evidoria

← Retour à la liste

Bonne pratique Importée

Examens oraux assistés par l'IA de Classmoji pour l'évaluation du code — Dartmouth College

États-Unis d'Amérique · Hanover · Voir le profil de États-Unis d'Amérique · Voir le profil de Hanover

Preuves: Descriptif / auto-déclaré Top 63% 47/100 · Demandez à Evidence Copilot à propos de cette pratique

La plateforme open source Classmoji de Dartmouth ajoute des examens oraux pilotés par l'IA qui questionnent les étudiants sur leur propre code, pour vérifier une compréhension réelle plutôt qu'un code généré par l'IA non compris ; présenté à la conférence ACM SIGCSE TS 2026.

Examens oraux assistés par l'IA de Classmoji pour l'évaluation du code — Dartmouth College

Détails

Maturité
Pilote
Promoteur
Dartmouth College — Classmoji (open-source GitHub-native CS education platform)
Période
2025–2026 (presented at ACM SIGCSE TS 2026, Feb 2026)
Mots-clés
higher education, computer science, academic integrity, open-source

Contexte

Classmoji est une plateforme de gestion de l'apprentissage open source, native de GitHub, créée par des enseignants et des étudiants, initialement au Dartmouth College, qui traite les organisations GitHub comme des classes et les « issues » comme des devoirs, avec un système de retour basé sur des émojis. Des chercheurs de Dartmouth y ont ajouté une fonctionnalité d'examen oral pilotée par IA qui interroge les étudiants de façon conversationnelle sur le code qu'ils soumettent, en sondant les choix de conception et les cas limites pour distinguer une compréhension authentique d'un code généré par IA que l'étudiant ne sait pas expliquer.

Activités

Cette approche est documentée dans l'article évalué par les pairs « AI-Driven Oral Examinations for Code Assessment: Evaluating Understanding Beyond the Commit », présenté au 57e ACM Technical Symposium on Computer Science Education (SIGCSE TS 2026, février 2026).

Conclusions

Les données disponibles consistent en une description évaluée par les pairs de la conception et de la logique du système, et non en statistiques de résultats publiées — aucune donnée de précision, de corrélation avec la notation ou de perception des étudiants n'a été trouvée ; la force de cette pratique réside dans la transparence open source et l'évaluation académique formelle par les pairs, pas encore dans un impact d'apprentissage mesuré.

Mise en œuvre
Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
Dartmouth College researchers and educators (Classmoji project team), Student contributors to the open-source GitHub-native platform

Conditions de réussite

  • Built on an already-adopted open-source LMS (Classmoji) rather than a standalone tool
  • Adaptive follow-up questioning tied directly to each student's own submitted code
  • Public, peer-reviewed documentation of the methodology (ACM SIGCSE TS 2026)

Modes d’échec courants

  • No published accuracy, grading-correlation or student-sentiment data yet
  • No evidence found of adoption or oral-exam feature use outside the originating Dartmouth team

Où cela s’applique

Type de gouvernance
higher-education institution (single university)
Échelle
single-institution pilot within an open-source platform
Niveau de revenu
high-income

Habituellement financé par

Own resources / municipal budget

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Kit de réplication

Artefacts réutilisables de cette pratique — tels que publiés par leurs sources.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles