رفتن به متن
باغ ریاضی
rubrics
تنظیمات مطالعه
تنظیمات مطالعه

rubrics

مستندات اشتراکی · داکیومنت سامانه آزمون آنلاین

بارم‌بندی استاندارد با روبریم (Rubrics)

روبریم (معیار بارم‌بندی) ابزاری است که خطاهای رایج و دستاوردهای کلیدی پاسخ دانشجویان را به آیتم‌های با بارم مشخص تبدیل می‌کند تا عدالت در نمره‌دهی حفظ شده و بازخوردها یکدست باشند.


۱. تفکیک دو مدل بارم‌بندی: افزایشی در برابر کاهشی

flowchart LR
    subgraph Pos["روبریم افزایشی (Positive)"]
        A["شروع از نمره ۰"] --> B["کسب امتیاز به ازای هر گام صحیح (+۲, +۳)"]
        B --> C["سقف نمره کامل ۱۰"]
    end

    subgraph Neg["روبریم کاهشی (Negative)"]
        D["شروع از نمره کامل ۱۰"] --> E["کسر امتیاز به ازای هر خطا (-۱, -۲)"]
        E --> F["کف حداقل نمره صفر"]
    end

۱.۱. مدل افزایشی (Positive Grading):

  • نمره اولیه صفر است.
  • به ازای اثبات قضیه، نوشتن فرمول صحیح یا تحلیل درست، امتیاز افزوده می‌شود (+2, +5).
  • مناسب برای مسائل ریاضی، فیزیک نظری و پرسش‌های چندمرحله‌ای.

۱.۲. مدل کاهشی (Negative Grading):

  • نمره اولیه بر روی سقف بارم (مثلاً ۱۰ نمره) قرار دارد.
  • به ازای هر باگ، عدم رعایت اصول تمیزی کد یا فراموشی حالت‌های مرزی، نمره کسر می‌شود (-1, -3).
  • بسیار کارآمد و سریع برای پروژه‌های نرم‌افزاری و مهندسی.

۲. کف و سقف نمره (Floor & Ceiling)

  • کف نمره (Floor): به صورت پیش‌فرض، حتی در صورت تعدد خطاهای کاهشی، نمره سوال از صفر کمتر نخواهد شد، مگر اینکه گزینه نمره منفی در تنظیمات سوال قفل نشده باشد.
  • سقف نمره تشویقی (Ceiling & Extra Credit): می‌توان آیتم‌های تشویقی (مثلاً +2 برای پیاده‌سازی الگوریتم با پیچیدگی بهتر از حد انتظار) تعریف کرد. در صورتی که گزینه نمره اضافه فعال باشد، دانشجو می‌تواند نمره‌ای فراتر از ۱۰۰٪ کسب کند.

۳. مدیریت آیتم‌های پویا در حین تصحیح (Dynamic Rubrics)

اگر در حین بررسی برگه چهلم متوجه خطایی شدید که در ۳۹ برگه قبلی به آن توجه نکرده بودید:

  1. آیتم جدیدی به روبریم اضافه کنید (مثلاً: -۲ نمره برای عدم اعتبارسنجی آرایه خالی).
  2. با هماهنگی سر‌دستیار آموزشی (Head TA)، فیلتر پنل را روی برگه‌های قبلی تنظیم کرده و آن آیتم را در صورت وجود روی موارد پیشین نیز اعمال نمایید تا عدالت کامل رعایت شود.

۴. نمونه بازخورد استاندارد Markdown برای دانشجو

دستیاران آموزشی می‌توانند در کنار انتخاب آیتم‌های روبریم، توضیحات تفصیلی را در قالب Markdown تایپ نمایند:

### بازخورد دستیار آموزشی
پاسخ شما برای حالت‌های متقارن الگوریتم درست است، اما در مدیریت آرایه خالی برنامه دچار خطا می‌شود:

```python
# کد شما در این بخش خطای IndexError تولید می‌کند:
if arr[0] == target:
    return True

پیشنهاد: قبل از دسترسی به اندیس اول، شرط طول آرایه را بررسی کنید: if not arr: return False

حالت ارائه