Automatizirano vrednovanje u visokom obrazovanju

3. Primjeri tehnologija i pristupa

• Automatski testovi – najčešće se koriste pitanja višestrukog izbora, točno/netočno, sparivanja i numerički odgovori. Ovakav tip zadataka omogućuje trenutačnu povratnu informaciju i široku primjenu u formativnom i sumativnom vrednovanju, posebno u velikim grupama (Divjak i sur., 2022; Clark, 2012).
• Alati za analizu eseja – softveri poput GrammarlyGO i alati temeljeni na velikim jezičnim modelima (LLM), poput ChatGPT-a, sve češće se koriste za automatsku analizu gramatike, koherencije, argumentacije i stila. Ti alati podržavaju samoprocjenu i pružaju prilagođenu povratnu informaciju studentima (Kumar i sur., 2024).
• Automatsko vrednovanje portfelja – suvremeni sustavi integrirani u LMS okruženja koriste rubrike i kontrolne popise (checkliste) za strukturiranu procjenu studentskih uradaka. Tako se automatizira dodjela bodova prema unaprijed definiranim kriterijima (npr. postojanje dokaza o refleksiji, kvaliteta argumentacije, jasnoća prezentacije) (Khasawneh i sur., 2025). Na primjer, u sustavu Mahara ili u Moodle aktivnosti Zadatak student prilaže više artefakata (esej, infografiku, videozapis), a nastavnik odabire rubriku koja automatski dodjeljuje bodove ovisno o razini postignuća. Sustav zatim generira sažetak ocjena i grafički prikaz napretka za svakog studenta.
• UI i LLM sustavi – nova generacija alata koja se temelji na umjetnoj inteligenciji, uključujući LLM-ove poput ChatGPT-a, omogućuje pružanje personalizirane povratne informacije, poticanje samorefleksije i razvoj metakognicije. U nedavnom istraživanju LLM-ovi su se pokazali učinkovitima ocjenjivanju radova studenata (Floden, 2024), ali i kao pomoć u rješavanju problemskih i projektno orijentiranih zadataka (Divjak i sur. 2025).