 목표에서 자기 평가 신뢰도도 증가했습니다.
- •외부 API 불필요, Mac Studio 단일 기기 온프레미스 실행으로 FERPA 완전 준수 및 데이터 위험 제거
- •4단계 파이프라인(수집·분할·채점·리포트)으로 YAML 루브릭 기반 이진 항목별 채점 구현
- •200명 수업에서 과제당 한계 비용 $0, 채점 오류율 0.02~0.04%로 운영
- •LaTA 채점 학생들이 중간 11%, 기말 8% 성적 향상, 학습 목표 자기 신뢰도 전반 증가
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
LaTA: A Drop-in, FERPA-Compliant Local-LLM Autograder for Upper-Division STEM Coursework
- 1.LaTA는 FERPA 준수 온프레미스 LLM 자동 채점 시스템으로 LaTeX 워크플로우에 바로 통합 가능
- 2.오리건 주립대 200명 기계공학 수업에 배포, 루브릭 항목당 0.02~0.04% 오채점률으로 FERPA와 정확도 동시 달성
- 3.LaTA 채점 학생들이 전통 채점 코호트 대비 중간·기말고사 각각 11%, 8% 성적 향상
왜 중요한가?
외부 API 없이 온프레미스 LLM 자동채점을 구현하여 개인정보 보호와 교육 효과를 동시에 달성한 실제 대학 배포 사례로, 고등교육 AI 도입의 현실적 모델을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2605.05410v1 Announce Type: new Abstract: Large-language-model (LLM) graders promise to relieve the grading burden of upper-division STEM courses, but most deployments to date send student work to third-party APIs, violating FERPA and exposing institutions to data risk while requiring substantial assignment modification. We present $\textbf{LaTA}\ (\textit{LaTeX Teaching Assistant})$, a drop-in, open-source autograder that runs entirely on commodity on-premises hardware and assumes a LaTe
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안
