داوری خودکار سوالات پایتون (Python Autograder)
داوری خودکار پایتون با کانتینر ایزوله prairielearn/grader-python اجرا میشود. کدهای ارسالی دانشجو درون یک محیط لینوکسی بدون دسترسی به شبکه و با محدودیتهای شدید حافظه و زمان پردازش، ارزیابی میگردند.
۱. ساختار پوشه سوالات برنامهنویسی پایتون
questions/python_matrix_transpose/
├── info.json
├── question.html
└── tests/
└── test.py
۲. پیکربندی info.json برای ارزیابی خارجی
{
"uuid": "7a82b3d1-923f-42da-9f12-0f9c2a823e51",
"title": "پیادهسازی ترانهاده ماتریس در پایتون",
"type": "v3",
"singleVariant": true,
"gradingMethod": "External",
"externalGradingOptions": {
"image": "prairielearn/grader-python",
"entrypoint": "/grader/run.sh",
"timeout": 10,
"enableNetworking": false
}
}
enableNetworking: false: مسدودسازی کامل اتصال به اینترنت برای جلوگیری از نشت اطلاعات یا ارسال درخواست به سرورهای خارجی.timeout: 10: قطع خودکار پروسه در صورت اجرای بیش از ۱۰ ثانیه (مهار حلقههای بینهایت).
۳. طراحی رابط کاربری در question.html
<pl-question-panel>
<p>تابعی به نام <code>transpose(matrix)</code> بنویسید که یک ماتریس دوبعدی را دریافت کرده و ترانهاده آن را بازگرداند.</p>
</pl-question-panel>
<pl-file-editor
file-name="solution.py"
ace-mode="ace/mode/python"
source-file-name="starter_code.py">
</pl-file-editor>
<pl-submission-panel>
<!-- نمایش جدول نتایج تستکیسها و نمرات تفکیکی -->
<pl-external-grader-results></pl-external-grader-results>
<!-- نمایش پیشنمایش کد ارسالشده -->
<pl-file-preview></pl-file-preview>
</pl-submission-panel>
۴. نوشتن آزمونها با PLTestCase و ماژول Feedback (tests/test.py)
فریمورک استاندارد ارزیابی پایتون از کلاس PLTestCase و دکوراتورهای @points و @name استفاده میکند:
from pl_unit_test import PLTestCase
from pl_helpers import points, name
import numpy as np
from code_feedback import Feedback
class TestMatrix(PLTestCase):
@points(3)
@name("تست عمومی ۱: ماتریس متقارن و ساده")
def test_0(self):
# بررسی وجود تابع در کد ارسالی دانشجو
if not hasattr(self.st, "transpose"):
Feedback.set_score(0)
Feedback.add_feedback("تابع transpose در فایل ارسالی یافت نشد.")
return
mat = [[1, 2], [3, 4]]
expected = [[1, 3], [2, 4]]
student_res = self.st.transpose(mat)
# مقایسه خروجی با پیام راهنما
if student_res == expected:
Feedback.set_score(1.0)
Feedback.add_feedback("پاسخ شما برای ماتریسهای ۲×۲ کاملاً صحیح است.")
else:
Feedback.set_score(0)
Feedback.add_feedback(f"ورودی {mat}؛ خروجی مورد انتظار {expected} بود اما خروجی شما {student_res} شد.")
@points(4)
@name("تست عمومی ۲: ابعاد غیرمربعی و تکسطری")
def test_1(self):
mat = [[1, 2, 3]]
expected = [[1], [2], [3]]
student_res = self.st.transpose(mat)
self.assertEqual(student_res, expected, "خطا در مدیریت ماتریسهای سطری.")
@points(3)
@name("تست مخفی: ماتریسهای بزرگ و دادههای تصادفی")
def test_hidden(self):
# ورودی در بازخورد چاپ نمیشود تا از هاردکد جلوگیری گردد
mat = np.random.randint(1, 100, size=(50, 20)).tolist()
expected = np.array(mat).T.tolist()
student_res = self.st.transpose(mat)
self.assertEqual(student_res, expected, "الگوریتم شما در ابعاد بزرگ با شکست مواجه شد.")
متدهای کاربردی کلاس Feedback:
Feedback.check_scalar(name, student_val, true_val, rtol=1e-3): بررسی متغیرهای عددی اسکالر.Feedback.check_numpy_array_allclose(name, student_arr, true_arr): مقایسه دقیق آرایههای چندبعدی NumPy.Feedback.check_dataframe(name, student_df, true_df): بررسی جداول کتابخانه Pandas.
۵. داوری با فریمورک مدرن pytest (grader-python-pytest:lite)
در نسخه جدید پلتفرم، علاوه بر unittest سنتی، پشتیبانی کامل از pytest با کانتینر فوقسبک prairielearn/grader-python-pytest:lite فراهم شده است (این رویکرد در دوره نمونه دانشگاه علم و صنعت نیز پیادهسازی شده است).
۵.۱. پیکربندی در info.json:
"externalGradingOptions": {
"image": "prairielearn/grader-python-pytest:lite",
"entrypoint": "/grader/run.sh",
"timeout": 15
}
۵.۲. نگارش آزمون با سینتکس تمیز pytest:
در فایل tests/test_solution.py:
import pytest
import solution # کدی که توسط دانشجو ارسال شده است
def test_circle_area_basic():
"""تست شماره ۱: شعاع یک"""
assert pytest.approx(solution.circle_area(1), 1e-4) == 3.14159
@pytest.mark.parametrize("r, expected", [
(0, 0.0),
(2.5, 19.63495),
(10, 314.15926)
])
def test_circle_area_values(r, expected):
"""تست شماره ۲: مقادیر مختلف اعشاری و صفر"""
assert pytest.approx(solution.circle_area(r), 1e-4) == expected
def test_negative_radius_handling():
"""تست شماره ۳: رفتار با شعاع منفی طبق قرارداد تابع"""
assert solution.circle_area(-5) == 0
۶. هشدارهای حیاتی برای دانشجویان و مدرسان
اشتباه رایج دانشجویان: استفاده از print() به جای return:
بزرگترین خطایی که دانشجویان تازهکار مرتکب میشوند، چاپ خروجی با دستور print(...) است. تستکیسهای داور خودکار مقدار بازگشتی تابع (return) را بررسی میکنند؛ در صورت استفاده از print، تابع مقدار None بازمیگرداند و تمام تستها ناموفق ثبت خواهند شد! در صورت سوال حتماً این موضوع را به دانشجویان گوشزد نمایید.
حلقههای بینهایت و زمان اجرا (Timeout):
اگر کد دانشجو وارد حلقه بینهایت (while True) شود، کانتینر داوری پس از سپری شدن زمان timeout (پیشفرض ۱۰ تا ۱۵ ثانیه) متوقف شده و خطای TimeoutError صادر میکند. تستهای اعتبارسنجی را به نحوی بنویسید که ورودیهای با ابعاد نامتعارف سیستم را مسدود نکنند.